基于K-SVD算法的带钢表面缺陷图像去噪

摘要：

目的 有效滤除带钢表面缺陷图像高斯噪声.方法 高斯噪声是影响带钢图像质量的主要噪声类型之一,针对带钢表面缺陷图像高斯噪声去噪,首先对传统K-SVD(K-means and singular value decomposition)算法中的字典进行升级改造,然后采用正交匹配追踪(OMP,Orthogonal Matching Pursuit)算法对图像进行重构,滤除噪声,最后运用此算法对缺陷图像进行高斯滤波处理.为验证该算法去噪效果,选取几种常见的典型缺陷图像(划伤、气泡、氧化色、粘结纹)进行测试仿真,并选用中值滤波、均值滤波、小波变换、维纳滤波、3维块匹配(BM3D)等多种传统滤波方法进行比较.结果 该算法对四种典型缺陷去噪的PSNR(Peak Signal to Noise Ratio)值平均可达33.976 dB,MSE(Mean Square Error)平均值为27.607,SSIM(Structural Similarity)平均值为0.912.结论 该算法对带钢表面缺陷重构图像的边缘细节清晰,PSNR、MSE、SSIM三个性能指标明显优于其他传统滤波算法,去噪效果良好.

关键词：K-SVD算法、正交匹配追踪、DCT字典、高斯噪声、滤波、带钢缺陷

所属期刊栏目：46

分类号：TG142.1+1;TP391.41(金属学与热处理)

资助基金：河北省自然科学基金E2016202341;河北省引进留学人员基金C2012003038 Suported by Hebei Province Natural Science FoundationE2016202341;Hebei Province Foundation for Returned ScholarsC2012003038

在线出版日期：2017-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：249-254