结合非局部相似性的foveated选票缺陷检测

摘要：

针对传统选票缺陷检测过程中图像配准的计算复杂度高、过程繁琐、对图案细节变化的鲁棒性差等问题,提出了一种避免图像配准、基于Patch相似性度量的foveated NL-means缺陷检测算法.该算法是对传统window NL-means缺陷检测算法的改进,通过构建非局部相似模型,利用Patch权重和相似性关联对缺陷图像进行重构,无法重构的部分即为缺陷区域.通过foveated NL-means算法和window NL-means算法的实验对比表明,前者对缺陷区域的检测效果更加显著;其次这两种缺陷检测算法AUC分别为:0.9235和0.8638(小于0.9235),数值积分表明前者对缺陷区域的预测更加精确,缺陷的分类性能更高;最后通过计算这两种算法的平均时间开销,可知foveated NL-means算法的时间效率相较于window NL-means算法平均提升了11.6971 s,因此能够高效的完成缺陷检测任务.

关键词：选票缺陷检测、非局部相似模型、Patch权重、window NL-means算法、foveated NL-means算法、图像重构、受试者工作特征曲线、ROC曲线下的面积

所属期刊栏目：40

分类号：TN911.73

资助基金：四川省科技计划项目2018GZ0545

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：220-225