基于小波变换的发动机表面缺陷图像去噪方法的研究

目的 滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法 首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果 所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论 所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。     

基于K-SVD算法的带钢表面缺陷图像去噪

目的有效滤除带钢表面缺陷图像高斯噪声。方法高斯噪声是影响带钢图像质量的主要噪声类型之一,针对带钢表面缺陷图像高斯噪声去噪,首先对传统K-SVD(K-means and singular value decomposition)算法中的字典进行升级改造,然后采用正交匹配追踪(OMP,Orthogonal Matching Pursuit)算法对图像进行重构,滤除噪声,最后运用此算法对缺陷图像进行高斯滤波处理。为验证该算法去噪效果,选取几种常见的典型缺陷图像(划伤、气泡、氧化色、粘结纹)进行测试仿真,并选用中值滤波、均值滤波、小波变换、维纳滤波、3维块匹配(BM3D)等多种传统滤波方法进行比较。结果该算法对四种典型缺陷去噪的PSNR(Peak Signal to Noise Ratio)值平均可达33.976 d B,MSE(Mean Square Error)平均值为27.607,SSIM(Structural Similarity)平均值为0.912。结论该算法对带钢表面缺陷重构图像的边缘细节清晰,PSNR、MSE、SSIM三个性能指标明显优于其他传统滤波算法,去噪效果良好。     

稀疏分解算法在薄膜缺陷去噪中的应用

目的实现锂电池薄膜表面缺陷特征的有效提取。方法采用稀疏分解算法实现表面去噪,即通过选取合适的原子函数,在过完备字典中对含有点噪声、高斯噪声、椒盐噪声和加乘噪声背景下的缺陷图像进行稀疏分解迭代,通过观察法得到终止迭代值作为经验值,并将该经验值用于特定噪声背景下的稀疏分解终止迭代条件,得到去噪后的缺陷图像。最后将该方法与中值滤波技术进行比较。结果稀疏分解的去噪性能远优于中值滤波,对锂电池薄膜缺陷有很好的还原性。结论稀疏分解算法能够较好地去除锂电池薄膜图像中的噪声,从而识别出锂电池薄膜缺陷。     

非下采样ContourIet变换在带钢表面缺陷图像去噪中的应用研究

目的 对带钢表面图像中的噪声进行有效滤除,以获取较清晰的带钢表面图像,为通过带钢表面图像检测带钢表面缺陷提供良好的源图.方法 利用非下采样Contourlet变换具有精细分解的特性,对获取到的带钢表面图像进行尺度分解,获取图像的高、低频系数.在最大后验概率框架的基础上,以噪声图像系数的方差为判断条件,构建了自适应去噪模型,对带钢图像进行前级去噪.为了进一步去除带钢表面图像中的噪声,利用非局部均值方法对前级去噪后的带钢表面图像进行处理,以达到对带钢表面图像中的噪声进行有效滤除.结果 仿真实验结果显示,与对照组方法相比,采用所设计方法去噪后的带钢表面图像不存在阶梯效应等不足,具有更高的峰值信噪比及结构相似度.结论 本文所提方法能有效去除带钢表面图像中夹杂的噪声,可获取较清晰的带钢表面图像.     

非下采样Contourlet变换在带钢表面缺陷图像去噪中的应用研究

目的对带钢表面图像中的噪声进行有效滤除,以获取较清晰的带钢表面图像,为通过带钢表面图像检测带钢表面缺陷提供良好的源图。方法利用非下采样Contourlet变换具有精细分解的特性,对获取到的带钢表面图像进行尺度分解,获取图像的高、低频系数。在最大后验概率框架的基础上,以噪声图像系数的方差为判断条件,构建了自适应去噪模型,对带钢图像进行前级去噪。为了进一步去除带钢表面图像中的噪声,利用非局部均值方法对前级去噪后的带钢表面图像进行处理,以达到对带钢表面图像中的噪声进行有效滤除。结果仿真实验结果显示,与对照组方法相比,采用所设计方法去噪后的带钢表面图像不存在阶梯效应等不足,具有更高的峰值信噪比及结构相似度。结论本文所提方法能有效去除带钢表面图像中夹杂的噪声,可获取较清晰的带钢表面图像。     

带钢缺陷检测系统中的噪声滤除方法研究

噪声去除是带钢缺陷自动检测系统的一个重要环节,传统的滤波方法在去噪的同时会造成边缘的模糊,影响检测及质量评价结果.为解决上述问题,文章提出一种基于邻域信息的非迭代、非线性倒数加权滤波方法-双倒数波方法,该方法同时结合邻域内像素的几何位置信息与灰度信息进行滤波,采用邻域内各像素与中心点之间的几何距离差倒数与灰度相似性倒数的乘积做为最终的权值.文中分别采用高斯滤波、各向异性扩散滤波及双倒数滤波三种方法对带钢表面缺陷进行处理,实验结果表明:双倒数滤波去噪和边缘保持效果明显优于其它两种滤波方法,可满足带钢缺陷检测系统在图像噪声去除同时保留重要的边缘细节信息的要求.     

自适应中值滤波在焊缝视觉跟踪中的应用

焊缝图像的滤波去噪是焊缝图像处理的第一步,也是实现焊缝视觉跟踪的一个重要环节.针对传统中值滤波存在的问题,分析了影响中值滤波效果的因素,引入并编程实现了焊缝图像的自适应中值滤波算法.与传统的滤波去噪效果相比,自适应中值滤波算法可以更为有效地去除焊缝图像中的噪声.特别是对于大噪声的焊缝图像,去噪效果远远好于传统的中值滤波...     

二维变分模态分解在轴承检修中的应用

应用2D-VMD算法对图像信号进行去噪，以提升图像质量。采用2D-VMD技术对含有噪声的轴承缺陷图像进行分解，将其分解为有限个固有模态函数（IMF）分量；利用模糊线性指数和标准差筛选各IMF分量，剔除噪声项，实现图像去噪。对比2D-VMD去噪算法和均值滤波、中值滤波的去噪效果，使用均方差和峰值信噪比对去噪后的图像进行客观评价。结果表明：使用2D-VMD算法去噪效果更好，去噪后的图像能保留更多有效信息、图像质量更好，能够满足铁路部门对轴承检修的需求。     

大型锻件尺寸测量CCD图像的去噪算法研究

大型锻件热态尺寸测量一直是技术难题,CCD测量能够实现在线远程测量,但测量过程中图像将不可避免地产生噪声。图像去噪是图像处理中的一个十分重要的问题,直接关系到最终的结果。该文利用数学形态学滤波原理,提出了一种多结构元素和中值滤波混合的去噪方法。试验表明,此方法对于大型锻件图像的噪声具有很好的滤除效果。     

小波降噪在射线图像处理中的应用

在数字射线成像检测过程中，噪声是影响射线图像中微细缺陷检测精度的一个重要因素。分析了射线图像中噪声产生的来源以及对图像质量的影响，通过几种去噪方法的比较，提出了小波去噪的方法。试验验证该方法不仅在去除射线图像噪声时效果显著，同时还能更好地保留图像中需检测的微细缺陷。     

一种改进全变差正则化的Shearlet 自适应带钢图像去噪算法

目的有效去除生产现场所采集的带钢图像上的混合噪声。方法结合Shearlet变换具有较好的稀疏表示图像特征的性质与全变分各向异性扩散的优点,提出一种带钢图像去噪新算法。对Shearlet变换分解后的图像进行硬阈值处理,再进行Shearlet变换重构形成估计图像,采用改进自适应的变差正则化的极小化迭代模型对估计图像进行迭代修正。结果去噪后的图像具有很好的视觉效果,避免了伪吉布斯效应的产生。在强噪水平下,对比新模型与小波去噪,PSNR提高了约9 d B,均方差降低了约319。结论该方法获得了较好的峰值信噪比增益,使信号幅度有较高的保真度,具有更好的平滑噪声和边缘保持功能。     

基于小波和形态学降噪的弧焊视觉图像模糊检测

焊接视觉图像检测是实现焊接过程自动控制的重要步骤.针对焊接图像噪声大、稳定性差的特点,提出了一种基于小波降噪和形态学模糊检测的算法.首先分别用小波变换和灰度形态学算法对焊接熔池图像进行降噪处理,然后将两者结果融合进行模糊处理,最后完成灰度形态学边缘检测.实验结果表明,此方法能够从含有较强噪声的弧焊视觉图像中获取清晰、准...     

阈值开关滤波器设计及其在图像去噪中的实现

结合均值滤波器和中值滤波器各自在图像去噪中的优点,借助阈值图像分割思想,提出一种阈值开关空域滤波器设计新思想.在该滤波器设计中,先求解模块中未被噪声污染的像素点占模板总像素数的比值,然后设置一个阈值并用该阈值将比值划分为不同的分段,最后对每个分段采用不同空域滤波算法.将本设计方法与标准中值滤波、算术均值滤波以及修正的阿尔法均值滤波器进行仿真分析.实验结果表明,这种设计方法在图像去噪与保留细节方面都有很好的效果,即使是高密度的噪声,采用较小窗口滤波,也能取得较好的除噪效果.     

一种非线性扩散与图像差分的金属表面缺陷检测方法

目的为检测金属产品表面缺陷提供一种有效的方法,希望可以对金属产品表面质量进行监控。方法首先,引入自适应中值滤波方法对原始图像中的噪声进行滤除,以提高金属表面缺陷的检测正确度。然后,利用图像梯度的倒数对传统的P-M非线性扩散模型中的扩散因子进行改进,使得金属表面图像中梯度值较大的区域得以平滑,同时保持其他区域的平滑度不变。将金属表面的原始图像与经过非线性扩散后的图像进行图像差分运算,以消除光照度对金属表面图像的影响,获取均匀背景的金属表面图像,使得缺陷区与非缺陷区的对比度得以增强。最后,通过差分图像中图像块的标准差构造自适应二值化模型,对差分图像进行二值化,以提取金属表面的缺陷区域,实现对金属表面缺陷的准确检测。结果通过对具有划痕、裂纹、缺口以及锈斑缺陷的图像进行检测表明,该方法能够对金属表面缺陷进行准确的检测。结论所设计的方法能对金属表面缺陷进行检测,并且检测精度也优于当前其他金属表面缺陷检测方法。     

焊缝超声TOFD检测信号及图像降噪技术研究

超声TOFD检测信号中混入的无关噪声常导致从检测图像中难以分辨缺陷特征。本研究通过小波包分解技术分析缺陷衍射波特征信号的时、频域分布特征,采用小波包统一阈值对超声TOFD检测信号进行降噪处理,对比软、硬阈值函数对检测信号的降噪结果。研究结果表明:采用软、硬阈值对长度10 mm、深度5 mm的裂纹缺陷信号降噪,其信噪比由原始的22.88 dB分别提高至186.66、176.65 dB,对长度28 mm、深度8 mm的夹杂缺陷信号降噪,其信噪比由原始的16.62 dB分别提高至33.74、28.16 dB;基于小波包软、硬阈值去噪后信号进行图像重构可有效抑制干扰条纹并提高缺陷特征图像的分辨力,而采用软阈值法几乎完全去除了原始超声TOFD检测图像中的噪声条纹。