基于总变分模型的工业X射线图像加性噪声与乘型噪声去除比较

关键词： X射线噪声检测图像

随着各种相关需求的不断增加, X射线检测技术得到广泛的应用。但在X射线检测系统成像过程中, 存在电气噪声、射线噪声等[1], 这些噪声的存在使得图像整体质量较差, 表现为图像对比度低、背景噪声明显等。有效的图像去噪算法可以滤除系统噪声和背景噪声, 提高图像对比度, 将被测工件的细节部分从背景中分离出来, 清晰的显示细节[2]。因此, 在实际应用中, 分析噪声的性质并去除这些噪声、改善图像的质量是X射线图像分析与判断的重要预处理环节。目前常用的去噪方法涉及到的大部分去噪算法都是基于加性噪声模型的, 而噪声通常是随机产生的, 有加性噪声, 有乘型噪声。因此要减少图像中的噪声, 必须针对具体情况采用不同的方法, 否则很难获得满意的处理效果。本文结合工业X射线图像特点, 运用加性噪声总变分模型和乘型噪声总变分模型分别去除噪声, 研究X射线图像中噪声类型。

1. 总变分模型

1.1 加性噪声模型

设X射线图像加性噪声模型:

上式中, 为含噪声图像, 为干净图像, 为加性噪声。针对加性噪声去除的总变分模型, 可归结为如下能量泛函的最小化问题[3]:

上式中, 为散度算子, 为梯度算子, 采用总变分模型的显式差分方案可恢复信号, 去除加性噪声。

1.2 乘性噪声模型

设X射线图像乘性噪声模型:

上式中, 为含噪声图像, 为干净图像, 为乘性噪声。与加性噪声总变分模型类似, 乘性噪声去除可归结为如下能量泛函的最小化问题[4]:

上式中, 第一项为保真项, 第二项为正则化项, 参数为规整参数, 对平衡图像去噪和平滑起重要作用。与加性噪声总变分模型的区别仅在于保真项的不同, 其对应的梯度下降流方程为:

上式中, 为散度算子, 为梯度算子, 采用总变分模型的显式差分方案可恢复信号, 去除乘性噪声。

2. 实验结果

本文以X射线焊缝图像为实验对象, 并将图像分别用加性噪声总变分模型和乘型噪声总变分模型去除噪声。

为进一步验证实验结果的可靠性, 本文通过图像评价函数:清晰度、信息熵、标准差从客观上评价图像。从表1中可知, X射线焊缝图像中存在加性噪声和乘性噪声, 且在图像清晰度得到较好的保持前提下, 乘性噪声的去除更为明显, 与主观评价一致。

摘要：在X射线检测系统成像过程中, 由于成像过程中电气噪声、射线噪声等的影响, 导致X射线图像噪声明显。为进一步研究X射线图像中噪声的性质, 本文用加性噪声总变分模型和乘型噪声总变分模型分别对X射线图像进行噪声去除, 得出工业X射线图像中存在加性噪声和乘型噪声, 且乘型噪声总变分模型去除X射线焊缝图像中的乘性噪声更为有效。

关键词：总变分模型,工业X射线图像,去噪