基于Curvelet变换的ESPI图像散斑噪声抑制算法研究

摘要

电子散斑干涉技术测量是有非接触,高精度和全场等优点,一直为人们所重视,被大量地应用于表面测量和工业产品的无损检测。随着电子技术、计算机技术、激光技术的发展促进了散斑计量技术的广泛应用,使散斑计量技术向实时、高速度及自动化方向发展。 在现代数字散斑测量方法中,一般采用减模式来产生数字散斑条纹图,它是进一步图像处理的信息载体,同时不可避免地附带有大量的乘性噪声。为了保证测量精度,在进一步图像处理前必须对其进行降噪,为此,选择合适的滤波方法显得尤为重要。 近年来,小波分析在信号处理中的应用取得了很大的发展,主要得益于其对信号的时、频局域分析能力及对一维有界变差函数类的最优逼近性能。但在二维或更高维情况下,小波分析并不能充分的利用数据本身特有的几何特征线奇异性、面奇异性获取“稀疏”的函数表示方法。Curvelet变换能够获取对二维或高维空间中含奇异曲线或曲面的函数近乎最“稀疏”的表示。而且,已有文献将Curvelet变换应用于合成孔径雷达(SAR)图像去除斑点噪声,由于合成孔径雷达与光学干涉相仿,SAP图像中的斑点噪声也是乘性噪声,因此研究Curvelet变换及其在ESPI图像处理中的应用具有很重要的意义。 本文阐述了散斑测量技术发展概况,分析了散斑噪声的形成原因及统计特性；并在阅读了大量文献和实验的基础上,对国内外常用的数字散斑干涉条纹图滤波方法进行了分类阐述,选择了一些有代表性的方法予以实现,给出实验结果,并进行了对比分析： 另外,本文重点研究了Curvelet变换的去噪原理及方法,并结合ESPI条纹图中散斑乘性噪声的特性,提出了改进的Curvelet变换去噪方法,即在去噪之前,先将图像进行对数变换,使得乘性噪声变成加性噪声,然后再进行Curvelet变换去噪,这样会更有利于噪声与边缘信息的分离,实验结果表明该方法在有效去除散斑噪声的同时,较好的保持了条纹图的边缘细节信息,并把该方法应用在对轮胎的激光无损检测图像处理系统中,得到比较满意的效果,为无损检测图像处理的工业应用提供了新的思路。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究的目的和意义

1.2国内外研究现状

1.3论文的研究内容与组织结构

第二章 ESPI图像噪声分析及去噪评价方法

2.1 ESPI图像噪声分析

2.1.1激光散斑的形成及特点

2.1.2散斑统计特性的研究

2.1.3 ESPI条纹图散斑噪声特点

2.2去噪评价方法

第三章 传统滤波方法在ESPI图像中的应用

3.1传统滤波方法

3.1.1空域滤波

3.1.2频域低通滤波

3.2小波去噪

3.2.1小波去噪机理

3.2.2小波去噪发展历程

3.2.3小波去噪方法

3.2.4数字图像小波去噪法的实现

3.3各种去噪方法实验结果分析

3.4小结

第四章 Curvelet变换去噪原理及实现

4.1引言

4.2小波变换基本理论

4.2.1连续小波变换(CWT)

4.2.2离散小波变换(DWT)

4.2.3二进小波变换

4.2.4多分辨分析

4.2.5图像的小波变换

4.2.6小结

4.3 Ridgelet变换

4.3.1引言

4.3.2 Ridgelet变换——概念及实现

4.3.3利用Ridgelet变换进行图像去噪

4.3.4实验结果与分析

4.3.5小结

4.4 Curvelet变换

4.4.1 Curvelet分析

4.4.2 Curvelet变换的重构

4.4.3 Cuevelet变换的仿真实现

4.4.4 Curvelet阈值去噪

4.4.5 Curvelet去噪实验研究

4.5本章小结

第五章 基于Curvelet变换的ESPI图像抑噪应用

5.1实验对象及装置

5.2实验方案

5.3实验研究

5.4本章小结

结 论

参考文献

攻读硕士学位期间取得的研究成果

致谢