共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
芯片表面缺陷会影响芯片的外观和性能,因此表面缺陷检测是芯片生产过程中的重要环节。具有缺陷与背景对比度低、缺陷较小等特点的弱缺陷给传统检测方法带来了挑战。因为近年来深度学习在机器视觉领域展现出了强大的能力,所以文中采用基于深度学习的方法来研究芯片表面弱缺陷的检测问题。该方法将芯片表面缺陷看作噪音,首先应用卷积去噪自编码器(Convolutional Denoising Auto-encoders,CDAE)重构无缺陷图像,然后用重构的无缺陷图像减去输入图像,获得包含缺陷信息的残差图。因为残差图中已经消除了背景的影响,所以最后可以基于残差图较容易地进行缺陷检测。由于基于CDAE重构芯片背景的无缺陷图像时存在随机噪音,导致弱缺陷可能会湮没在重构噪音中,为此,文中提出了重叠分块策略抑制重构噪音,以便更好地检测弱缺陷。因为CDAE是无监督学习网络,所以训练时无需进行大量的人工数据标注,这进一步增强了该方法的可应用性。通过对真实芯片表面数据进行测试,验证了所提方法在芯片表面检测上的有效性。 相似文献
3.
传统的小波收缩去噪算法采用单一的阈值,它没有考虑到小波系数的类聚性,图像中重要小波系数类聚的局部具有重要的奇异特性,应降低阈值以保留图像的边缘;反之含有不重要小波系数的局部应提高阈值以消除更多的噪声,因此该文提出了一种基于图像局域特性的小波收缩自适应阈值去噪算法,这种算法根据图像局部的奇异性大小,选择适当的阈值进行去噪。实验结果表明,相对于传统的单一阈值去噪算法来说,新的算法可使滤波后图像的峰值信噪比有所提高,在一定程度上克服了单一阈值去噪算法无法滤除高质量图像中噪声的缺陷。 相似文献
4.
两种小波阀值去噪算法的比较研究 总被引:2,自引:0,他引:2
传统的小波去噪算法是对含噪信号的正交小波分解系数硬取阀值或软取阀值(该文提出软取的阀值应大约为硬取阀值的一半),这种算法可能会使重构信号在奇异点邻域产生人为的振荡,即Gibbs现象。能有效消除或减弱振荡的一个有效方法是对含噪信号进行在某个范围内所有可能的循环平移(实际上反向平移小波),然后用阀值估计信号,并对逆平移后的估计取平均得到重构信号。该文研究了平均平移算法的实现及平移范围与去噪效果的关系。 相似文献
5.
6.
7.
一种具有自适应阈值的小波收缩去噪方法 总被引:2,自引:0,他引:2
小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。 相似文献
8.
一种基于小波变换的混合去噪方法 总被引:1,自引:0,他引:1
该文提出了一种基于小波变换的混合去噪方法。该方法通过对图像进行小波分解后,首先确定低分辨率的截断参数,对于大于此截断参数的小波系数,进行小波收缩处理;而对小于此截断参数的小波系数,进行异性扩散迭代去噪。实验结果表明,该算法具有两种方法集成优点的去噪效果,边缘也能较好地保持。 相似文献
9.
潘颖辉 《电脑编程技巧与维护》2016,(13)
受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法. 相似文献
10.
去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。 相似文献
11.
基于小波变换的图像去噪优化算法 总被引:4,自引:2,他引:4
提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。 相似文献
12.
13.
14.
在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值、软阈值、半软阈值以及已有的改进阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。通过Heavisine和Droppler信号的仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述几种去噪方法,具有较高的实用价值。 相似文献
15.
为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。 相似文献
16.
在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,该函数不仅易于计算,而且具有优越的数学特性和清晰的物理意义。实验结果表明,该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。 相似文献
17.
为了更好地恢复图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像去噪算法。该算法的思想是先构造一个用带有韦伯心理学的范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到还原图像。与传统的直接求泛函最小化的问题有区别,该算法是用变分的思想再结合小波变换进行图像去噪。小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得新算法具有运行时间短、速度快的特点。理论分析和实验仿真表明,该算法能达到比单一方法更好的恢复效果。 相似文献
18.
19.
20.
一种基于小波变换的红外图像去噪方法 总被引:4,自引:0,他引:4
提出一种基于小波变换的红外图像去噪方法。该方法针对红外图像的噪声分布特性,对红外图像中的乘性噪声进行对数变换,使乘性噪声变为加性噪声,并对变换后红外图像的小波变换系数进行阈值处理实现图像去噪。实验结果表明:此方法比传统的小波变换方法对噪声有更好的抑制作用。 相似文献