传统的手机液晶面板表面质量人工检测,受生产线速度快、产品复杂及缺陷模糊等影响,难以满足生产效率和绝对质量的矛盾需求。工业生产线快速准确的手机液晶面板缺陷检测需求对传统的缺陷自动检测算法易将高对比度的脏污误当作缺陷检出,导致缺陷过检率偏高的问题提出了更为精确的要求。为此,本文提出了一种基于改进的差影运算和不同域显著性融合的手机液晶面板缺陷自动检测方法,主要研究工作如下:（1）针对输入图像尺寸大且易受非检测区域背景的干扰问题,本文采用了一种基于图像梯度特征和形态学的感兴趣区域定位方法,为后续缺陷检测算法降低了计算量。该方法采用Sobel边缘梯度检测并结合图像形态学快速将图像分割为待检测和非待检测区域,并应用图像乘积运算剔除非检测区域的背景干扰。（2）针对感兴趣区域本体的细小残损缺陷检测问题,提出了一种基于改进的差影运算缺陷自动检测方法。该方法将待检测图像和模板图像进行加权差分运算,将两幅图像的对应位像素进行相减操作得到差异信息。在模板构建的核心问题上,本文提出了直接将待检测图像经过高核中值滤波得到模板图像,从而省略了待检测图像和模板图像空间位置上的配准,降低了算法处理时间,且避免了光照变化等外部因素带来的噪声影响。（3）针对改进的差影运算缺陷检测结果中缺陷过检率偏高的问题,提出了一种基于空间域和频率域显著性融合的缺陷细检测方法。在图像空域处理的基础上融入视觉注意机制算法,将图像变换到频域处理来淡化平面感的脏污。然后,通过将频域的缺陷显著图和空域的缺陷显著图做融合相乘,增强显著性概率高的区域,减弱显著性概率低的区域。（4）最后,在工业现场采集的360张图像实例上验证了本文所提出的算法。实验结果表明,本文提出的缺陷检测方法有效的降低了缺陷过检的问题,缺陷过检率仅为12.3%,缺陷检出率高达95.7%,能够达到实际检测要求。