编码器光栅表面缺陷图像小波去噪

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (16): 179-182.

编码器光栅表面缺陷图像小波去噪

王义文1，冯超1，刘献礼1，廖益龙1，权超健1，梅恒2，林长友2

1.哈尔滨理工大学机械动力工程学院，哈尔滨 150080
2.长春禹衡光学有限公司，长春 130012

出版日期:2013-08-15 发布日期:2013-08-15

Encoder circular grating surface defect image wavelet denoising

WANG Yiwen1, FENG Chao1, LIU Xianli1, LIAO Yilong1, QUAN Chaojian1, MEI Heng2, LIN Changyou2

1.School of Mechanical & Power Engineering, Harbin University of Science & Technology, Harbin 150080, China
2.Changchun Yuheng Optics Co., Ltd, Changchun 130012, China

Online:2013-08-15 Published:2013-08-15

摘要/Abstract

摘要： 为了提高光栅表面缺陷图像的去噪效果，便于后续缺陷图像检测，通过改进阀值和阀值函数来实现对光栅表面缺陷图像的小波去噪。通过引入一个收缩因子来改进原阀值，得到各分解尺度上的新阀值，利用新阀值函数对各尺度上的小波高频系数进行阀值处理，经过小波逆变换得到去噪后的光栅表面缺陷图像。实验结果表明，该方法与硬、软阀值法相比，提高了峰值信噪比，较好地保留了缺陷图像的边缘等细节信息，增强了边缘对比度，且图像更平滑。

关键词: 光栅, 表面缺陷检测, 收缩因子, 阀值函数, 小波去噪

Abstract: To improve the de-noising effects for circular grating surface defect image and easily detect defect image, improved threshold value and threshing function are proposed for the de-noising of circular grating surface defect image by wavelet. A new threshold on the respective scale decomposition can be obtained by introducing a shrinkage factor to improve the original threshold value. Wavelet high frequency coefficients on the respective scale decomposition are processed by new threshing function. The denoised circular grating surface defect image is obtained by wavelet inverse transformation. Experimental results show that compared to the hard and soft threshold method, this method has improved the PSNR, well keeps the defect image edges and other details, enhances the edge contrat, and obtains a smoother image.

Key words: circular grating, surface defect detection, shrinkage factor, threshing function, wavelet denoising

王义文1，冯超1，刘献礼1，廖益龙1，权超健1，梅恒2，林长友2. 编码器光栅表面缺陷图像小波去噪[J]. 计算机工程与应用, 2013, 49(16): 179-182.

WANG Yiwen1, FENG Chao1, LIU Xianli1, LIAO Yilong1, QUAN Chaojian1, MEI Heng2, LIN Changyou2. Encoder circular grating surface defect image wavelet denoising[J]. Computer Engineering and Applications, 2013, 49(16): 179-182.

[1]	翁玉尚，肖金球，夏禹. 改进Mask R-CNN算法的带钢表面缺陷检测[J]. 计算机工程与应用, 2021, 57(19): 235-242.
[2]	杨岳飞，刘辉，谭检平. 带噪语音信号小波去噪算法研究[J]. 计算机工程与应用, 2015, 51(14): 211-213.
[3]	林政剑，熊美英，查代奉. 非高斯噪声背景下的诱发电位信号去噪方法[J]. 计算机工程与应用, 2014, 50(9): 186-188.
[4]	殷爱菡，张清淼，姜辉明. 一种改进的加权最小二乘相位展开方法研究[J]. 计算机工程与应用, 2013, 49(3): 159-162.
[5]	吕刚1，陈立2. 小波变换和支持向量机相融合的ECG身份识别[J]. 计算机工程与应用, 2013, 49(24): 195-199.
[6]	林善明1，2，孙海华1，金纪东1，2，胡万清1，朱昌平1，2. 小波去噪和混沌理论应用于输电线缺陷检测[J]. 计算机工程与应用, 2012, 48(5): 224-227.
[7]	秦文杰，张光锋，娄国伟. 一种安全检查的无源毫米波图像特征提取方法[J]. 计算机工程与应用, 2012, 48(28): 193-196.
[8]	李彦，汪胜前，邓承志. 多尺度几何分析的图像去噪方法综述[J]. 计算机工程与应用, 2011, 47(34): 168-173.
[9]	石锐1，王博1，何庆华2. 基于高斯混合模型的咳嗽音检测方法[J]. 计算机工程与应用, 2011, 47(32): 151-154.
[10]	张君昌，叶珍，李艳艳. 一种基于清浊音分离的动态阈值小波去噪方法[J]. 计算机工程与应用, 2011, 47(12): 133-136.
[11]	蒋德育¹,刘光远²,龙正吉². 基于心电P-QRS-T波的特征提取及情感识别[J]. 计算机工程与应用, 2009, 45(8): 213-215.
[12]	杨帅，宋刚. 对含噪语音进行基频检测的方法[J]. 计算机工程与应用, 2009, 45(31): 128-129.
[13]	张君昌，刘红，姜菲. 基于清浊音分离的优化小波阈值去噪方法[J]. 计算机工程与应用, 2009, 45(31): 130-133.
[14]	胡波，陈恳. 基于连续且自适应小波阈值的图像去噪方法[J]. 计算机工程与应用, 2009, 45(27): 193-195.
[15]	陈玉国¹,李治隆²,刘秀平²,王丰敏². 复杂矢量图中矩形域填充的快速定位方法[J]. 计算机工程与应用, 2009, 45(12): 229-232.