视觉检测中的光照强度优化研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (17): 178-182.

• 图形、图像、模式识别 • 上一篇下一篇

视觉检测中的光照强度优化研究

于丽杰1，2，李德胜2，董南萍1

1.北京联合大学自动化学院，北京 100101
2.北京工业大学机电技术研究所，北京 100022

出版日期:2012-06-11 发布日期:2012-06-20

Research on lighting intensity optimum in vision inspection system

YU Lijie1，2, LI Desheng2, DONG Nanping1

1.College of Automation, Beijing Union University, Beijing 100101, China
2.Mechanical and Electronic Technology Research Centre, Beijing University of Technology, Beijing 100022, China

Online:2012-06-11 Published:2012-06-20

摘要/Abstract

摘要： 为了实现自适应控制光照强度，保障视觉检测系统获得高质量原始图像，研究了彩色图像成像感知模型，建立了图像灰度值与光源光照强度的关系，提出基于HIS彩色空间，单独使用I分量进行光照强度评价，给出了基于数字图像的清晰度和高频信息的光照强度评价函数，并设计了光照强度调控实验系统，通过实验分析了不同测度函数对光照强度变化的评价结果，取得了与人类主观评价一致的结果。实验结果表明，通过提出的方法控制光源强度，可以使视觉系统获得高质量的原始图像，保证检测的质量和精度。

关键词: 视觉检测, 成像模型, 照度优化, 图像质量

Abstract: In order to achieve adaptive control of lighting intensity and ensure capture high-quality original images in the active vision inspection system, the paper studies the model of color image perceiving, and establishes the relationship between the image gray value and light distribution of the light source, proposes a method by means of I component based on the HIS color space to evaluate the lighting intensity, and the illumination evaluation functions based on definition and high frequency of image are presented. An illumination adjustment system is developed and realized to test and solve above issues. Experimental results show that the correct illumination configurations are especially important for image quality, and the evaluation results by means of different evaluation function are identical with the results of human subjective evaluation, thereby adjusting intensity of light can ensure capture high-quality original images and the measuring accuracy can be satisfied.

Key words: vision inspection, imaging model, illumination optimization, image quality

于丽杰1，2，李德胜2，董南萍1. 视觉检测中的光照强度优化研究[J]. 计算机工程与应用, 2012, 48(17): 178-182.

YU Lijie1，2, LI Desheng2, DONG Nanping1. Research on lighting intensity optimum in vision inspection system[J]. Computer Engineering and Applications, 2012, 48(17): 178-182.

[1]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[2]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[3]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[4]	韩东旭，钟宝江. 基于MOS的图像质量评估系统[J]. 计算机工程与应用, 2020, 56(22): 191-198.
[5]	程晓梅，沈远彤. 双目标的CNN无参考图像质量评价方法[J]. 计算机工程与应用, 2019, 55(9): 26-32.
[6]	房楚尧，周知，赵家培，冯宇迪. 基于再模糊理论的航拍图像质量检测方法[J]. 计算机工程与应用, 2019, 55(7): 199-206.
[7]	张凯兵，朱丹妮，王珍，闫亚娣. 超分辨图像质量评价综述[J]. 计算机工程与应用, 2019, 55(4): 31-40.
[8]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[9]	杨璐1，2，3，王辉1，2，魏敏3. 基于机器学习的无参考图像质量评价综述[J]. 计算机工程与应用, 2018, 54(19): 34-42.
[10]	李云红，王珍，张凯兵，章为川，闫亚娣. 基于学习的图像超分辨重建方法综述[J]. 计算机工程与应用, 2018, 54(15): 13-21.
[11]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.
[12]	吕风杰，信科. 基于小波域峰态值的无参考噪声图像评价算法[J]. 计算机工程与应用, 2017, 53(7): 202-205.
[13]	刘建磊. 全局平滑和边缘保持的单幅图像去雾[J]. 计算机工程与应用, 2017, 53(23): 165-170.
[14]	于康龙1，秦卫城1，杨进1，许若飞2. 超分辨重建图像质量评价算法[J]. 计算机工程与应用, 2017, 53(2): 201-205.
[15]	张胜男，苑玮琦. 圆阵列平面靶标特征点的自动标记[J]. 计算机工程与应用, 2016, 52(5): 169-172.

视觉检测中的光照强度优化研究

Research on lighting intensity optimum in vision inspection system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics