低对比度下的智能电表液晶屏外观检测研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 247-251.

低对比度下的智能电表液晶屏外观检测研究

谢钢，林茂松，代彦辉

西南科技大学信息工程学院，四川绵阳 621010

出版日期:2014-01-15 发布日期:2014-01-26

Research on LCD screen appearance detection of smart meter in low-contrast

XIE Gang, LIN Maosong, DAI Yanhui

School of Information Engineering, Southwest University of Science and Technology, Mianyang, Sichuan 621010, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 为了解决智能电表（Smart Meter）自动化检测系统中的关键技术问题，提出了在低对比度环境下智能电表液晶屏外观质量检测的处理方法。实现液晶屏区域的准确分割；采用基于小波变换的图像增强算法在低对比度环境下突出液晶屏上的字符信息；利用形态学梯度对字符信息进行重构，最终实现对液晶屏的外观质量检测。实验结果表明，该处理方法能够有效地解决低对比度环境下的智能电表液晶屏外观质量检测问题，检测可靠性高，具有较高工程应用价值。

关键词: 图像分割, 图像增强, 形态学梯度, 外观检测

Abstract: In order to solve the key technical problem in the smart meter automatic detection system, the smart meter LCD screen appearance quality detection approach in the low-contrast environment is proposed. It achieves accurate segmentation of the LCD screen area, enhances the character information of LCD screen based on wavelet transform in the low-contrast environment, reconstructs the character information with morphological gradient, and finally fulfills the LCD screen appearance quality detection. The experimental results show that such treatment is an effective solution to the smart meter LCD screen appearance quality detection in low-contrast environment with high detection reliability, so it has a high engineering applications value.

Key words: image segmentation, image enhancement, morphological gradient, appearance detection

谢钢，林茂松，代彦辉. 低对比度下的智能电表液晶屏外观检测研究[J]. 计算机工程与应用, 2014, 50(2): 247-251.

XIE Gang, LIN Maosong, DAI Yanhui. Research on LCD screen appearance detection of smart meter in low-contrast[J]. Computer Engineering and Applications, 2014, 50(2): 247-251.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[8]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[9]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[12]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[13]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[14]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[15]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.