基于AMEF-AGC的面膜缺陷图像增强算法的研究
Yingda Dong1,2, Anning Ding1,2, Qing Li1,2
1College of Material Science and Art Design, Inner Mongolia Agricultural University, Hohhot, 010018, China.
Scientific reports
|November 11, 2024
概括
一种新方法通过提高清晰度和减少模糊度来增强层缺陷图像. 这种技术提高了视觉质量,使木材缺陷如结节和裂更加明显.
科学领域:
- 木材科学 木材科学 木材科学
- 图像处理 图像处理
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 膜缺陷图像采集通常会导致边缘模糊,对比度低,扭曲.
- 这些问题阻碍了对缺陷的清晰可视化和分析,例如节点和裂.
研究的目的:
- 为了提高片缺陷图像的清晰度和可分析性.
- 提高图像的视觉质量,以便更好地检测缺陷.
主要方法:
- 开发了一种结合自适应多曝光融合 (AMEF) 和自动增益控制 (AGC) 的新增增强方法.
- 技术包括马校正,使用高斯和拉普拉斯金字塔的多尺度融合,以及HSV颜色空间操纵以调整对比度和亮度.
主要成果:
- 与现有算法相比,拟议的AMEF-AGC方法显著提高了图像质量.
- 在峰值信号与噪声比率 (PSNR) 和结构相似度指数 (SSIM) 中分别实现了6.93%和5.4%的改进.
- 有效地增强了图像的模糊和扭曲的边缘,澄清了缺陷细节.
结论:
- 该AMEF-AGC方法提供了有效的增强面板缺陷图像.
- 这种方法可以提高图像清晰度,视觉质量以及木材缺陷的可见性.
- 这种技术有助于更准确地识别和分析木材材料的缺陷.


