基于卷积融合字典的电路板红外图像去噪研究

摘要：

由于红外图像存在噪声,电路板芯片定位困难,因此基于红外图像的机载电路板故障诊断方法在实际应用中诊断效果并不理想.针对此问题,本文在卷积稀疏编码和字典学习的基础上,提出了一种基于卷积融合字典学习的航电系统电路板红外图像去噪算法.首先,并行融合改进卷积稀疏编码结构和离散余弦变换字典形成复合初始化字典,以有效提取电路板红外图像特征;接着,建立稀疏特征矩阵,更新红外图像特征原子;最后,将稀疏特征系数带入算法对模型进行训练和测试,完成电路板红外图像的去噪重构.实验采用航电系统电源电路板进行可靠性分析,实验结果表明,与K-SVD和卷积网络去噪方法相比,本文算法在图像视觉效果,输出PSNR和SSIM方面更具优势,具有更好的去噪效果.

关键词：图像去噪、红外图像、航电系统、稀疏编码、卷积网络

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本业务费项目;基于运行机理与数据驱动的空中防撞系统故障预测与诊断;基于红外技术与数据驱动的机载电路板卡故障诊断与预测研究项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1867-1875