基于對稱蝶形宇宙算法的電路板紅外圖像模糊增強

孫云娟

(河南師范大學(xué) 新聯(lián)學(xué)院, 河南 新鄉(xiāng) 453200)

1 引 言

隨著電路板使用集成元件越來越多，通過紅外圖像對故障進行診斷已成為重要的方法[1]，但是由于電路板自身的特性，使得紅外圖像模糊，因此提升圖像模糊增強效果是十分必要的。

對電路板紅外圖像模糊增強的算法主要有以下幾種：自適應(yīng)多目標(biāo)感興趣區(qū)域 (adaptive multi objective region of interest,AM0R0I) 提取算法[2],能夠準(zhǔn)確提取電路板紅外圖像所有芯片發(fā)熱區(qū)域, 具有一定的實用性和魯棒性；小波分解改進ESN網(wǎng)絡(luò)(wavelet decomposition-echo state network,WD-ESN)模型，通過WD將溫度變化信號進行分頻解析，經(jīng)平移及伸縮后分解為1個低頻基本分量和多個高頻細(xì)節(jié)分量，利用分頻預(yù)測來提高ESN分析效果[3]；數(shù)據(jù)融合(data fusion technology,DFT)方法，對引起電路板熱像變化很小故障診斷提供了一條的簡便途徑[4]；環(huán)行多宇宙(ring much universe,RMU)算法，各子宇宙體之間的信息交換通過量子空間比特位個數(shù)的變化來改變[5]，但是環(huán)形結(jié)構(gòu)影響算法執(zhí)行效率。

本文采用對稱蝶形宇宙(symmetric butterfly universe,SBU)算法，通過建立對稱蝶形宇宙結(jié)構(gòu)以及某個宇宙信息量變化，對電路板紅外圖像增強Beta函數(shù)的參數(shù)值尋優(yōu)。實驗仿真顯示該算法對電路板紅外圖像模糊增強效果清晰，優(yōu)質(zhì)系數(shù)、背景抑制因子值較好。

2 對稱蝶形宇宙算法模型

2.1 對稱蝶形宇宙結(jié)構(gòu)

對稱蝶形宇宙依據(jù)蝴蝶形狀的對稱性，只要設(shè)置好一側(cè)的宇宙態(tài)，另外一側(cè)的宇宙態(tài)即可通過復(fù)制、鏡像擁有相同的性能，也可產(chǎn)生不同于設(shè)置好一側(cè)的宇宙態(tài)。整個宇宙之間通過節(jié)線進行信息交流，其中對稱蝶形宇宙結(jié)構(gòu)劃分不同的節(jié)段，同一個節(jié)段的宇宙信息交流速度要高于節(jié)段之間的信息交流速度，這樣便于同一個節(jié)段之間的宇宙充分進行信息交流，而節(jié)段之間的信息交流有利于信息共享，當(dāng)某一個節(jié)段上的某個宇宙信息發(fā)生了變化，首先影響的是該節(jié)段上的宇宙信息，然后才是該節(jié)段相連最近節(jié)段上的宇宙，充分體現(xiàn)宇宙之間性能的共享性，利用Matlab建立對稱蝶形宇宙空間拓?fù)浣Y(jié)構(gòu)，見圖1。

對稱蝶形宇宙每個單側(cè)有5個節(jié)段，6個宇宙體，同時公用宇宙體5個，公用宇宙體分別有2個節(jié)段，相當(dāng)于每個單側(cè)可有7個節(jié)段，11個宇宙體，虛線相當(dāng)于在左側(cè)形成一個單側(cè)對稱結(jié)構(gòu)。判斷某個節(jié)段上的某個宇宙信息量p變化條件：

圖1 對稱蝶形宇宙結(jié)構(gòu)

(1)信息量約束條件：

(1)

式中：C為該節(jié)段上的最大信息容量；N為該節(jié)段上的宇宙?zhèn)€數(shù)。

(2)信息量守恒條件：

(2)

式中：A1、A2為相連的不同節(jié)段；fΔp、fΔh為A1、A2節(jié)段的宇宙信息變化量。

2.2 不同節(jié)段信息交流過程

宇宙體自身信息有信息差時才可與其他宇宙進行信息交流，差值越大，則交流的速度越快。

假設(shè)v為信息流出節(jié)段，ρ為信息流入節(jié)段，v、ρ節(jié)段間信息流在t1時刻狀態(tài)，

St1(v-,ρ+)=0

(3)

如果有信息流產(chǎn)生，在t2時刻，v、ρ節(jié)段間信息流的狀態(tài)，

St2(v-,ρ+)>0

(4)

v、ρ節(jié)段其信息轉(zhuǎn)移函數(shù)為

(5)

3 電路板紅外圖像增強過程

假設(shè)圖像I={f(x,y)}，大小為(M×N)，具有L個灰度級，f(x,y)∈{Lmin,Lmin+1,Lmin+2,…,Lmax}，Lmax、Lmin為圖像灰度級的最大值和最小值。

Lmin與Lmax滿足Lmax-Lmin=L-1。將f(x,y)進行歸一化處理為f′(x,y)：

(6)

在不同的灰度段實現(xiàn)非完全Beta函數(shù)自適應(yīng)電路板紅外圖像增強如下：

判決規(guī)則1：

如果圖像的灰度范圍為[0，L]，函數(shù)CG(m,n)實現(xiàn)統(tǒng)計圖像在灰度范圍[m,n]內(nèi)的灰度分布，函數(shù)η(i)實現(xiàn)求原圖像灰度值i的向上取整的值[6,7]。

判決規(guī)則2：

此時，對電路板紅外圖像偏暗部分進行拉伸。

判決規(guī)則3：

此時，對電路板紅外圖像的偏亮部分進行拉伸。

判決規(guī)則4：

此時，對電路板紅外圖像的中間部分進行拉伸，偏暗和偏亮部分壓縮。

判決規(guī)則5：

此時，對電路板紅外圖像的偏暗和偏亮部分拉伸，中間部分進行壓縮。

Beta函數(shù)參數(shù)值α、β組合可得到不同的變換曲線[8]，α<β時變換曲線對電路板紅外圖像較暗區(qū)域拉伸；α=β時變換曲線是對稱的，對電路板紅外圖像的中間區(qū)域拉伸；α>β時變換曲線對電路板紅外圖像的區(qū)域進行拉伸。把電路板紅外圖像增強質(zhì)量評價函數(shù)作為對稱蝶形宇宙算法的適應(yīng)度函數(shù)：

fitness(f,α,β)=

(7)

4 實驗仿真

實驗PC配置:CPU為AMD FX-6300 Six-Core、內(nèi)存8GB、Intel H61主板，集成顯卡，由Matlab7.0實現(xiàn)仿真。宇宙?zhèn)€數(shù)共計30個，對稱蝶形宇宙數(shù)量單側(cè)為15個，每側(cè)宇宙節(jié)段數(shù)為3個。采用不同的算法進行對比實驗。

4.1 檢測視覺效果分析

圖2為電路板紅外圖像各種算法的對比增強效果。待增強灰度原圖如圖2(a)所示，圖像整體模糊，集成元器件無法識別清楚；圖2(b)為 AM0R0I增強效果；圖2(c)為WD-ESN增強效果；圖2(d)為DFT增強效果；圖2(e)為RMU增強效果； 圖2(f)為SBU增強效果。

圖2 各種算法的對比增強效果

圖2的檢測效果顯示，本文SBU算法對電路板紅外圖像增強效果細(xì)節(jié)比較清晰，保留了圖像中大量的細(xì)節(jié)信息，集成元器件標(biāo)識可以識別出來；AM0R0I算法改善了圖像的清晰度，但由于該算法保留了噪聲，圖像依舊模糊；WD-ESN算法存在對比度低且細(xì)節(jié)模糊問題；DFT算法輪廓清晰，但整體仍偏暗，對比度不太高；RMU算法增強后細(xì)節(jié)不明顯。

4.2 檢測性能分析

4.2.1 優(yōu)質(zhì)系數(shù)檢測評價指標(biāo)

為了客觀地評價圖像增強效果，采用優(yōu)質(zhì)系數(shù)μ作為增強檢測評價指標(biāo)[9]：

(8)

式中：n0和nd分別代表增強后與原始的圖像邊緣上的點數(shù);K為比例系數(shù)，用以調(diào)節(jié)與增強后邊緣點有偏差的μ;di為原始圖像提取出的第i點邊緣點到增強后邊緣線的法線距離，單位為像元數(shù)。μ∈(0,1)越大，其增強圖像邊緣效果越好，為了減少數(shù)據(jù)誤差，采取多次仿真取均值，優(yōu)質(zhì)系數(shù)μ效果見圖3。

圖3 優(yōu)質(zhì)系數(shù)檢測效果

從圖3可以看出，本文算法對電路板紅外圖像增強的效果較好，可以保持良好的邊緣信息。

4.2.2 背景抑制因子

為了評價各種算法對背景雜波的抑制情況，引入背景抑制因子(background suppress factor，BSF)[10]:

BSF=kin/kout

(9)

式中：kin、kout為圖像處理前后背景雜波的標(biāo)準(zhǔn)差。 BSF值越大，表明處理的性能越好，檢測效果見圖4。

圖4 背景抑制檢測效果

從圖4可以看出，本文的BSF值最大，可以在抑制背景的同時進一步提高圖像的信噪比。

5 結(jié) 語

本文采用對稱蝶形宇宙算法提升了電路板紅外圖像增強的效果。實驗仿真表明通過該算法與各種算法對比，其對電路板紅外圖像增強效果更為清晰，檢測性能分析效果比較好，為電路板質(zhì)量檢測提供了一種新方法。

[參考文獻]

[1] 張玉存,侯新玉.基于紅外熱圖像的瀝青路面溫度離析區(qū)域檢測方法[J].計量學(xué)報,2017,38(1)：23-27.

[2] 王力,曾佩佩,郝建新.電路板紅外圖像多目標(biāo)提取算法[J].計算機系統(tǒng)應(yīng)用,2014,23(2):142-145,85.

[3] 賈彥榮,崔展博,吳倩倩,等.基于紅外熱像采集的BPSO-WD-ESN電路板故障預(yù)測[J].沈陽航空航天大學(xué)學(xué)報,2016,33(4):67-72,84.

[4] 羅鋒華,文方.信息融合技術(shù)在電路板無損檢測中的應(yīng)用研究[J].制造業(yè)自動化,2010,32(1):22-24,12.

[5] Hu Jie,Li Tian-rui ,Luo Chuan,etal.Incremental fuzzy probabilistic rough sets over two universes[J].InternationalJournalofApproximateReasoning,2017,81(2):28-48.

[6] 徐超,黃風(fēng)華,毛政元.一種改進的二維Otsu閾值分割算法[J].電子技術(shù)應(yīng)用,2016,42(12):108-111.

[7] 張劍飛,杜曉聽,王波.基于量子螢火蟲和增益Beta的醫(yī)學(xué)DR圖像自適應(yīng)增強[J].微電子學(xué)與計算機,2014,31(5):135-139.

[8] 陳洪濤.基于改進蛙跳算法的圖像自適應(yīng)增強研究[J].計量學(xué)報,2016,37(6):587-590.

[9] 喬鬧生.印制電路板缺陷圖像邊緣檢測[J].光子學(xué)報,2016,45(4):117-123.

[10] 陳洪,張延鑫,朱祥玲,等.一種基于背景抑制的星空圖像增強方法[J].解放軍理工大學(xué)學(xué)報自然科學(xué)版,2015,16(2):109-113.