-
题名不均匀光照和重影的仪表图像二值化方法
被引量：16
- 1
-
-
作者
孙国栋
徐昀
徐亮
张航
柳晨康
-
机构
湖北工业大学机械工程学院
-
出处
《应用光学》
CAS
CSCD
北大核心
2020年第1期74-78,共5页
-
基金
国家自然科学基金(51775177,51675166)
湖北省自然科学基金(2018CFB276)
-
文摘
高压计量仪表识别过程中需要对图像进行二值化操作,然而拍摄的仪表图像多出现光照不均和数字重影现象,导致传统方法对仪表图像的二值化困难。为此,提出一种基于卷积神经网络的二值化方法,用于对复杂光照下含数字重影的仪表图像二值化。该网络使用的数据集为真实环境下的仪表图像,首先对输入的图像进行降维提取特征,然后反卷积重建图像前景,最后输出二值图。将设计的网络与传统的二值化方法进行对比,实验结果表明,经该网络训练得到的二值图数字清晰且无重影,且测得的交并比(IoU)平均值为95.12,与样本标签图像的相似度最高,能够有效解决复杂环境下有重影的仪表图像二值化问题。
-
关键词
高压计量仪表
二值化
光照不均
重影
深度学习
-
Keywords
high-voltage meter
binarization
uneven illumination
ghosting
deep learning
-
分类号
TN206
[电子电信—物理电子学]
-
