織物疵點圖像在生成、獲取和傳輸等過程中往往受到噪聲的污染。在對其進行小波變換、特征提取和邊緣檢測等后處理時，由于噪聲的存在使得圖像信噪比下降，直接導致圖像的一些特征細節被淹沒在圖像噪聲中而不能被辨識；而且噪聲的存在對提取特征值的有效性會產生干擾，造成特征值的可分辨性較差，影響神經網絡的正確識別和分類，這使得對織物疵點圖像進行消噪預處理成為必不可缺少的重要步驟。本文采用中值濾波、Wiener濾波和小波閾值化消噪方法對織物疵點圖像進行消噪處理，比較了3種方法的優劣。
1噪聲的數學模型
一般將噪聲用平穩Gaussian隨機過程n(t)來描述，噪聲對信號的污染方式可用2種不同的數學模型描述。一種是加性噪聲，這時被污染的信號可表示為
x(t)=s(t)+n(t) (1)
式中s(t)是未被污染的真實信號。另一種是乘性噪聲，這時被污染的信號可表示為
x(t)=s(t)•n(t) (2)
當然，在1個具體的實例中可能既有加性噪聲也有乘性噪聲，此時對圖像受噪聲污染的過程可以用如下模型表示：
Y(i，J-)=(h(i，j)•x(i，J-)+n1)•n2 (3)
式中：Y(i，j)表示含噪圖像；h(i，j)表示圖像模糊算子或退化算子；x(i，j)表示原圖像；n 1 為加性噪聲；n 2為乘性噪聲。在大多數情況下，圖像受噪聲污染的過程可看成是線性不變模型，式(3)可以表示成：
Y=Hx+n (4)
式中：日通常可以看作是線性不變低通濾波器，它反映成像設備運動、鏡頭散焦以及光照不勻等造成的噪聲污染過程；n一般為加性噪聲，它是圖像信號中最常見的圖像干擾噪聲，與圖像信號強度相互獨立、互不相關。如果圖像中混有乘性噪聲信號，則可對乘性噪聲污染的圖像進行對數變換，在對數尺度上乘性噪聲可以近似為加性高斯白噪聲。本文根據實際情況，假設織物疵點圖像中主要含有加性高斯
2 3種消噪原理
在本文的研究中，假設織物疵點圖像中所含噪聲為加性高斯白噪聲，其均值為0，方差為δ 2。對織物疵點圖像分別進行中值濾波、Wiener濾波和基于小波變換的閾值化濾波，以尋找適合織物疵點圖像的消噪方法。
2．1中值濾波
從大量的實踐結果來看，中值濾波優于鄰域平均濾波之處在于它不僅像鄰域平均濾波一樣可以抑制噪聲，而且可以使邊緣模糊效應大大降低。設二維圖像的像素灰度集合為{x(i，j)∈Z 2}，是二維整數集。對于大小為A=m×n的窗口內的像素中值被定義為
y(i，j)=Median[x j+k,j+l(k，l)∈A] (5)
式(5)表示窗口內的像素按灰度值大小排列，取窗口內灰度中間值賦予y(i，J)，然后以y(i，j)取代二維窗口A中的中心像素作為中值濾波的輸出。在圖像上該窗口從左至右、從上至下移動。
在中值濾波方法中，二維窗口的形狀可以為方形、矩形和十字形等，不管哪種形狀，隨著窗口的增大有效信號的損失也將明顯增加，因此窗口大小的選擇以兼顧二者為佳。本文選擇3×3和5×52種方形窗口對織物疵點圖像進行濾波，以作濾波性能比較。
2．2Wiener濾波
WieBer濾波器是經典的最佳線性濾波器。它是以加性噪聲，且未被污染圖像x(i，j)和噪聲n(i，j)均為平穩隨機過程為前提，以最小均方誤差為準則推導出的。
在采用Wiener濾波器濾波時，Wiener算法是首先估計出像素的局部矩陣和方差u 2
.jpg)
2．3小波變換消噪
運用小波閾值化方法對含噪信號進行消噪是近年來的研究熱點，各種閾值的選擇方法也層出不窮。1992年Donoho和Johnstone提出了小波閾值萎縮法(waveletshrinkage)，給出了 的閾值。對于圖像而言，Ⅳ為圖像的像素點數
.jpg)
式中：表示小波系數數值；sgn(．•)是符號函數，當數值大于零時，符號為正，反之符號為負。對硬閾值T0化，僅保留絕對值大于閾值的小波系數，并且被保留的小波系數與原始系數相同(未被縮減)，可表示為
.jpg)
2種閡值化方法各有差異，前者有連續性，從數學上容易處理；后者更接近實際應用。
在圖像處理的實際應用中，正交性能保持能量，而對稱性使信號在邊界易于處理，雙正交小波同時擁有這2種性質J。本文選擇同時具有正交性和雙正交性的緊支撐sym3小波基，對織物疵點圖像進行3層離散變換，計算全局閾值，采用軟、硬閾值消噪準則對織物疵點進行消噪處理。
3實驗結果與討論
3．1消噪圖像比較
為了比較3種消噪方法的性能，選取織物中常見的6種疵點——斷經、斷緯、緯檔、油污、破洞和重緯，大小為256×256灰度圖像，利用CPU為Intel(R)Pentium(R)2．60GHz，內存為256MB的計算機進行實驗。圖
.jpg)
信噪比=101g(巍J(dB)(12)信噪比值越大表示消噪效果越好。表1給出了不同消噪方式下得到的圖像峰值信噪比。由表1可看出：1)采用小波閾值化方法消噪時，圖像峰值信噪比要比中值濾波法和Wiener濾波法分別提高22dB和25dB，小波濾波方法要優于中值、Wiener濾波方法；2)中值濾波法略好于Wiener濾波法，峰值信噪比前者比后者提高2～3dB；3)采用中值濾波和Wiener濾波時，當選用5×5鄰域時其效果好于3×3，但這是以圖像邊緣模糊為代價的，對油污和破洞進行濾波時，恰恰相反，這與油污、破洞的不規則結構有關；4)采用小波濾波時，軟閾值法略好于硬閾值法；5)在考慮3種方法的速度時，中值濾波和Wiener濾波的時間約30s，小波閾值化方法明顯要慢于其它2種方法，約60s。在以后的研究中可以優化小波消噪程序，以提高其運行速度。
.jpg)
.jpg)
4結束語
織物疵點的識別和分類要依靠疵點紋理特征和形狀特征值進行，如果消噪方法選擇不當，會人為破壞織物表面紋理特征和形狀特征，以致影響最后識別結果，因此在對織物疵點圖像進行消噪處理時，應
相關信息 
推薦企業 推薦企業
推薦企業
您所在的位置：
