快速单曝光高动态范围高反光金属表面缺陷辨识算法研究

摘要

基于细节增强手段以及循环一致性生成对抗网络（CycleGAN）提出了一种快速单曝光高动态范围（HDR）的高反光金属表面缺陷辨识算法。将输入的低动态范围图像转换为HSV颜色空间，经导向滤波处理后得到亮度层和细节层;利用CycleGAN网络对这些层的动态范围分别进行扩展，并将扩展动态范围后的亮度层和细节层进行加权融合，经过滤波去噪后得到利于缺陷辨识的HDR图像;通过阈值分割、特征筛选、形态学处理等手段对HDR图像进行缺陷辨识。将该单曝光算法与经典的3种单曝光算法和1种多曝光算法进行实验对比分析，用峰值信噪比、图像熵、处理时间、灰度直方图、辨识结果5项指标综合评价实验结果。结果表明，该算法相较于其他3种单曝光算法能更好地解决过曝光问题，接近多曝光算法水平，且算法处理时间更短，能满足在线检测的需求，同时该算法挖掘图像细节信息的能力优于其他算法，辨识准确度更高。

关键词

高反光金属 / 单曝光高动态范围成像 / 细节增强 / 循环一致性生成对抗网络

基金资助

宁波市重大科技任务攻关项目（2022Z055）