（计算机软件与理论专业论文）基于机器视觉的黑片缺陷检测图像预处理技术的研究.pdf

l 一 奄 ， 气 分类号：t p 3 9 1 udc ：0 0 4 密级： 编号： 工学硕士学位论文 基于机器视觉的黑片缺陷检测图像预处理技 术的研究 硕士研究生：李兵 指导教师：王琰教授 学位级别：工学硕士 学科、专业：计算机软件与理论 所在单位：信息科学与工程学院 论文提交日期：2 0 0 9 年1 2 月3 0 日 论文答辩日期：2 0 1 0 年3 月2 2 日 学位授予单位：沈阳理工大学 _ i at h e s i sf o rt h em a s t e rd e g r e eo fe n g i n e e r i n g i m a g ep r e p r o c e s s i n gr e s e a r c h o fs i l i c o ns t e e l d e f e c t d e t e c t i o nb a s e do nm a c h i n ev i s i o n c a n d i d a t e ：l ib i n g s u p e r v i s o r ：p r o f w a n gy a n a c a d e m i cd e g r e ea p p l i e df o r ：m a s t e ro fe n g i n e e r i n g s p e c i a l i t y ：c o m p u t e rs o f t w a r ea n dt h e o r y d a t eo fs u b m i s s i o n ：d e c e m b e r ，2 0 0 9 d a t eo fe x a r n i n a t i o n ：m a r c h ，2 010 u n i v e r s i t y ：s h e n y a n gl i g o n gu n i v e r s i t y 一 目厶皆乏匆。形 ， 目勘皆f 由口产7 0 。 现t ：毒霭嘶台t 影：专蓊柒勤 。 口茸歌华嘉翕刨 口 晕群琶擅骂千斟 四茸歌千照 口 茸砚千斟：瑶椠茸祺 _ 飞而1 矿：刨轴环南 1 r f 西瓣矿。罂黝环南 ，辫阜矽婀泌锄百雨再矿易爵可覃丌獗配砑磊面唾可。目鳍莓观 。胜砰朝茸歌擎髯鞘颧融嚣翠禺哿y 章轴刨( 参群 上封粝豳冒骂鹏暂翳卫士割业目辨耳) 暂列冒粤身桑萁犁 i 群磉茸弓茸识码亲国牟睡誊劲茸承觋杂y 章徘抬延抱冒髫半辑 嘉性圄士砰群磁茸拱毋龄非椠茸识四杀y 章我戥* 跸朝日班 瞠明目橇蕈髯拦犁群骠茸弓茸砚再杂圄出捌上弓罩y 章 。暂丑朝劐哿辫茸滑替羔蚺缨飓半辑髻国椠 嬖西冒再责群劲茸识舀杂明车歌髦目吾骅碑暂础唑延抱冒粤 辑性珊号将明髫覃僻辑性髫国署增延抱冒掣半辑杀性国审 纬碑群明革礤斟毒 睦1 “ 一 。一礓 t ：；i j 一 沈阳理工大学 硕士学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者 本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出， 并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任 何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要 贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本 声明的法律结果由本人承担。 作者( 签字) ：香舌 日期：丛彤9 年多月媚 学位论文版权使用授权书 本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文 的规定，即：沈阳理工大学有权保留并向国家有关部门或机构送交学 位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权沈阳理工 大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可 以采用影印、缩印或其它复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：备。指导教师签名： 日期：抄口易、烤日期： ， 沈阳理工大学硕士学位论文 摘要 黑片作为工业应用中重要的元器件，如何降低其产品质量检测的费用，提高 检测效率，成为黑片缺陷检测的重要内容。然而黑片图像在采集和传输等过程中 不可避免会受到各种噪声的干扰，为缺陷检测带来了很大不便，因此在对黑片图 像进行操作之前，很有必要对图像进行去噪预处理。图像噪声有很多种，主要表 现为脉冲噪声和高斯噪声。边缘保持滤波对去除脉冲噪声有较好的效果，小波变 换作为一种强有力的数学分析工具，近年来在图像去噪领域得到了广泛应用，实 现了很多基于小波变换的图像去噪算法，对高斯噪声有较好的去噪效果。 本文对图像中最常见的脉冲噪声、高斯噪声的滤除进行了比较深入的研究， 研究工作主要包括以下三个方面的内容： 首先，空间域图像去噪方法研究。在空间域，本文分析了传统的空间域经典 去噪算法：均值滤波，中值滤波和边缘保持滤波，并针对它们的缺点，实现了一 种新的自适应边缘保持滤波算法。通过仿真实验可以看出，本文改进算法在去除 脉冲噪声方面取得了较好的效果。并且把该算法应用于黑片图像上，也取得了不 错的效果：与经典空间域去噪算法相比，均方差至少降低了o 5 ，而信噪比至少提 高了1 5 。 其次，小波变换域去噪方法研究。本文分析了三类基于小波变换的去噪方法： 模极大值法、空域相关性法和阈值收缩法。并以阈值去噪法为研究重点，实现了 一种改进的多阈值小波去噪方法和多尺度多阈值小波去噪方法。通过仿真实验得 出结论，改进的多阈值小波去噪方法优于传统的软硬阈值去噪算法，多尺度多阈 值小波去噪方法优于m t s 算法。通过在黑片图像上的应用，也取得了不错的效 果：j = 3 时，与硬阈值m t s 算法相比，均方差降低了近4 5 ，信噪比提高了近1 0 5 ； 与软阈值m t s 算法相比，均方差降低了近2 0 ，信噪比提高了近6 5 。 最后，在空间域滤波方法和小波变换域去噪方法的基础上，针对含噪图像一 般含有不止一种噪声的现象，主要表现为脉冲噪声和高斯白噪声的混合噪声，本 沈阳理工大学硕士学位论文 文给出了边缘保持滤波算法和小波阈值去噪方法相结合的图像去噪算法。通过仿 真实验可以看出，对于被高斯和脉冲混合噪声污染的图像，该算法的去噪效果显 然比单一的边缘保持滤波算法和单一的多尺度多阈值小波去噪法好得多。并把结 合算法应用于黑片图像，也取得了较好的效果：与单一的边缘保持滤波算法相比， 均方差降低了近1 3 2 ，信噪比提高了近5 2 ；与单一的多尺度多阈值小波去噪法相 比，均方差降低了近1 1 7 ，信噪比提高了近5 6 。 关键词：图像去噪，自适应边缘保持滤波，多尺度多阈值去噪，混合噪声 沈阳理工大学硕士学位论文 a b s t r a c t a sa ni m p o r t a n te l e m e n ti ni n d u s t r i a la p p l i c a t i o n s ，s i l i c o ns t e e lb e c o m e sv e r y i m p o r t a n tt h a th o wt or e d u c ei t s c o s to fq u a l i t yt e s t i n g ，t oi m p r o v ee f f i c i e n c yo f d e t e c t i o n b u tt h ei m a g ew i l li n e v i t a b l yb ed i s t u r b e db yav a r i e t yo fn o i s ed u r i n gi m a g e a c q u i s i t i o n ，i m a g et r a n s m i s s i o na n do t h e rp r o c e s s i n g i ti sd i f f i c u l tf o rt h ei m a g et o d e t e c td e f e c t s oi no r d e rt om a k ei m a g ep r o c e s s i n g ，i ti sc r u c i a lt of i r s t l yf i l t e rn o i s eo f t h ei m a g e t h e r ea r eav a r i e t yo fi m a g en o i s e ，m a i n l yt h ei m p u l s i o nn o i s ea n d g a u s s i a nn o i s e e d g e - p r e s e r v i n gf i l t e r i n gh a sag o o de f f e c tf o rs m o o t h i n gi m p u l s i o n n o i s e i nr e c e n ty e a r s ，a sap o w e r f u lt o o lf o rm a t h e m a t i c a la n a l y s i s ，w a v e l e tt r a n s f o r m i sw i d e l yu s e di nt h ef i e l do fi m a g ed e n o i s i n g m a n ya l g o r i t h m so fi m a g ed e - n o i s i n g b a s e do nw a v e l e tt r a n s f c i r n la r em a d et of i l t e rg a u s s i a nn o i s eb e t t e r i nt h i sp a p e rw ed e e p l yw o r ko v e rf i l t e r i n go ft h em o s tc o m m o ni m p u l s en o i s e a n do a u s s i a nn o i s ei nt h ei m a g e r e s e a r c hm a i n l yi n c l u d e st h ef o l l o w i n gt h r e ea s p e c t s ： f i r s t l y , i m a g ed e - n o i s i n gm e t h o d si nt h es p a c ed o m a i n i nt h es p a c ed o m a i n ，f o r t h es h o r t c o m i n g so ft r a d i t i o n a la n dc l a s s i c a ld e n o i s i n ga l g o r i t h m s ：m e a nf i l t e r i n g ， m e d i a nf i l t e r i n ga n de d g e - p r e s e r v i n gf i l t e r i n g ，i nt h i sp a p e rw ep r o p o s ean e wa d a p t i v e e d g e - p r e s e r v i n gf i l t e r i n ga l g o r i t h m t h es i m u l a t i o nr e s u l t st e l l t h a tt h ei m p r o v e d a l g o r i t h mc a ne f f e c t i v e l ys m o o t hi m p u l s i o nn o i s e a n dt h ea l g o r i t h ma l s oa c h i e v e s g o o dr e s u l t sw h e ni t i s a p p l i e dt ot h ei m a g eo fs i l i c o ns t e e l ：c o m p a r e dw i t l lt h e c l a s s i c a ls p a t i a ld o m a i nd e - n o i s i n ga l g o r i t h m ，m s er e d u c eb ya tl e a s t0 5 ，a n ds n r r i s eb ya tl e a s t1 5 s e c o n d l y , i m a g ed e - n o i s i n gm e t h o d si nt h ew a v e l e tt r a n s f o r md o m a i n t h i sp a p e r a n a l y s e st h r e ew a v e l e td e - n o i s i n gm e t h o d s ：t h em o d u l u sm a x i m u md e - n o i s i n gm e t h o d ， t h ed e - n o i s i n gm e t h o do fs p a t i a lc o r r e l a t i o na n dt h et h r e s h o l ds h r i n k a g ed e n o i s i n g m e t h o d f o rs h r i n k a g et h r e s h o l dd e - n o i s i n gm e t h o d ，t h i sp a p e rp r o p o s e sa l li m p r o v e d m u l t i - t h r e s h o l dw a v e l e td e - n o i s i n gm e t h o d ，a n dam u l t i - s c a l ea n dm u l t i - t h r e s h o l d 沈阳理工大学硕士学位论文 w a v e l e td e n o i s i n gm e t h o d t h r o u g hs i m u l a t i o ne x p e r i m e n t s ，i tc a l lc o n c l u d e st h a tt h e i m p r o v e dm u l t i - t h r e s h o l dw a v e l e td e - n o i s i n gm e t h o di sb e t t e rt h a nt h et r a d i t i o n a lh a r d a n ds o f tt h r e s h o l d d e - n o i s i n ga l g o r i t h m ，m u l t i - s c a l ea n dm u l t i - t h r e s h o l dw a v e l e t d e - n o i s i n gm e t h o di sb e t t e rt h a nm t sa l g o r i t h m t h r o u g ht h ea p p l i c a t i o no fs i l i c o n s t e e li m a g e ，i ta l s oa c h i e v e sg o o dr e s u l t s ：w h e nj = 3 ，t h eh a r dt h r e s h o l dm t s a l g o r i t h m ，m s er e d u c e sb yn e a r l y4 5 ，s n ri n c r e a s e sb yn e a r l y1 0 5 ；a n dt h e s o f t - t h r e s h o l dm t sa l g o r i t h m ，m s er e d u c e sb yn e a r l y2 0 ，s n ri n c r e a s e sn e a r l y6 5 l a s t ，b a s e do nf i l t e r i n gm e t h o do ft h es p a c ed o m a i na n dd e n o i s i n gm e t h o do f w a v e l e tt r a n s f o r md o m a i n ，f o rt h en o i s yi m a g eg e n e r a l l yc o n t a i n i n gm o r et h a no n e n o i s e ，t h i sp a p e rg i v e sac o m b i n a t i o no fi m a g ed e n o i s i n ga l g o r i t h mo ft h e e d g e - p r e s e r v i n gf i l t e r i n ga n dw a v e l at h r e s h o l dd e - n o i s i n g f o rt h ep o l l u t e di m a g e m i x e dg a u s s i a nn o i s ea n di m p u l s en o i s e ，t h es i m u l a t i o nr e s u l t st e l lt h a td e n o i s i n g e f f e c to ft h ec o m b i n i n ga l g o r i t h mi sc l e a r l ym u c hb e t t e rt h a nas i n g l ee d g e - p r e s e r v i n g f i l t e r i n ga n das i n g l em u l t i s c a l e sa n dm u l t i - t h r e s h o l dw a v e l e td e n o i s i n gm e t h o d t h e a l g o r i t h ma l s oa c h i e v e sg o o dr e s u l t s f o r t h e a p p l i c a t i o no f s i l i c o ns t e e l i m a g e ： c o m p a r e d 嘶t l las i n g l ee d g e p r e s e r v i n gf i l t e r i n ga l g o r i t h m ，m s er e d u c e sb yn e a r l y 1 3 2 ，s n ri n c r e a s e sb yn e a r l y5 2 ；c o m p a r e d 埘mas i n g l em u l t i - s c a l ea n d m u l t i - t h r e s h o l dw a v e l e td e n o i s i n gm e t h o d ，m s er e d u c e sb yn e a r l y11 7 ，s n r i n c r e a s e sn e a r l y5 6 k e y w o r d s ：i m a g e d e - n o i s i n g ，e d g e - p r e s e r v i n gf i l t e r i n g ， m u l t i - s c a l e sa n d m u l t i - t h r e s h o l dw a v e l e td e n o i s i n g ，m i x t u r en o i s e 目录 目录 第1 章绪论1 1 1 课题研究背景及意义1 1 1 1 课题研究背景1 1 1 2 本课题研究的意义3 1 2 图像去噪技术的现状及发展4 1 3 图像去噪评价方法6 1 4 本课题的工作内容及结构安排7 第2 章边缘保持滤波算法9 2 1 经典的空域滤波算法9 2 1 1 均值滤波9 2 1 2 中值滤波1 0 2 2 边缘保持去噪算法1 1 2 3 一种改进的自适应边缘保持滤波算法1 2 2 3 1 区域灰度方差1 2 2 3 2 算法的基本原理1 2 2 3 3 算法的模板设计1 3 2 3 4 算法实现步骤1 4 2 3 5 使用门限加速1 5 2 3 6 仿真实验与结果分析1 5 2 4 边缘保持滤波在工业黑片上的应用1 7 2 5 本章小结1 8 第3 章小波变换的基本理论2 0 3 1 小波分析的背景和发展2 0 3 2 小波变换基本理论2 2 3 2 1 连续小波变换2 2 沈阳理工大学硕士学位论文 3 2 2 离散小波变换2 5 3 2 3 多分辨分析2 7 3 3 二维图像的小波变换2 8 3 4 本章小结2 9 第4 章基于小波变换的图像去噪方法3 0 4 1 基于小波变换图像去噪问题的描述3 0 3 0 3 2 3 2 3 3 3 4 3 6 3 7 3 8 3 8 4 1 4 1 4 3 4 4 的应用4 6 4 8 图像去噪算法研究4 9 4 9 5 0 5 0 5 2 5 3 5 5 5 7 6 1 6 2 第1 章绪论 第1 章绪论 1 1 课题研究背景及意义 1 1 1 课题研究背景 国外学者曾做过统计，人类从外部环境获取的信息有8 0 以上是来自于视觉 的。从狭义上来说，视觉是对光信号的感知过程，广义上的视觉不仅包括对光 信号的感知，还包括对外部环境信息的获取、传输、处理、存储与理解。随着社 会的发展，科技的进步，近年来人们试图利用各种摄像设备从外部环境中获取图 像，然后将其转换成数字信号，最后再利用计算机技术和数字信号处理技术对视 觉信息进行处理。通过对这一全过程的研究，形成了一门全新的学科一计算机视 觉，也称为机器视觉。计算机视觉的研究目标是从图像或图像序列中获取对外部 世界的认知和理解噜，即利用二维图像恢复三维环境中物体的几何信息，比如形 状、位置、姿态、运动等，并能描述、识别与理解。 计算机视觉的核心是数字电子计算机，到目前为止，计算机的发展可谓突飞 猛进，在计算能力和存储能力上，人脑已经无法与之相比。人们的目标就是利用 计算机非凡的计算处理能力来代替人脑实现对图像的理解，而计算机日新月异的 发展也使得这一愿望越来越成为可能。 计算机视觉应用的理论方法主要基于几何、概率和运动学计算与三维重构的 视觉计算理论，与计算机视觉相关的主要学科有数学、图像处理、计算机图形学、 模式识别、人工智能、人工神经网络和神经生理学等。在2 0 世纪7 0 年代，视觉 研究大多采用模式识别的方法；8 0 年代，开始采用空间几何的方法以及物理知识 进行视觉研究；9 0 年代以后，随着智能机器人视觉研究的发展，引入了许多新的 理论与技术如主动视觉理论、不变量理论、融合技术等，并应用于许多计算机视 觉系统中。 作为人类视觉的基础，图像不仅是对自然景物的客观反映，而且是人类认识 世界进而认识人类本身的重要信息来源。随着信息高速公路、数字地球概念的提 沈阳理工大学硕士学位论文 出以及i n t e r n e t 的广泛应用，信息传输中的非话业务也会急剧地增长，从而导致 具有信息量大、传输速度快、作用距离远等一系列优点的图像成为人类获取信息 及利用信息的主要来源和重要手段。 数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 亦称计算机图像处理，是指将图像 信号转换成数字格式并利用计算机进行处理的过程口，。数字图像处理技术最早出 现于2 0 世纪5 0 年代，当时数字计算机已经发展到一定水平，人们开始借助计算 机进行图像信息处理。数字图像处理作为一门学科大约形成于2 0 世纪6 0 年 代初期，早期的图像处理的目的是改善图像的质量，它以人为对象，以改善 人的视觉效果为目的。首次获得实际成功应用的是1 9 6 4 年美国喷气推进实验 室( j e tp r o p u l s i o nl a b o r a t o r y ) 利用计算机对太空飞船发回的月球图像信息进行处 理，收到明显效果。此后不久，一门从信息处理、自动控制、计算机科学、数 据通信、电视技术等学科中脱颖而出的称为“数字图像处理 的新学科便孕育而 生，成为专门研究图像信息的崭新学科n ，。数字图像处理己经成为- n 新兴的学 科，并正向更高级的方向发展。 数字图像处理目前己经在社会许多领域得到了广泛的应用，如工业、农业、 军事国防、银行、航空航天、生物医学、通信邮电等等。随着2 1 世纪信息化时代 的到来，人们获取图像形式的信息会越来越多。近年来，随着计算机技术及其相 关领域研究的迅速发展，以及科学计算可视化、多媒体等技术研究和应用的兴起， 数字图像处理已经从一个专门领域的学科，变成了一种新兴的用来进行科学研究 的工具，进而导致数字图像处理技术的迅速发展。一般而言，对数字图像进行处 理主要有如下三方面的目的：一、提高图像的视感质量，以达到赏心悦目的目的。 如去除图像中的噪声，增强图像中人们感兴趣的某些成份、抑制其他成份，对图 像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩 丰富的、或意想不到的艺术效果；二、提取图像中所包含的某些特征或特殊信息， 以便于计算机分析，例如，常用作模式识别、计算机视觉的预处理等：三、对图 像数据进行变换、编码和压缩，以便于图像的存储和传输。 “噪声 可以理解为妨碍人的视觉器官或系统传感器对所接收信源信息进 行理解或分析的各种因素。而噪声在理论上可以定义为“不可预测，只能用概 率统计方法来认识的随机误差 。然而噪声在人们日常生活中无处不在，如 第l 章绪论 数字图像在采集和传输处理的过程中经常受到设备、环境等因素的影响，如图像 在传输过程中的误差以及人为错误操作等因素，均会使图像受到噪声的干扰，甚 至有时候，这种噪声会对图像质量产生较大的影响，为图像处理带来很大的麻烦。 人们利用计算机等设备处理的图像并非原始图像，而是受噪声干扰后的图像。 噪声的存在使图像偏离了真实景况，如果图像中噪声强度比较大的话，一方面会 影响人们观赏图像时的视觉效果；另一方面，用计算机对图像进行处理时，噪声 还有可能影响到图像处理的结果。因此，非常有必要在利用图像之前对图像进行 消除噪声处理，而寻求一种行之有效的去噪方法也是人们一直在进行的工作。图 像去噪就是要保留图像中的有用信息，减少或消除图像中的干扰和噪声，从而提 高图像的质量。图像去噪是图像处理中一个关键性环节，在实际应用中，它往往 作为图像处理与识别的预处理，是图像后续更高层次处理( 如图像分割、图像识别 等) 的基础。 1 1 2 本课题研究的意义 目前，工业上对产品的质量要求越来越高，为了预防因产品质量问题而导致 的失误、事故，必需确保产品质量，而准确、快速地进行产品缺陷的检测是其中 至关重要的一环。机器视觉技术可以提高生产、检测的效率，实现简单方便，现 已应用于一些工业领域。课题中的黑片( 如图1 1 所示) 又名煅烧硅钢片，是硅钢 片经过退火处理，然后通入氨气，使片的颜色发黑，因颜色是黑的所以叫黑片， 是用来制作变压器或电机转子的一种材料，其厚度为l m m 左右，几何形状为1 4 圆环。它的平面几何参数的精确度对变压器的性能有重大的影响。在工业实践中， 利用计算机视觉技术，通过在线实时检测黑片的平面几何参数，然后再把获得的 参数与给定的一组标准黑片参数进行比较，从而可以识别该产品是否存在缺陷， 为生产出符合要求的产品奠定了基础。黑片作为工业应用中重要的元素，其产品 的质量要求很高，如何提高检测效率，降低其产品质量检测的费用，成为其质量 检测的重要内容。目前产品质量检测这一工作主要还是通过人工来完成，费用高 且效率低，增加了产品成本。因而研制出高效的自动化检测设备，对于其来说具 有重大的意义。 本文课题名称为“基于计算机视觉的黑片缺陷检测图像预处理技术研究 。所 以本课题应用基于机器视觉的缺陷检测技术来检测黑片的平面几何参数是否符合 3 沈阳理工大学硕士学位论文 图1 1 黑片不葸图 要求。缺陷检测的流程为：由c c d 摄像机和图像采集卡采集黑片图像，将其转化 为数字图像，先用定位技术把黑片图像定位到标准位置，然后对图像进行去噪处 理，利用边缘提取算法提取出黑片图像的像素级边缘和亚像素级边缘，再利用提 取出的边缘求得零件的一些几何参数和特征，然后与事先预设的允许度和其他条 件输出结果，从而识别和排除有缺陷的产品。在此过程中，图像的去噪处理成为 影响检测效果好坏的重要因素之一，是后续图像处理的前提，因此去噪效果的优 劣将直接影响图像后续更高层次的处理结果。正因如此，图像去噪技术是本课题 的核心技术之一，对于课题的圆满完成具有重要的意义。 本文分析了传统的空间域经典去噪算法和基于小波变换的去噪方法，本针对 不同去噪方法的优缺点，提出了一种新的自适应边缘保持去噪算法和一种新的多 尺度多阈值小波去噪算法，并针对混合噪声，主要是脉冲噪声和高斯噪声，提出 了边缘保持滤波算法和小波阈值去噪方法相结合的去嗓算法，实现了更优的去噪 效果。 1 2 图像去噪技术的现状及发展 噪声是影响图像质量的主要因素，它不但影响了图像的视觉效果，而且影响 了人们从图像中提取有用的信息特征或者对图像进行处理操作。然而图像在采集、 数字化和传输过程中常常受到各种噪声的干扰，从而使数字图像中包含了大量的 噪声。因此，在实际应用中，非常有必要对采集或接收到的图像进行去噪处理。 进行图像去噪处理的工作称为图像平滑或滤波。平滑的目的有两个：一、改善图 像质量；二、提取图像中特征。到目前为止，去噪方法可分为空间域去噪和变换 域去噪。变换域去噪主要包括傅立叶变换域去噪和小波域去噪等。 空间域去噪算法是在原图像上直接对像素进行数据运算。根据作用对象范围 第1 章绪论 间域去噪算法又分为两类：一类是对图像作逐点运算，称为点运算； 待处理像素点的相关邻域空间上进行运算，称为邻域运算，邻域运算 包括线性平滑滤波和和非线性平滑滤波。线性平滑空间滤波是一种局部空间域处 理的算法，即用待处像素点某邻域内所有像素的灰度平均值来代替该像素原来的 灰度值，因此该算法又称为邻域均值滤波。统计排序滤波是一种应用广泛的非线 性平滑空间滤波，它是基于排序统计理论的一种能有效抑制噪声的非线性信号处 理技术。统计排序滤波中最常用的例子是中值滤波( m e d i a nf i l t e r ) c ”，这种滤波算法 的优点是运算简单、实现方便，而且速度较快。1 9 7 1 年，著名学者图基( j w t u k e y ) 在他的开拓性论文中首先提出了中值滤波器的概念并应用在一维信号处理技术 ( 时间序列平滑) 中呻，后来人们又将其引入n - 维图像信号处理技术中。 傅立叶变换域去噪方法，也称为频率域滤波方法，是通过傅立叶变换把图像 由空间域变换到频域。由频率分量和图像空间特征的对应关系知道，低频对应图 像强度的慢变化分量，主要决定图像在平滑区域中总体灰度级的显示，高频对应 图像中强度变化越来越快的灰度级，主要决定图像的细节部分，如物体的边缘和 噪声。因此可以通过低通滤波器来抑制或滤除图像中的高频成分，从而滤除噪声。 常用的低通滤波器有巴特沃思低通滤波器和高斯低通滤波器n 吲。频域滤波方法的 缺点是，当图像信号与噪声的频带相互分离时，这种方法比较有效，但当图像与 噪声的频带相互重叠时( 比如混有白噪声) ，则效果较差，而且通过低通滤波器滤 波后的图像比原始图像少一些尖锐的细节，这是因为低通滤波在抑制噪声的同时， 也将信号的边缘细节部分变得模糊，因此它存在着去除噪声和保持边缘细节之间 的矛盾。 在早期的多尺度信号处理工作中，人们已经注意到信号与噪声在不同尺度有 着不同的表现，并试图有效地利用这些特征，小波变换的出现为这一思想提供了 自然而完美的工具，使信号与图像的多尺度处理技术得到了迅速发展。近二十年 来，基于小波变换的去噪方法得到了很大发展，不断出现在有关信号与图像处理 的文献之中，这标志着一种新的图像去噪思想的出现。 1 9 9 2 年m a l l a t 等人提出了基于信号奇异性( s i n g u l a r i t y ) 的信号和图像的多尺度 边缘表示法，利用l i p s c h i t z 指数在多尺度上对信号、图像以及噪声的数学特性进 行描述，并提出了模极大值去噪方法口m 。基于上述思想，x u 和w e a v e r 等提出的 沈阳理工大学硕士学位论文 基于小波变换域内相邻尺度间系数相关性的去噪方法n o ，。随后，斯坦福大学的 d o n o h o 和j o h n s t o n e 另辟蹊径，在高斯噪声模型下，应用多维独立正态变量决策 理论，提出了小波阈值去噪方法n - ，并取得了大量的研究成果。他们于1 9 9 5 年提 出了信号去噪的软阈值方法和硬阈值方法，推导出v i s u s h r i n k 阈值公式以及 s u r c s h r i n k 阈值公式，并从理论上证明在均方意义下是渐进最优的“”。 总之，近年来有关基于小波变换的去噪方法文献非常多，而且还在不断发展。 1 9 9 6 年，g o o d m a n 等人建立了多小波理论n ”。1 9 9 8 年，s w c l d e n s 提出了小波提 升格式，建立了称为第二代小波变换的框架体系1 。2 0 0 0 年，k i n g s b u r yn 提出 一种具有改进的正交和对称性的二树复杂小波n 射。2 0 0 6 年，王红霞等提出一种基 于主方向构造二分树复数小波的新方法“帕。2 0 0 8 年，陈延娜等提出一种四带对称 双正交小波的构造方法n 等等，还有很多国内外学者在小波理论的研究上取得了 一些新的成果。同时，新的基于小波分析的去噪算法也在不断的推出、改进。对 于小波阈值去噪方法，新方法一般从阈值的计算、阈值函数的改进、分解尺度的 优化等方面来着手。 1 3 图像去噪评价方法 图像去噪评价方法在图像去噪处理相关领域中起着重要的作用。如何评价一 幅图像经过去噪处理后所还原图像的质量，对于我们判断去噪方法的优劣有很重 要的意义。现有的评价方法一般分为主观和客观两种。由于主观评价是一种定性 的方法，没有定量的标准，受观察者的素质、图像类型、环境等因素的影响，只 具有统计意义，评价结果有一定的不确定性，因此本文主要利用客观的图像去噪 评价方法。 客观评价方法是用恢复图像偏离原始图像的误差，来衡量图像恢复的质量， 最常用的有均方误差( m s e ) 、信噪比( s n r ) 、峰值均方误差( p m s e ) 和峰值信噪比 ( p s n r ) 。客观评价方法只能从总体上反映原始图像和恢复图像的灰度差别。 ( 1 ) 均方误差( m s e ) 定义为： n 一1n - i 1 脚= ( 去 厂( 训) 一夕( 训) 阡( 1 - 1 ) v 工= o 删 ( 2 ) 峰值均方误差( p m s e ) 是一种常用的离散图像的逼真程度量度，定义为： 第1 章绪论 p m s e ：罂 2 5 5 2 z z ? ( x ，少) 2 兰三! 兰三! 一l 一1 【( x ，y ) 一夕( x ，y ) 】2 ( 1 - 2 ) ( 1 3 ) ( 4 ) 峰值的均方误差通常被表示成等效的信噪比，即峰值信噪比( p s n r ) p s n r = - i o l g ( p s m e )( 1 - 4 ) 其中，f ( x ，y ) 为标准图像，夕( x ，) ，) 为处理后图像；其中x ，y 为0 ，1 ，2 一1 ；n 为图像的高度( 或宽度) 。 1 4 本课题的工作内容及结构安排 本文的主要研究内容是图像的去噪问题及去噪算法在黑片图像中的应用，针 对图像中常见的脉冲噪声和高斯噪声，对空间域的边缘保持滤波算法和基于小波 变换的小波阈值去噪算法进行了比较深入的研究，并针对脉冲噪声和高斯噪声的 混合噪声进行了边缘保持滤波算法和小波阈值去噪方法相结合的图像去噪算法的 研究。 论文的主要工作和结构安排如下： ， 第一章为绪论，首先介绍了机器视觉的含义，接着阐述了图像去噪的研究背 景、意义及研究现状，以及对工业黑片图像处理的意义，随后给出了图像质量的 评价方法，最后简要介绍了本文的主要研究内容及结构安排。 第二章首先介绍了空间域中经典算法：均值滤波、中值滤波、边缘保持滤波 的基本原理，以及在应用中的优缺点；根据其优缺点本文提出了改进的边缘保持 滤波算法，并给出了仿真实验的结果，而且在工业黑片上的应用也取得了不错的 效果。 第三章介绍了小波变换的基本理论。首先介绍了小波分析的背景与发展，包 括f o u r i e r 变换和短时f o u r i e r 变换的缺陷和小波变换的优势，接着介绍了连续小 波变换和离散小波变换，然后引入了对小波分析有重要作用的多分辨分析，最后 分析了小波变换在二维数字图像信号处理中的应用，为后续章节中图像的小波去 沈阳理工大学硕士学位论文 噪方法奠定了理论基础。 第四章介绍了基于小波变换的图像去噪方法。首先分析了三类经典的小波去 噪方法的基本原理，进而重点分析了小波阈值去噪，并针对经典的软硬阈值小波 去噪方法进行了改进。而且针对信号和噪声随尺度增加，其小波变换模值的不同 变化，提出了多尺度多阈值的小波去噪算法，并给出了仿真实验的结果，而且多 尺度多阈值的图像去噪算法在工业黑片上的应用也取得了不错的效果。 第五章针对边缘保持滤波对脉冲噪声有较好的去噪效果，而小波阈值去噪对 高斯白噪声有较好的去噪效果，本文提出了边缘保持滤波和小波阈值去噪相结合 的图像去噪算法研究，并给出了仿真实验的结果。 第2 章边缘保持滤波算法 第2 章边缘保持滤波算法 的空域滤波算法 在空间域，人们根据图像的特点、噪声的统计特征和分布规律，主要提出了 两种不同的去噪算法：线性平滑滤波和非线性平滑滤波。其中，它们最典型的代 表是均值滤波和中值滤波，随后许多专家学者提出了各种基于均值滤波“。“引和中值 滤波 1 $ - g f l 的改进算法。这些去噪算法虽然能够降低噪声，但都没有充分考虑保持图 像的边缘和细节问题，如均值滤波使图像边缘模糊，中值滤波却将图像的线条细 节滤除掉。于是1 9 8 4 年，s m a r tg e m a n 和d o n a l dg e m a n 提出了一种基于边缘细 节保持的算法嘲。此后基于边缘保持的算法各种改进算法被广泛应用于图像去噪 领域，这类算法在对图像进行去噪运算时，可以较为有效地避免去噪处理所造成 的图像模糊现象。 2 1 1 均值滤波 均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模 板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代 替原来像素值。 均值滤波采用的主要方法为邻域平均法，其基本原理是用待处理像素点 模板内的灰度均值代替原图像中的各个像素点的灰度值，即对待处理的当前 像素点o ，j ) ，选择一个模板，该模板由其近邻的若干像素组成，求模板中所 有像素的均值，再把该均值赋予当前像素点( f ，j f ) 。设一幅图像f ( i ，j ) 为n x n 的矩阵，处理后的图像为g ( i ，j ) ，它的每个像素的灰度值由像素点( f ，) 邻域内几 个像素的灰度平均值来置换，即 删) 2 万1 ( ，萎s 朋 ( 2 1 ) 式中f ，_ ，= o ，1 ，n 一1 ，s 是以( f ，力点为中心的邻域集合；m 是邻域s 内坐标点 沈阳理工大学硕士学位论文 个数，即像素点总数；f ( i ，j f ) 是邻域s 内位置( j ) 处的灰度值。 均值滤波的概念非常直观，主要是利用模板对图像进行操作( 卷积运算) ，即 利用像素点邻域内的平均灰度值代替每个像素点的值，这种处理减d , - f 图像灰度 的尖锐变化，从而达到平滑图像的目的。均值滤波常用模板为3 x 3 和5 x 5 ，经过 平滑运算，输出图像g ( x ，y ) 像素点的灰度值发生了变化，图像的方差减4 ym 倍。 这说明，邻域平均法能够取得明显的去噪效果。 均值滤波算法简单，计算速度快，然而由于图像边缘也是由图像灰度尖锐变