小波分析用于织物疵点检测的图像增强研究.pdfVIP

维普资讯 第21卷 第 1期 青 岛大 学 学 报 (工 程 技 术 版 ) VoI．21No．1 2006年 3月 JOURNALOFQINGDAOUNIVERSITY(ET) Mar．2006 文章编号：1006—9798(2006)01—0077—05 小波分析用于织物疵点检测的图像增强研究 王朝莉，汪黎明，高水平 (青岛大学纺织服装学院，山东青岛266071) 摘要：对采用小波分析去除噪声来进行疵点图像的增强以用于织物疵点 自动检测进行了 探索。借助MATLAB小波分析工具箱，研究了小波分析在对疵点图像进行去噪等图像 增强方面的实际应用，并对全局阈值降噪和分层阈值降噪两种方法做了比较。实验结果 表明，小波变换可以较容易地分离出噪声或其他不需要的信息，小波分析用于疵点识别的 图像增强，能有效地消除噪声，去除织物纹理的影响，分层阈值法在此应用上更优于全局 阈值法。 关键词：小波分析；小波降噪；图像增强；织物疵点检测 中图分类号：TS05 文献标识码：A 织物疵点自动检测是对织物质量进行控制，实现织造及验布工序 自动化、无人化的关键环节，长期以来 一 直是国内外学者热心研究的重要课题。2O世纪9O年代以来，数字图像处理技术的发展使得基于图像处 理和微型计算机平台的织物疵点检测成为主要研究方向，同时，小波分析在处理非稳定性信号上的突出优 势，大大推动了疵点图像处理技术的发展，基于小波分析的图像处理技术也成为疵点自动检测研究领域的一 个热点[。本文在此基础上，用一些在理论上已经相对成熟的小波分析方法，研究对疵点图像进行去噪等增 强处理上的实际应用。图像处理过程中，图像增强是很重要的一步，因为采集来的图像，对于特定的应用领 域远不是完美的，须有选择地将图像中感兴趣的部分突出，而衰减则不需要，提高图像的可懂度，使之更利于 计算机处理，适合一个特定的应用[2]。而在疵点检测的图像增强中，去除噪声是必不可少的一部分。实际在 图像采集过程中不可避免地会受到各种噪声源的干扰，噪声在图像上呈雪花样散布的孤立像素点，会影响疵 点特征参数的提取，不利于疵点的正确识别，从这一点上来说 ，消噪的好坏在一定程度上决定了增强的效果。 又由于小波分析用于织物疵点自动检测的图像增强的原理及基本方法与小波消噪是相通的，所以，本文着重 于小波消噪的原理分析。 1 小波分析用于增强处理的原理 小波分解可以把图像分层次按照小波基展开，也可以根据图像的性质及给定的图像处理标准确定展开 的层次，还可以把细节分量和近似分量分开[引，而常用的基于离散小波变换的非线性滤波方法允许对变换系 数进行切削、阈值处理、缩小幅度范围等，这可以很好地用来达到分离信号和消噪的目的。同时，小波变换具 有一种集中的能力，使一个信号的能量在小波变换域集中于少数系数上，相对地，这些系数的取值，大于在小 波变换域内能量分散于大量小波系数上的信号和噪声的小波系数值。据此，对小波系数进行阈值处理，可以 在小波变换域中除去低幅度的噪声和不期望的信号[3]。 1．1 小波变换的基本降噪模型 设想图像信号 f(x，)被噪声污染后为s(x，)，基本的噪声模型[4表示为 收稿 日期：2005一10—27I修回日期：2006—02—20 作者简介：王朝莉(1981一)，女。山东济宁人，硕士。研究方向为纺织过程 自动化和计算机应用。 维普资讯 78 青岛大学学报 (工程技术版) 第21卷 s(z，．)，)一f(x，．)，)+ ￡·e(x，．)，)， z，Y一0，1，…，rt— l 其中，e(x，．)，)为噪声；￡为噪声强度。小波变换的目的就是要抑制 ￡·e(x，．)，)以恢复f(x，．)，)。 在这个噪声模型下，小波