一种基于曲率特征的各向异性图像去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110009582A(43)申请公布日2019.07.12(21)申请号201910241006.0(22)申请日2019.03.28(71)申请人华南理工大学地址511458广东省广州市南沙区环市大道南路25号华工大广州产研院(72)发明人胡跃明黄丹(74)专利代理机构广州市华学知识产权代理有限公司44245代理人陈宏升(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书6页附图9页(54)发明名称一种基于曲率特征的各向异性图像去噪方法(57)摘要本发明公开了一种基于曲率特征的各向异性图像去噪方法，包括：S1，将待检测图像上添加噪声，将添加噪声后的待检测图像输入到柔性IC封装基板上；S2，将柔性IC封装基板上的待检测图像灰度化；S3，利用基于曲率特征的各向异性图像平滑扩散模型按照预设的迭代次数对灰度化后的待检测图像进行迭代去噪；S4，输出去噪后的图像。本发明提出的基于曲率特征的各向异性图像平滑扩散模型融合了图像的水平集曲率特征，将更丰富的图像二阶微分信息作为检测因子，在去除噪声的同时能够更多的保留原始图像(待检测图像)的细节纹理信息和边缘信息，具有实际意义。CN110009582ACN110009582A权利要求书1/2页1.一种基于曲率特征的各向异性图像去噪方法，其特征在于，包括：S1，将待检测图像上添加噪声，将添加噪声后的待检测图像输入到柔性IC封装基板上；S2，将柔性IC封装基板上的待检测图像灰度化；S3，利用基于曲率特征的各向异性图像平滑扩散模型按照预设的迭代次数对灰度化后的待检测图像进行迭代去噪；S4，输出去噪后的图像。2.根据权利要求1所述的基于曲率特征的各向异性图像去噪方法，其特征在于，所述基于曲率特征的各向异性图像平滑扩散模型为第一平滑扩散模型；所述第一平滑扩散模型的表示如下：其中，k为水平集曲率，如式子(2)所示，|k|为水平集曲率的模值，div为散度算子，为梯度算子，I0为初始图像，I为I0与高斯核卷积得到，α为曲率系数，为扩散系数，l为梯度阈值，如式子(3)所示，τ是经验系数，Iij表示待检测图像在(i,j)点处的灰度值，MN表示待检测图像像素点的个数；3.根据权利要求2所述的基于曲率特征的各向异性图像去噪方法，其特征在于，当曲率k远大于1时，则|k|2＞＞l时，扩散相当于平滑滤波，去除噪声；在待测图像的拐点、边缘、尖峰、角点处时，图像的一阶微分量、二阶微分量趋近为零，此时k趋近为零，则此时扩散在边缘上几乎停止，保护边缘及纹理信息。4.根据权利要求1所述的基于曲率特征的各向异性图像去噪方法，其特征在于，所述基于曲率特征的各向异性图像平滑扩散模型为第二平滑扩散模型；所述第二平滑扩散模型的表示如下：其中，k为水平集曲率，如式子(2)所示，|k|为水平集曲率的模值，div为散度算子，为梯度算子，I0为初始图像，I为I0与高斯核卷积得到，α为曲率系数，为扩2CN110009582A权利要求书2/2页散系数，l为梯度阈值，如式子(3)所示，τ是经验系数，Iij表示待检测图像在(i,j)点处的灰度值，MN表示待检测图像像素点的个数：5.根据权利要求1所述的基于曲率特征的各向异性图像去噪方法，其特征在于，所述噪声为高斯噪声或者椒盐噪声。3CN110009582A说明书1/6页一种基于曲率特征的各向异性图像去噪方法技术领域[0001]本发明涉及图像去噪技术领域，具体涉及一种基于曲率特征的各向异性图像去噪方法。背景技术[0002]柔性集成电路基板(FlexibleIntegratedCircuitSubstrate,FICS)涉及IC制成、封装和组装等三大电子信息制造业关键工序，具有重量轻、体积小、高密度和可弯曲等特点，广泛应用于军工、航空航天、医疗和汽车等高端电子产品领域。在精密电子缺陷检测中，FICS图像的采集过程会随机产生加性高斯噪声或泊松噪声，图像的传输过程中会产生椒盐噪声；但在精密电子缺陷检测中较少考虑伽马噪声、指数噪声。图像去噪就是减少任何可能存在的退化从而增强图像的技术。[0003]目前，去除噪声的方法有：空间域滤波、变换域滤波、形态学去噪。空间域滤波是直接在空间域中对某点像素邻域内的像素直接进行某种运算得出结果，常见的空间域图像去噪方法有邻域平均法、中值滤波、低通滤波等；变换域滤波是将图像从空间域转换到变换域，对变换域中的变换系数进行相应处理，再将图像从变换域转换到空间域从而达到去除图像噪声的目的，常见的变换域滤波有：傅立叶变换、沃尔什-哈达玛变换、余弦变换、K-L变换以及小波变换等；形态学去噪声是将开运算与闭运算结合去噪声，此方法适用的图像类型是图像中的对象尺寸都比较大，且没有微小细节，对这类图像去噪效