作者单位
摘要
湖北工业大学 机械工程学院,湖北 武汉 430068
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。
高压计量仪表 二值化 光照不均 重影 深度学习 high-voltage meter binarization uneven illumination ghosting deep learning 
应用光学
2020, 41(1): 74

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!