摘要
为了实现复杂背景中钢板表面图像缺陷的准确检测,采用连续均值量化变换(SMQT)对钢板表面图像进行增强处理.每个均值量化单元的计算由3步实现:计算各个像素灰度值的平均;采用均值量化方法将各个像素的类度值量化为0或1;将量化输出分解到2个节点中.实验表明:与传统图像增强方法相比,本方法可以显示出图像底层的结构特征,并能自动集中增强图像的细节信息,具有较好的增强性能.
为了实现复杂背景中钢板表面图像缺陷的准确检测,采用连续均值量化变换(SMQT)对钢板表面图像进行增强处理.每个均值量化单元的计算由3步实现:计算各个像素灰度值的平均;采用均值量化方法将各个像素的类度值量化为0或1;将量化输出分解到2个节点中.实验表明:与传统图像增强方法相比,本方法可以显示出图像底层的结构特征,并能自动集中增强图像的细节信息,具有较好的增强性能.
出处
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第S2期141-143,共3页
Journal of Huazhong University of Science and Technology(Natural Science Edition)
关键词
机器视觉
钢板表面缺陷
连续均值量化变换
图像增强
直方图均衡化
machine vision
steel surface defects
successive mean quantization transform(SMQT)
image enhancement
histogram equalization
