一种基于梯度和自适应曲率特征的图像去噪方法.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CN109840896A(43)申请公布日2019.06.04(21)申请号201910151604.9(22)申请日2019.02.28(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3页说明书9页附图10页(54)发明名称一种基于梯度和自适应曲率特征的图像去噪方法(57)摘要本发明公开了一种基于梯度和自适应曲率特征的图像去噪方法，包括：S1，将待检测图像上添加噪音，将添加噪音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，利用基于梯度和自适应曲率特征的图像去噪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，在1到预设的曲率系数α的最大值n之间循环曲率系数，确定PSNR最大的去噪后的图像，作为输出图像，n≥2。本方案在基于梯度和自适应曲率特征的图像去噪模型中加入了水平集曲率作为检测因子，在去除噪音的同时有效的增强图像尖锐边缘，保留更多细节特征，增加了FICS缺陷检测的精准度。CN109840896ACN109840896A权利要求书1/3页1.一种基于梯度和自适应曲率特征的图像去噪方法，其特征在于，包括：S1，将待检测图像上添加噪音，将添加噪音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，利用基于梯度和自适应曲率特征的图像去噪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，在1到预设的曲率系数α的最大值n之间循环曲率系数，确定PSNR最大的去噪后的图像，作为输出图像，n≥2。2.根据权利要求1所述的基于梯度和自适应曲率特征的图像去噪方法，其特征在于，所述基于梯度和自适应曲率特征的图像去噪模型表示如下：其中，k为水平集曲率，k的公式表示为式子(2)，|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，Iij分别表示图像在(i,j)点处的灰度值，MN表示图像像素点的个数，l的公式表示为式子(3)：3.根据权利要求2所述的基于梯度和自适应曲率特征的图像去噪方法，其特征在于，所述基于梯度和自适应曲率特征的图像去噪模型中，当时，对灰度化后的待检测图像进行平滑滤波；当时，对灰度化后的待检测图像在边缘上的扩散停止。4.根据权利要求2所述的基于梯度和自适应曲率特征的图像去噪方法，其特征在于，设平面曲线C上的某点s，其单位切向量为T＝(cosθ,sinθ)，单位法向量为N＝(-sinθ,cosθ)＝(n1,n2)，θ为单位切向量T与x轴之间的夹角，则曲率k为单位切向量与法向量的旋转角速度，对法向量求偏导得：2CN109840896A权利要求书2/3页又因为：公式(4)可变为：将公式(6)带入cosθ2+sinθ2＝1中得：设平面封闭曲线C，C＝{(x,y),I(x,y)＝0}，I(x,y)可视为空间中的曲面，I(x,y)＝0可视为曲面与xoy平面上的交线，此方程为曲线的隐式表达；I(x,y)称为水平集，I(x,y)＝0称为零水平集；由于切向速度只影响曲线的参数化，不影响曲线的形状和几何特征，所以当曲线表示确定，水平集沿曲线切线方向保持不变；对零水平集上某点沿切线方向求方向导数，则：由式子(8)可知，I(x,y)的梯度矢量与曲线切向量T＝(cosθ,sinθ)相互垂直，即为I(x,y)的梯度矢量与曲线法向量为N＝(-sinθ,cosθ)＝(n1,n2)相互平行，所以水平集的单位法向量也可表示为：对式子(9)取正号，并将其带入式子(13)得到水平集曲率k为：3CN109840896A权利要求书3/3页4CN109840896A说明书1/9页一种基于梯度和自适应曲率特征的图像去噪方法技术领域[0001]本发明涉及高密度柔性印制基板图像处理中的去噪技术领域，具体涉及一种基于梯度和自适应曲率特征的图像去噪方法。背景技术[0002]柔性IC封装基板(flexibleintegratedcircuitpackagingsubstrates,FICS)是推动高密度倒装芯片技术飞速发展的重要载体，其制造工艺技术横跨半导体芯片制程、先进封装和印制电路三大领域。特别是随着IC制造工艺进入7-14纳米制程，FICS的线宽线距也进入10u以下制程。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；在精密电子缺陷检测中较少考虑伽马