引言

在工業(yè)制造和表面缺陷檢測領(lǐng)域，銅板作為重要材料，廣泛應(yīng)用于多個(gè)領(lǐng)域。隨著檢測技術(shù)的發(fā)展，利用機(jī)器視覺對(duì)銅板表面缺陷進(jìn)行檢測的應(yīng)用也在逐漸擴(kuò)大。然而，在實(shí)際應(yīng)用中，由于非均勻光照影響，銅板表面高光噪聲成為缺陷檢測的主要障礙之一[1]，并且銅板表面的圖像往往呈現(xiàn)出高反光、亮度失真等問題，從而顯著降低了圖像的質(zhì)量。

目前，針對(duì)光照不均勻的圖像增強(qiáng)主要分為基于空間域[2-4]和基于頻率域[5-7]兩大方面?；诳臻g域的圖像增強(qiáng)方法包括直方圖均衡化方法和Retinex方法等?；陬l率域的方法主要有：低通濾波、高通濾波、同態(tài)濾波等。直方圖均衡化[8]通過重新分布圖像的灰度級(jí)來增強(qiáng)對(duì)比度，它對(duì)整體圖像進(jìn)行處理。Retinex方法[9]受啟發(fā)于人眼對(duì)光照的適應(yīng)性，SSR和MSR是常見的Retinex變體。基于頻率域的圖像增強(qiáng)算法將圖像視為包含高頻和低頻復(fù)合信號(hào)[10]。傅里葉變換[11]是一種常見的方法，但此類算法通常在自適應(yīng)性方面較為有限。孫闊原等[12]采用最大類間方差法進(jìn)行值分割，結(jié)合形態(tài)學(xué)濾波及邊緣幾何特征對(duì)缺陷進(jìn)行定位檢測。王偉江等人[13]針對(duì)光照問題提出基于形態(tài)學(xué)熵圖像的光照歸一化算法，能有效增強(qiáng)光照不均圖像。王凡等人[14]利用多結(jié)構(gòu)形態(tài)學(xué)增強(qiáng)算法可以有效提取光照不均圖像中形狀較小的缺陷。劉志成等[15]提出了一種將Retinex理論與伽馬變換相結(jié)合的自適應(yīng)調(diào)整算法，可以保留更詳細(xì)的信息，但仍會(huì)存在亮度飽和效應(yīng)。湯子麟等人[16]構(gòu)造了一種自適應(yīng)伽馬矯正函數(shù)，可以兼顧圖像的全局特性和局部細(xì)節(jié)信息，但對(duì)強(qiáng)光部分處理效果較差。深度學(xué)習(xí)方法，如RetinexNet[17]和AM-RetinexNet [18]將Retinex與神經(jīng)網(wǎng)絡(luò)相結(jié)合，使用大量數(shù)據(jù)集訓(xùn)練校正模型，在圖像降噪和色彩視覺修正等方面表現(xiàn)較好，但對(duì)圖像中的反光區(qū)域優(yōu)化效果較差。

上述的研究對(duì)改善圖像質(zhì)量具有一定的效果，但還是存在一些不足之處，在優(yōu)化圖像的過程中，會(huì)影響圖像中的正常部分，從而失去圖像中的部分細(xì)節(jié)，且對(duì)反光部分優(yōu)化較差。針對(duì)這些問題，本文提出了一種非均勻光照?qǐng)鼍跋裸~板表面缺陷圖像的增強(qiáng)方法。

本文詳細(xì)內(nèi)容請(qǐng)下載：

http://theprogrammingfactory.com/resource/share/2000006149

作者信息：

楊凱鈞，陳逃

（昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650504）