CN115358947A - 一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 - Google Patents
一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115358947A CN115358947A CN202211007718.4A CN202211007718A CN115358947A CN 115358947 A CN115358947 A CN 115358947A CN 202211007718 A CN202211007718 A CN 202211007718A CN 115358947 A CN115358947 A CN 115358947A
- Authority
- CN
- China
- Prior art keywords
- ferrographic
- wavelet
- abrasive particle
- image
- denoising
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 32
- 230000009467 reduction Effects 0.000 claims abstract description 15
- 239000006061 abrasive grain Substances 0.000 claims description 84
- 238000001914 filtration Methods 0.000 claims description 30
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 229910052742 iron Inorganic materials 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101150065184 sym-2 gene Proteins 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质，包括：获取经过灰度处理的铁谱磨粒图像；使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。本发明的目的在于去除磨粒图像中包含的噪声，提高图像信噪比，方便后续图像分割等操作。
Description
技术领域
本发明属于机械工程故障诊断与计算机图像数字化处理技术的交叉领域，具体涉及一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质。
背景技术
随着现代化工业的高度发展，现代机械设备朝着大型化、自动化及智能化发展，长期服役和极端服役条件更是对机械设备的性能提出了更高的要求。广泛存在于摩擦副中的磨损会直接导致材料损耗和能源浪费，严重时甚至影响设备运行可靠性及安全性。与振动检测技术相比，磨损监测技术能够更早的监测到设备的故障发生及发展，反映设备的摩擦学系统结构变化。润滑油中磨损颗粒是摩擦副表面磨损的直接产物。磨粒分析可以最直接的获取设备的磨损状态信息，甚至确定故障的诱发因素及故障的发展趋势。通过对机械设备所产生磨损颗粒进行定性、定量的监测，能够获得大量丰富的故障隐患信息。然而，磨粒识别主要是通过分析人员借助显微镜观察来实现，这一分析依赖于分析人员的经验知识，具有极大的不确定性。因此，将计算机图像数字化处理技术应用于铁谱磨粒图像的识别处理符合其发展规律。
部分机械设备因摩擦、搅动等原因将导致油液温度的上升，随之油液中会产生很多的气泡。另外，由于设备光线强弱、通信连接等原因将使得采集的图像中包含很多的背景噪声。这些噪声的存在影响了后续的磨粒分割、特征提取等处理。为了改善图像质量，提高磨粒特征提取的准确性，在对铁谱图像处理前，需对其进行噪声去除处理。现有使用小波变换处理磨粒图像的方法，使用小波分解重构来构造低频与高频图像分别处理，对低频图再进行小波变换往复构造直到去噪完成。这种方法虽考虑了图像的细节信息，但没有充分利用小波分析的多分辨率特性，适应性不够全面。
发明内容
针对现有技术中存在的问题，本发明提供了一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质，其目的在于去除磨粒图像中包含的噪声，提高图像信噪比，方便后续图像分割等操作。
为了解决上述技术问题，本发明通过以下技术方案予以实现：
一种铁谱磨粒图像去噪方法，包括：
获取经过灰度处理的铁谱磨粒图像；
使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；
将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。
进一步地，所述使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像，包括：
使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波分解，得到小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量；
分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪，得到每个小波基对应铁谱磨粒图像降噪后的高频分量；
将所述每个小波基对应铁谱磨粒图像降噪后的高频分量与该小波基对应铁谱磨粒图像的低频分量进行小波逆变换，得到每个小波基对应降噪后的铁谱磨粒图像。
进一步地，所述分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪，具体为：
采用软阈值函数结合贝叶斯阈值分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪。
进一步地，所述铁谱磨粒图像的高频分量包括铁谱磨粒图像的水平系数、垂直系数和对角线系数；
所述铁谱磨粒图像的低频分量包括铁谱磨粒图像的近似系数。
进一步地，所述将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像，包括：
使用一个设定小波基对每个小波基对应降噪后的铁谱磨粒图像进行小波分解，得到小波融合过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量；
基于区域特性量测的融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的高频分量进行融合；
基于加权融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的低频分量进行融合；
对融合后的高频分量与融合后的低频分量进行小波逆变换，得到去噪后的铁谱磨粒图像。
进一步地，所述基于区域特性量测的融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的高频分量进行融合，包括：
计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的能量；
根据所述局部区域的能量计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的匹配度；
将所述匹配度与预设阈值进行比较，当所述匹配度小于所述预设阈值时，选择能量大的区域的中心像素作为融合后铁谱磨粒图像在该区域上的中心像素；反之，采用加权融合算子确定融合后铁谱磨粒图像在该区域上的中心像素。
进一步地，所述获取经过灰度处理的铁谱磨粒图像之前，还包括：
获取铁谱磨粒图像；
对所述铁谱磨粒图像进行灰度处理，得到灰度处理的铁谱磨粒图像。
一种铁谱磨粒图像去噪装置，包括：
获取模块，用于获取经过灰度处理的铁谱磨粒图像；
小波降噪模块，用于使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；
小波融合模块，用于将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。
一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种铁谱磨粒图像去噪方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种铁谱磨粒图像去噪方法的步骤。
与现有技术相比，本发明至少具有以下有益效果：
本发明提供的一种铁谱磨粒图像去噪方法，获取经过灰度处理的铁谱磨粒图像，使用多个小波基分别对经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像，将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。在现阶段铁谱磨粒识别分析仍主要依赖于分析人员的经验知识的背景下，本发明将图像数字化处理的手段引入铁谱磨粒分析中。将贝叶斯阈值降噪与小波分解相结合，将图像中的信息分解为高频分量与低频分量，对高频分量进行滤波降噪处理，相比于传统的阈值处理方法，使对于铁谱磨粒图像的降噪方法更加合理与科学；结合基于区域特性量测的融合规则，与简单的加权平均融合方法相比，能够更好的保留铁谱磨粒图像中的特征信息，在保留更多铁谱磨粒图像信息的基础上减少噪声，有效提高图像的信噪比。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种铁谱磨粒图像去噪方法的流程图；
图2为本发明一种铁谱磨粒图像去噪方法的技术路线；
图3为油液磨粒灰度图；
图4为小波分解后的图像分量；
图5为贝叶斯阈值降噪重构图像；
图6为小波融合后的铁谱磨粒图像；
图7为滑动磨粒中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较；
图8为疲劳磨粒中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较；
图9为切削磨粒中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较；
图10为球状磨粒中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
作为本发明的某一具体实施方式，本发明提供了一种铁谱磨粒图像去噪方法，包括以下步骤：
步骤1：利用铁谱仪获取铁谱磨粒图像。
步骤2：将彩色铁谱磨粒图像经过灰度处理，转为灰度图，如图3所示，其中a)为滑动磨粒图像、b)为疲劳磨粒图像、c)为切削磨粒图像、d)为球状磨粒图像。
步骤3：使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像，具体如下：
步骤3.1：使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波分解，得到小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量。
具体地说，所述铁谱磨粒图像的高频分量包括铁谱磨粒图像的水平系数、垂直系数和对角线系数，所述铁谱磨粒图像的低频分量包括铁谱磨粒图像的近似系数。
本实施例中，选定sym2小波基、haar小波基和db2小波基，并选定小波分解的层次为2层。
使用不同的小波基，计算铁谱磨粒图像第二层的分解，并获得分解后的铁谱磨粒图像的高频分量——水平系数、垂直系数和对角线系数，以及分解后的铁谱磨粒图像的低频分量——近似系数，分解后的图像分量如图4所示，其中a)为滑动磨粒图像的图像分量、b)为疲劳磨粒的图像分量、c)为切削磨粒的图像分量、d)为球状磨粒的图像分量。
步骤3.2：分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪，得到每个小波基对应铁谱磨粒图像降噪后的高频分量。
采用软阈值函数结合贝叶斯阈值分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪。
本实施例中，设定软阈值函数的公式为式(1)：
式(1)中，β是预先设置的阈值，sign(w)(|w|-β)代表将系数的绝对值与阈值β相比较，其中比阈值β大的信号点取该点值与阈值β的差，比阈值β的相反数还小的信号点取该点值与阈值β的和，并将所述软阈值函数作为阈值处理函数，其中，signx为符号函数，其表示如式(2)：
采用贝叶斯阈值，其计算公式为式(3)：
式(3)中，σN 2为噪声的方差估计值，σS为图像信号标准差的估计值，标准差估计为：
σ＝Median(|w|)/0.6745 (4)
步骤3.3：将所述每个小波基对应铁谱磨粒图像降噪后的高频分量与该小波基对应铁谱磨粒图像的低频分量进行小波逆变换，得到每个小波基对应降噪后的铁谱磨粒图像。
本实施例中，使用与小波分解时对应的小波基函数，选取sym2小波基、haar小波基和db2小波基，且层次为2层，每个小波基对应降噪后的铁谱磨粒图像如图5所示，其中a)为滑动磨粒对应降噪后的铁谱磨粒图像、b)为疲劳磨粒对应降噪后的铁谱磨粒图像、c)为切削磨粒对应降噪后的铁谱磨粒图像、d)为球状磨粒对应降噪后的铁谱磨粒图像。
步骤4：将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像，具体如下：
步骤4.1：使用一个设定小波基对每个小波基对应降噪后的铁谱磨粒图像进行小波分解，得到小波融合过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量。
本实施例中，选用haar小波基函数对每个小波基对应降噪后的铁谱磨粒图像进行小波分解。
步骤4.2：基于区域特性量测的融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的高频分量进行融合，具体如下：
步骤4.2.1：计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的能量。
本实施例中，采用式(5)分别计算小波融合过程中两幅铁谱磨粒图像相应分解层上对应局部区域的能量能量El,A和能量El,B：
式(5)中，El(n,m)表示以(n,m)为中心位置的局部区域能量；LPl表示分解的第l层图像；wl(n′,m′)表示与Ll对应的权系数；J，K定义了局部区域的大小。
步骤4.2.2a：根据所述局部区域的能量计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的匹配度MAB，具体如下：
其中，El,A和El,B按式(5)计算。
步骤4.2.3：将所述匹配度与预设阈值进行比较，当所述匹配度小于所述预设阈值时，选择能量大的区域的中心像素作为融合后铁谱磨粒图像在该区域上的中心像素；反之，采用加权融合算子确定融合后铁谱磨粒图像在该区域上的中心像素。
本实施例中，定义匹配阈值T，取T＝0.7。
若Ml,AB(n,m)＜T，则：
若Ml,AB(n,m)≥T时，则：
其中：
以上各式中的LPl,F表示融合后的第l层图像。
从上面的算法可以看出，当两幅图像A,B对应分解层上对应局部区域间的匹配度小于阈值T时，说明两图像在该区域上的能量差别较大，此时选择能量大的区域的中心像素作为融合后图像在该区域上的中心像素；反之，当两图像A,B对应局部区域间的匹配度大于或等于阈值T时说明两图像在该区域能量相近，此时采用加权融合算子确定融合后图像在该区域上的中心像素的灰度值。
步骤4.2.2b：基于加权融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的低频分量进行融合。
步骤4.2.3：对融合后的高频分量与融合后的低频分量进行小波逆变换，得到去噪后的铁谱磨粒图像。
本实施例中，使用与小波分解时对应的小波基函数，选取haar小波基，且层次为2层，至此获得去噪后的铁谱磨粒图像，如图6所示，其中a)为滑动磨粒图像去噪后的铁谱磨粒图像、b)为疲劳磨粒图像去噪后的铁谱磨粒图像、c)为切削磨粒图像去噪后的铁谱磨粒图像、d)为球状磨粒图像去噪后的铁谱磨粒图像。
为了验证本发明去噪方法的去噪效果，本实施例选择峰值信噪比(Peak-Signal-to-Noise-Radio，PSNR)和均方根误差(Mean Square Error，MSE)来评估去噪效果的好坏。
其中，峰值信噪比PSNR通过公式
计算；均方根误差MSE通过公式
计算，其中xi表示原始图像信号，yi表示去噪后的图像信号，当PSNR较高且MSE较低时，去噪效果更好。
图7为中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较，具体详见表1。
表1为中值滤波、高斯滤波、维纳滤波、均值滤波和本发明去噪效果比较
本发明使用多小波基对铁谱磨粒图像进行小波分解，获得分解后磨粒图像的水平、垂直、对角线细节系数和近似系数；采用贝叶斯阈值，对细节系数进行滤波，从而自适应的获取在Bayes风险最小条件下的降噪图像系数；进行小波逆变换，获得降噪后的重构图像；对多张阈值降噪图像进行小波融合，其中，高频的细节系数使用基于区域特性量测的融合规则，近似系数采用加权融合规则。至此获得降噪后的铁谱磨粒图像。通过对利用铁谱成像技术获得的铁谱磨粒图像进行分析处理，验证了所提方法的可行性和有效性，处理结果表明，所提方法能够有效减少铁谱图像中的噪声。
本发明提供了一种铁谱磨粒图像去噪装置，用于实现一种铁谱磨粒图像去噪方法，包括：
获取模块，用于获取经过灰度处理的铁谱磨粒图像；
小波降噪模块，用于使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；
小波融合模块，用于将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。
本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于实现一种铁谱磨粒图像去噪方法的操作。
本发明在一个实施例中，一种铁谱磨粒图像去噪方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种铁谱磨粒图像去噪方法，其特征在于，包括：
获取经过灰度处理的铁谱磨粒图像；
使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；
将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。
2.根据权利要求1所述的一种铁谱磨粒图像去噪方法，其特征在于，所述使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像，包括：
使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波分解，得到小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量；
分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪，得到每个小波基对应铁谱磨粒图像降噪后的高频分量；
将所述每个小波基对应铁谱磨粒图像降噪后的高频分量与该小波基对应铁谱磨粒图像的低频分量进行小波逆变换，得到每个小波基对应降噪后的铁谱磨粒图像。
3.根据权利要求2所述的一种铁谱磨粒图像去噪方法，其特征在于，所述分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪，具体为：
采用软阈值函数结合贝叶斯阈值分别对所述小波降噪过程中每个小波基对应铁谱磨粒图像的高频分量进行滤波降噪。
4.根据权利要求2所述的一种铁谱磨粒图像去噪方法，其特征在于，所述铁谱磨粒图像的高频分量包括铁谱磨粒图像的水平系数、垂直系数和对角线系数；
所述铁谱磨粒图像的低频分量包括铁谱磨粒图像的近似系数。
5.根据权利要求1所述的一种铁谱磨粒图像去噪方法，其特征在于，所述将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像，包括：
使用一个设定小波基对每个小波基对应降噪后的铁谱磨粒图像进行小波分解，得到小波融合过程中每个小波基对应铁谱磨粒图像的高频分量和低频分量；
基于区域特性量测的融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的高频分量进行融合；
基于加权融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的低频分量进行融合；
对融合后的高频分量与融合后的低频分量进行小波逆变换，得到去噪后的铁谱磨粒图像。
6.根据权利要求5所述的一种铁谱磨粒图像去噪方法，其特征在于，所述基于区域特性量测的融合规则对小波融合过程中所有小波基对应铁谱磨粒图像的高频分量进行融合，包括：
计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的能量；
根据所述局部区域的能量计算小波融合过程中铁谱磨粒图像的高频分量对应局部区域的匹配度；
将所述匹配度与预设阈值进行比较，当所述匹配度小于所述预设阈值时，选择能量大的区域的中心像素作为融合后铁谱磨粒图像在该区域上的中心像素；反之，采用加权融合算子确定融合后铁谱磨粒图像在该区域上的中心像素。
7.根据权利要求1所述的一种铁谱磨粒图像去噪方法，其特征在于，所述获取经过灰度处理的铁谱磨粒图像之前，还包括：
获取铁谱磨粒图像；
对所述铁谱磨粒图像进行灰度处理，得到灰度处理的铁谱磨粒图像。
8.一种铁谱磨粒图像去噪装置，其特征在于，包括：
获取模块，用于获取经过灰度处理的铁谱磨粒图像；
小波降噪模块，用于使用多个小波基分别对所述经过灰度处理的铁谱磨粒图像进行小波降噪，得到每个小波基对应降噪后的铁谱磨粒图像；
小波融合模块，用于将所有小波基对应降噪后的铁谱磨粒图像进行小波融合，得到去噪后的铁谱磨粒图像。
9.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种铁谱磨粒图像去噪方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种铁谱磨粒图像去噪方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211007718.4A CN115358947A (zh) | 2022-08-22 | 2022-08-22 | 一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211007718.4A CN115358947A (zh) | 2022-08-22 | 2022-08-22 | 一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115358947A true CN115358947A (zh) | 2022-11-18 |
Family
ID=84002480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211007718.4A Pending CN115358947A (zh) | 2022-08-22 | 2022-08-22 | 一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115358947A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965624A (zh) * | 2023-03-16 | 2023-04-14 | 山东宇驰新材料科技有限公司 | 一种抗磨液压油污染颗粒检测方法 |
-
2022
- 2022-08-22 CN CN202211007718.4A patent/CN115358947A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965624A (zh) * | 2023-03-16 | 2023-04-14 | 山东宇驰新材料科技有限公司 | 一种抗磨液压油污染颗粒检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jakhetiya et al. | A highly efficient blind image quality assessment metric of 3-D synthesized images using outlier detection | |
| CN111833312B (zh) | 一种检测故障绝缘子放电的紫外图像诊断方法及系统 | |
| Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
| Nair et al. | Direction based adaptive weighted switching median filter for removing high density impulse noise | |
| CN112862753B (zh) | 噪声强度估计方法、装置及电子设备 | |
| CN112017109B (zh) | 一种在线铁谱视频图像气泡的消除方法 | |
| CN115358947A (zh) | 一种铁谱磨粒图像去噪方法、装置、设备及可读存储介质 | |
| CN111696064B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| CN112991199A (zh) | 一种基于残差密集网络的图像高低频分解噪声去除方法 | |
| Ma et al. | No-reference image quality assessment based on multi-task generative adversarial network | |
| Hernández-Gutiérrez et al. | Improved preclassification non local-means (IPNLM) for filtering of grayscale images degraded with additive white Gaussian noise | |
| Bhateja et al. | Reduced reference IQA based on structural dissimilarity | |
| KR20160038683A (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
| CN114693543B (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
| CN110728692A (zh) | 一种基于Scharr算子改进的图像边缘检测方法 | |
| Zhu et al. | Quantitative assessment mechanism transcending visual perceptual evaluation for image dehazing | |
| JP2005318614A (ja) | 入力画像中のアーチファクトを低減する方法 | |
| Elhefnawy et al. | Effective visibility restoration and enhancement of air polluted images with high information fidelity | |
| Pana et al. | Statistical filters for processing and reconstruction of 3D brain MRI | |
| Ma et al. | Image Dehazing Based on Improved Color Channel Transfer and Multiexposure Fusion | |
| Rajalakshmi et al. | Wavelet based weighted median filter for image denoising of mri brain images | |
| Suneetha et al. | Image denoising based on statistical nearest neighbor and wave atom transform | |
| Khan et al. | MRI images enhancement using genetic programming based hybrid noise removal filter approach | |
| Yadav et al. | A new robust scale-aware weighting-based effective edge-preserving gradient domain guided image filter for single image dehazing | |
| Shaliniswetha et al. | RESIDUAL LEARNING BASED IMAGE DENOISING AND COMPRESSION USING DNCNN. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |