基于GA-BP的改进高斯均值区域去噪技术
Improved gaussian mean region denoising technology based on GA-BP作者机构:中国计量大学光学与电子科技学院杭州310018 中国计量大学质量与安全工程学院杭州310018
出 版 物:《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)
年 卷 期:2022年第36卷第2期
页 面:107-113页
核心收录:
学科分类:070207[理学-光学] 07[理学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0702[理学-物理学]
基 金:国家级大学生创新创业训练计划(202010356009) 浙江省公益技术研究计划(LGN20F050001) 国家重点研发计划(2020YFF0217803)项目资助
摘 要:光纤连接器因其在光传输系统中的重要作用而备受关注,但是其表面附着的杂质会使复原的表面形貌出现噪点。而且现有的检测方法无法准确定位噪点,需要对其进行多次整体降噪处理,以此得到的图像细节保留能力较差。为此提出了一种基于遗传算法优化BP神经网络(GA-BP)的改进高斯均值区域去噪技术。首先,对干涉数据进行降维处理;其次,将降维后的数据作为神经网络的训练数据,利用神经网络对噪点进行定位;最后,采用改进的高斯均值滤波对三维图像的噪点位置进行滤波处理。结果表明,通过神经网络判别法得到的噪声像素点为2.45%,相比于阈值判别法具有较高的精度。并且通过改进的高斯均值滤波方法得到的方法噪声差值为474.7,峰值信噪比(PSNR)值为32.56。相比于均值和中值滤波方法,图像细节保持能力较高,复原图像噪点凸起明显减少。因此,它更适用于基于白光干涉原理的自动化检测。