机械工程学报

作者：孙凤山, 范孟豹, 曹丙花, 叶波, 刘林

单位：1. 中国矿业大学机电工程学院 徐州 221116;2. 中国矿业大学信息与控制工程学院 徐州 221116;3. 昆明理工大学信息工程与自动化学院 昆明 650500;4. 昆明理工大学云南省人工智能重点实验室 昆明 650500;5. 北京航天计量测试技术研究所 北京 100076

关键词：太赫兹无损检测,泊松高斯混合噪声,Benzene-ring算子,噪声估计,图像降噪；

基金：国家自然科学基金（62071471）和江苏高校优势学科建设工程资助项目。

为解决太赫兹（Terahertz，THz）图像内泊松高斯混合噪声导致芳纶纤维蜂窝材料脱粘缺陷轮廓检测精度低的问题，基于Anscombe变换与小波阈值法构建了THz图像降噪模型。高斯噪声方差为降噪模型的必要参数，但实际THz图像噪声分布未知，且噪声与纹理在高频混叠，给方差准确估计提出了挑战。为此，首先以样件纹理几何形状为先验信息，构造Benzene-ring算子去除THz图像纹理，使其小波域高频分量中仅含有噪声；然后提出改进的Logistic混沌映射提高样本集的多样性，以训练Elman神经网络准确建立高频分量与高斯噪声方差间映射关系；最后依据噪声方差估计值，基于Anscombe变换将泊松高斯混合噪声转化为高斯噪声，并利用小波阈值法与Anscombe逆变换得到了最终THz降噪图像。仿真与试验结果表明，所提出的方法降噪效果最佳并有效提高缺陷轮廓检测精度，相比于高斯滤波、小波阈值以及非局部均值法，平均梯度指标分别提升12%、33%、9%，缺陷面积绝对误差分别降低234 mm2、304 mm2、263 mm2。

来源：2021年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第22期