摘要：目前在阈值分割算法中，经典的OTSU算法计算效率高并且能获得自适应阈值，但实际图像由于光照不均、噪声等因素无法取得满意效果。本文考虑到人类视觉能够从复杂的图像中快速识别出目标这一特征，将视觉显著性应用到表面质量检测中，先利用残余谱显著性算法(SR)得到缺陷显著图，再用OTSU算法获取二值图。通过对比实验，效果好于直接利用OTSU算法得到的缺陷检测图。
关键词： 显著性；OTSU；图像处理；表面检测
0 引言
带钢表面缺陷检测在钢板质量管控中有非常重要的作用，视觉显著性算法能够有效提高带钢表面检测系统的计算速度，减少噪声等因素的影响。国内陈跃等人[1]提出了基于改进的Itti视觉注意机制的融合方法；徐帅华等人[2]采用小波分解、中央周边差操作相结合的显著图构建策略；丛家慧等人[3]通过构建 Gabor 滤波器得到多特征通道的特征图，归一化后得到显著图，应用胜者为王策略得到注意焦点。国外Itti等人[4]根据Koah和Ullman等在视觉注意理论方面的研究，提出了一种基于生物启发模型和特征整合理论的视觉显著性计算方法，之后众多学者基于该方法模型进行优化改进。本文采用HOU等人[5]提出的基于频域残余谱的视觉显著性检测算法，提取带钢表面缺陷的显著图，再用OTSU 算法进行检测，并通过实验对比，比较传统OTSU检测效果和本文方法的检测效果。
作者：朱 凯