微焦点X射线图像乘性加性混合噪声的去除

考虑微焦点X射线仪成像信噪比低,混合噪声污染严重等问题,提出了一种乘性、加性混合噪声去除方法。首先,建立了含乘性、加性混合噪声的图像模型;其次,基于总变分和稀疏表示原理分别构造了滤除加性噪声和乘性噪声的目标函数;最后,应用显式差分算法和梯度投影算法分步滤除加性噪声和乘性噪声。实验结果显示,与总变分去加性噪声方法相比,该方法处理后的图像平滑区域均值与标准差比(MSR)平均提升了10.9%,细节区域拉普拉斯梯度模(LS)平均提升了15.6%。这些结果表明:本文算法不仅有效滤除了微焦点X射线图像的混合噪声,并且较好地保留了图像细节特征,能够满足集成电路内部缺陷检测对图像平滑度和细节清晰度的要求。

基于物理总能量目标函数的稀疏重建模型

欠采样条件下的稀疏重建模型往往直接取稀疏约束项或保真项作为求解的目标函数,却从未阐述其中的物理演化规律.针对此问题,从物理运动的角度出发,提出了一种基于物理总能量目标函数的稀疏重建模型.首先,建立了微粒在黏性介质中的运动模型,模型中粒子的重力势能函数为松弛变换后的l_2-l_1范数;其次,基于该微粒的物理总能量建立了新的稀疏重建模型,该重建模型在保留l_2-l_1模型稀疏约束和保真项的基础上,增加了对相邻两次迭代结果偏差的约束,避免因该偏差过大引起的震荡;第三,提出了针对该模型的梯度投影算法,并证明了算法的收敛性,算法在新模型目标函数下的梯度方向总是包含上一步迭代的物理惯性,从而达到加速收敛和避免局部最优解的目的;最后,将该模型应用于标准灰度图像的稀疏重建以及精密电子组装中微焦点X射线缺陷检测.实验结果表明,该算法不仅保证了图像的重建质量,收敛速度还得到了大幅提升.在精密电子组装内部缺陷检测应用中,该算法在微焦点X射线图像的边缘细节保留方面有明显的优势,可更准确地识别缺陷,满足工业应用快速性和准确性要求.