基于小波域维纳滤波的光纤面板暗影检测.pdf

《基于小波域维纳滤波的光纤面板暗影检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第5期2011年10月光学仪器OPTICALINSTRUMENTSV01．33，No．5October，2011文章编号：1005—5630(2011)05—0005—04基于小波域维纳滤波的光纤面板暗影检测*王明吉，吴云，付东华(东北石油大学电子科学学院，黑龙江大庆163318)摘要：通过分析光纤面板透光图像的噪声性质，提出在小波去噪的始末对图像取对数、指数变换，成功转换噪声模型，有效去除高斯及斑点噪声。并提出在小波域采用维纳滤波算法以增强去噪功能，实现更为有效地去除光纤面板透光图像中的噪声。最后对去噪图像进行暗影检测，实验结果表明，采用此算法进行去噪，检测出的暗影定位更加

2、精准，冗余信息大量减少，有效提高了图像分割质量。关键词：小波去噪；维纳滤波；暗影检测；噪声模型中图分类号：TN247文献标识码：Adoi：10．3969／j．issn．1005—5630．2011．05．002OpticalfiberpanelshadowdetectionbasedonwaveletdomainWienerfilteringWANGMingji，WUYun，FUDonghua(CollegeofElectromcScience，NortheastPetroleumUniversity，Daqing163318，China)Abstract：Byanalyzingth

3、enoisepropertiesofopticalfiberpanel(OFP)，amethodisproposedbyapplyinglogarithmandexponentinthebeginningandtheendofwaveletdenoisingMgofithm．Anefficientnoisetransformationmodelisobtained。andthisnewmodelcanrealizeremovingGaussianandspecklenoiseeffectively．Toenhancethedenoisingperformance，Wienerfilt

4、eringmethodisusedinthewaveletdomain，realizesremovingnoiseinimagemoreeffectively．Atlast，theshadowontheOFFisdetectedbyusingthedenoisedimage．Experimentalresultsshowthatthedetectedshadowcarlben'loreaccuracybyusingtheproposedmethodwithmuchredundancyinformationsavingandhigherimagesegmentationquality．

5、Keywords：waveletdenoising；Wienerfiltering；shadowdetection；noisemodel引言暗影是光纤面板在生产过程中产生的缺陷，其检测对于光纤面板的生产及应用具有重大意义。暗影的检测需要通过处理光纤面板的透光图像来实现。采集的光纤面板透光图像和采集过程在文献E1]中已经阐述。由于在采集过程中受到各种不可控因素的影响，使得透光图像中存在各种类型的噪声。因此，为实现暗影的精确检测，需首先对图像去噪。通过对图像噪声模型的分析，可确定在光纤面板透光图像中同时具有加性噪声和乘性噪声。另外，暗影目标本身也具有一定独特的性质，在去噪过程中需考虑噪’

6、收稿日期：2011-05-23基金项目：黑龙江省自然科学基金资助项目(41417837—8-09055)作者简介：王明吉(1963一)，男，吉林省扶余人，教授，硕士，主要从事光电检测及信息处理技术的研究。·6光学仪器第33卷声与暗影边缘之间的混淆。因此，确定一种精确有效、适合光纤面板透光图像的去噪方法尤为重要。1小波域维纳滤波1．1小波去噪分析小波去噪是由Mallat等最早提出的基于小波变换域的去噪方法[2]。传统去噪方法在降低噪声的同时会模糊图像的细节，基于小波变换的图像去噪方法能在降低图像噪声的同时较好地保持图像的细节，具有很强的识别能力[3]。另外，小波分析具有多分辨力即多尺度

7、的特点，可由粗至精地逐步观察信号，而且在时域和频域都具有表征信号局部特征的能力[4]。对于光纤面板透光图像来说，图像中不仅存在加性噪声，还存在着乘性噪声。高斯噪声是一种加性噪声，而斑点噪声是一种乘性噪声，其模型分别为：f(i，歹)一x(i，歹)+n(i，歹)(1)f(i，J)=x(i，_f)×n(i，．『)(2)式中，f(i，歹)为含噪声图像，x(i，歹)为无噪声图像，n(i，歹)为噪声^歹代表像素的空间位置，(i，歹)∈R2。由于小波分析去噪方法一般是针