利用共生矩阵能量变化在医疗与检测系统中进行表面异常检测
计算机视觉与模式识别
2022-10-17 v1
摘要
表面缺陷检测是图像处理与机器视觉领域最重要的问题之一。本文提出一种基于共生矩阵中能量变化的表面缺陷检测方法。该方法由训练与测试两个阶段组成。在训练阶段，首先对健康图像施加共生矩阵算子，然后计算输出能量值。随后，根据能量值的变化定义合适的特征向量，并借助它获得用于图像健康的合适阈值。接着，在测试阶段，借助计算得到的阈值，将缺陷部分与健康部分区分开。在结果部分，上述方法已应用于石材与陶瓷图像，其检测精度经计算并与若干先前方法比较。所提方法的优势包括高精度、低计算量以及因采用训练阶段而兼容所有类型的层级。该方案可用于医疗应用以检测如疾病等异常。因此，在 2d-hela 数据集上评估了性能以对细胞表型进行分类。所提方法在 2d-hela 上提供了约 89.56% 的准确率。
引用
@article{arxiv.2210.07812,
title = {Surface abnormality detection in medical and inspection systems using energy variations in co-occurrence matrixes},
author = {Nandara K. Krishnand and Akshakhi Kumar Pritoonka and Faeze Kiani},
journal= {arXiv preprint arXiv:2210.07812},
year = {2022}
}