基于复小波与最大后验估计的红外图像滤波

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷,提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性,对含噪的红外图像作双树复小波变换;基于对高斯噪声和无噪图像的概率密度分布的假设,在小波域中对无噪图像的小波系数作最大后验估计,实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性,算法在有效去除噪声的同时,对边缘细节的保持和恢复较理想,去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。     

金属表面特性对差动式视觉测量的影响实验

介绍了一种全面的金属表面反射模型,从理论上论证差动式视觉测量的可行性。在平行光照明下,测量不同级别粗糙度比较样块在入射面内的反射亮度,在大量数据的基础上总结分布规律,以寻求事实依据。搭建视觉测量系统,采集金属工件的明、暗域图像,并对图像差分融合,进行实验验证。结果表明,工件表面的缺陷信息得到了大幅增强,杂乱的背景信息被有效抑制。基于金属表面反射特性提出的差动式视觉测量系统,在提高图像对比度和增强边缘方面显示了其优越性。     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.     

基于全变差的弱小目标背景抑制

结构化背景抑制是红外弱小目标检测技术的一个难题。根据红外图像中目标和背景信号的特性,在定义Gabor函数为点扩展函数的基础上,提出了一种基于全变差滤波的背景抑制算法,该算法将图像的背景抑制转化为求解全变差滤波模型最小化,以便最终实现对红外图像的背景抑制。对真实的红外图像序列进行实验,并与小波域滤波算法进行了比较。几组实验结果表明,对在结构化背景下的红外弱小目标背景来说,从主观视觉和数值指标来看,该算法具有良好的抑制效果,且运算量较小,便于实时实现。     

一种结合小波分析与直方图的红外图像增强方法

针对传统红外图像增强算法中存在的问题,提出一种结合小波分析与直方图的红外图像增强方法.采用正交小波变换对红外图像进行处理,得到小波各层的分解系数;运用双向直方图均衡法对红外图像的低频子带小波系数进行处理,利用阈值滤波的细节系数增强法对红外图像的高频子带小波系数进行处理,经小波逆变换图像重构得到增强后的红外图像.实验结果...     

一种基于知识模型的红外目标检测方法

针对电厂冷却塔这类具有特殊建筑规范的典型目标,在分析目标红外特性与形状特性的基础上,提出了一种基于知识模型的红外目标检测方法.首先根据冷却塔目标的红外特性,提取图像的亮度、方向和局部熵特征,采用视觉注意模型提取红外图像中的显著区域,作为待检测目标的感兴趣区域;在此基础上,根据冷却塔目标的形状特性建立双曲线形状模型,在感兴趣区内进行结构特征边缘提取和形状模型拟合,构建相关判定准则检测出目标.在一组机载前视红外图像上的实验结果表明,该方法可以达到98.67％的查全率和93.97％的查准率,具有较好的目标检测效果.由于本文方法不需要基准图的参与,降低了对数据保障的要求,因此具有较大的实用性.     

基于小波变换的不同融合规则的图像融合研究

提出了利用小波变换按照不同融合规则及融合算子去构造融合图像对应的小波系数,得到一种新的基于多尺度分解的像素的图像融合方法.通过对融合图像统计参数对比表明,所提出的基于小波变换的像素局部能量作为准则的融合效果更好,既可避免传统融合规则存在的信息损失,又提高了融合图像的空间分辨率和清晰度,融合图像符合人的视觉特性,更有利于机器视觉.     

基于对偶树复小波变换的红外弱小目标背景抑制

为解决结构化背景的抑制,利用对偶树复小波良好的方向选择性、平移不变性和可精确重构的特点,提出了一种基于对偶树复小波变换的红外弱小目标背景抑制方法.首先利用对偶树复小波变换对图像进行分解提取多尺度细节特征,然后采用最大中值滤波对各分解层的小波系数进行非线性地调整来改变目标特征的强度,重构获得估计的背景图像,最终从原图中减去所估计的背景图像实现背景抑制.基于真实的红外图像序列进行实验.结果表明:与二维最小均方误差法相比,该方法从主观视觉和数值指标都具有良好的抑制效果.     

基于对偶树复小波变换的红外弱小目标背景抑制

为解决结构化背景的抑制,利用对偶树复小波良好的方向选择性、平移不变性和可精确重构的特点,提出了一种基于对偶树复小波变换的红外弱小目标背景抑制方法.首先利用对偶树复小波变换对图像进行分解提取多尺度细节特征,然后采用最大中值滤波对各分解层的小波系数进行非线性地调整来改变目标特征的强度,重构获得估计的背景图像,最终从原图中减去所估计的背景图像实现背景抑制.基于真实的红外图像序列进行实验.结果表明：与二维最小均方误差法相比,该方法从主观视觉和数值指标都具有良好的抑制效果.     

基于小波变换的数字胸片自适应增强

利用图像自适应增强原理, 推导出小波域中的等价表示. 根据视觉生理心理学原理, 具体的增益系数由图像的背景灰度确定. 同时考虑到胸片中重要的细节信息位于中间频率的特性, 增益系数需要进行调整. 实验结果表明, 调整增益后的小波自适应增强方法能有效的增强数字胸片中的细节信息.     

基于超声红外技术对金属管内壁缺陷的检测

为提高管道的运送效率,及时检测排除管道内壁的缺陷非常重要。提出利用超声红外无损检测方法对管道内部进行检测。超声主动热激励试件,高频红外热像仪记录试件表面温度变化,结合了超声摩擦生热和红外热成像的优点。对壁厚约为3.3mm检测难度较大的金属管内壁缺陷进行了检测。通过对采集数据和热图的处理分析,准确快速地确定缺陷所在的位置。实物对比分析表明：超声热激励红外无损检测技术可以对金属管道内壁缺陷进行准确检测定位。     

基于独立分量分析和粒子群算法的太阳能电池表面缺陷红外热成像检测

根据红外成像特性及太阳能电池电致发光原理,研究一种基于限制式独立分量分析(ICA)模型和粒子群优化(PSO)方法的太阳能电池组件表面缺陷检测方法。利用太阳能电池红外图像的结构特点,首先设计一种ICA滤波器,并使用具有多方向搜索特性的PSO算法来求解ICA的分离矩阵,求解中加入限制式,使图像正常区域经滤波后有一致的反应值并有效凸显缺陷区域。然后使用ICA滤波器对图像进行旋积运算,最后使用阈值分割得到检测结果。实验结果表明,提出的ICA滤波检测方法对太阳能电池组件表面缺陷检测效果显著,检测精度高,能很好地区分背景和缺陷。     

小波阈值降噪模型在红外光谱信号处理中的应用研究

针对近红外光谱经常受到噪声干扰的特点,提出了利用小波阈值降噪方法进行光谱数据的降噪处理,以山羊绒表面油脂的近红外光谱检测为例,对比分析了三种小波阈值降噪模型(Penalty阈值降噪模型、Brige-Massart阈值降噪模型、缺省阈值降噪模型)的降噪性能.对降噪后的光谱数据采用偏最小二乘和支持向量机回归相结介建立了校正和预测模型,通过对比校验参数R~2,RMSEC,RMSEP,分析评价了三种小波阈值降噪模型的降噪效果.结果表明:三种降噪模型都能在一定程度上降低光谱信号的噪声,提高信噪比,改善光谱预测模型的精度,其中,Brige-Massart阈值降噪模型和缺省阈值降噪模型的降噪效果明显优于Penalty阈值降噪模型,与原始光谱信号建模的预测精度(R~2=0.793,RMSEC=0.233,RMSEP=0.225)相比较,经过Brige-Massart阈值降噪模型降噪后的光谱信号建模的预测精度(R~2=0.882,RMSEC=0.144,RMSEP=0.136)和经过缺省阈值降噪模型降噪后的光谱信号建模的预测精度(R~2=0.876,RMSEC=0.151,RMSEP=0.142)均有较大程度的改善和提高,说明提出的小波阈值降噪方法能有效地降低原始光谱噪声作用,使光谱数据多变量分析模型更具有代表性和稳健性,从而可以提高模型的预测精度.     

基于机器视觉的高精密轴承在线检测

高精密轴承是一种圆柱型零件,针对圆柱型零件高曲率表面缺陷及外形尺寸不能同时进行在线检测的问题,设计并实现了基于机器视觉的在线检测系统。检测时,为了解决金属件表面反光的问题,设计了专用的光源系统和照明方式,通过光学系统和机械旋转平台的配合,圆柱型零件在旋转的过程中被光学系统成像,从而可以采集到完整的圆柱面图像;经过快速的图像处理技术,可以检测到微米级的轴承表面缺陷及外形尺寸。检测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决高精密轴承表面缺陷及尺寸在线检测的问题。     

Probing defect species on real surfaces from the analysis of the spectral profile of admolecules

The analysis of changes in the vibrational spectrum of infrared active molecules adsorbed on a ionic surface containing point or extended defects can be an efficient method to determine the nature and density of surface defects. We study the infrared response of ammonia molecules deposited on a ionic surface of MgO containing charge vacancies and dipolar defects in various concentrations and distributions and show significant changes assigned to the defects signature. A Monte Carlo approach is used to randomly deposit the probe molecules on the surface displaying random or regularly arranged defects at low temperature.     

一种基于2D-CNN的激光超声表面缺陷检测方法

激光超声表面缺陷检测的过程中,缺陷的定量表征通常依赖于操作者的判断,易受到人为因素干扰,致使检测结果不稳定。针对这一问题,提出一种基于图像识别的二维卷积神经网络（2D-CNN）的缺陷自动分类检测方法。利用有限元方法模拟激光超声检测过程,并采集超声信号数据用于训练分类模型;使用连续小变换（CWT）处理超声信号得到小波时频图,以小波时频图作为输入训练卷积神经网络（CNN）分类模型,实现对表面缺陷深度的自动分类。验证结果表明:提出的检测方法能够对不同深度的缺陷准确分类,测试的平均准确率达到97.3%;构建的CNN分类模型能够自主学习输入图像的缺陷特征并完成分类,提高了检测结果稳定性,为激光超声缺陷检测的自动化分析处理提供了新的思路。     

基于小波变换的红外热波无损检测融合算法

在红外热波无损检测中获取的热像序列存在着背景噪声大、缺陷边缘模糊、对比度低等特点。为了提高由红外热像序列重构的数字图像的缺陷显示能力,以小波变换为热像处理工具,采用基于像素级和特征级的图像融合算法对热像序列进行了处理,并采用基于统计学的图像评估标准对处理效果作了定量评价。通过对铝合金试件的检测实验说明该方法可用于材料内部缺陷的红外热波无损检测。研究结果表明,此种图像融合算法可对不同深度缺陷所对应的两幅最佳热像进行有效地融合,在一幅融合图像中直观地反映出全部缺陷,并能有效地减少加热不均和背景噪声对缺陷识别的不利影响。     

Nonlinear photoionization in the soft X-ray regime

We present the results of 800 and 400 nm wavelength, femtosecond laser pulse irradiation of a sample consisting of a metal film on thermally-grown oxide on silicon. On selected sites, cross-sectional transmission electron microscopy was performed to provide information on sub-surface changes not observable with surface scanning electron microscopy. A range of pulse energies in single-pulse irradiation exists for which the metal film was removed but the oxide was not appreciably thinned. For a sufficiently high pulse energy within this range, substantial defects were observed in the underlying silicon. Five infrared pulses of a relatively high fluence created significant defects, as well as producing polycrystalline material on top of the original oxide and metal. We discuss various factors which may play a role in the formation of the observed features. PACS 61.72.Ff; 68.37.Lp; 79.20.Ds     

基于改进U-net的金属工件表面缺陷图像分割方法

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。     

SA-PBT-SVM的实木表面缺陷近红外光谱识别

针对实木板材表面存在的活节、死节、裂纹与虫眼4类缺陷，提出了基于近红外光谱分析的定性识别模型。随机选取50个样本组成训练集，30个样本组成测试集，在室内温度20 ℃、相对平均湿度50%环境下，采用900~1 700 nm的近红外光谱仪采集样本表面光谱，并利用SNV方法进行光谱数据预处理，以消除固体颗粒大小、表面散射及光程变化对漫反射光谱的影响；然后，采用偏二叉树双支持向量机(PBT-SVM)构建缺陷分类模型，运用模拟退火算法(SA)对4类核函数、参数及波长特征进行全局寻优；寻优过程以97个波长吸收度为输入特征，运用顺序前向法依次加入新特征，当分类器准确率达到90%时，得到核参数及波长特征；最后，通过确定的核函数、参数与波长构建了缺陷分类模型，并对测试样本集进行了分类验证。实验结果表明，SNV预处理方法使相同缺陷的近红外光谱具有较好的一致性，其中，活节与死节光谱差异显著，但死节、裂纹与虫眼的光谱趋势相近；当PBT-SVM分类器采用多项式核函数、参数在γ=28.63，coef=18.69，d=1，C=12.03时，缺陷识别效果最好，裂纹和活节的识别率达到了100%，虫眼为93.33%，死节为93.33%，平均准确率达到了96.65%，平均识别时间仅为0.002 s。利用近红外光谱分析的方法能够快速、有效地完成4类实木板材缺陷的识别。