基于GA-BP的改进高斯均值区域去噪技术

作者：许学彬; 陈博桓; 赵楠楠; 沈洋; 倪军^*

来源：电子测量与仪器学报, 2022, 36(02): 107-113.

DOI：10.13382/j.jemi.B2104396

• 神经网络
• 图像处理
• 光纤连接器
• 光学工程

光纤连接器因其在光传输系统中的重要作用而备受关注，但是其表面附着的杂质会使复原的表面形貌出现噪点。而且现有的检测方法无法准确定位噪点，需要对其进行多次整体降噪处理，以此得到的图像细节保留能力较差。为此提出了一种基于遗传算法优化BP神经网络(GA-BP)的改进高斯均值区域去噪技术。首先，对干涉数据进行降维处理；其次，将降维后的数据作为神经网络的训练数据，利用神经网络对噪点进行定位；最后，采用改进的高斯均值滤波对三维图像的噪点位置进行滤波处理。结果表明，通过神经网络判别法得到的噪声像素点为2.45%,相比于阈值判别法具有较高的精度。并且通过改进的高斯均值滤波方法得到的方法噪声差值为474.7,峰值信噪比(PSNR)值为32.56。相比于均值和中值滤波方法，图像细节保持能力较高，复原图像噪点凸起明显减少。因此，它更适用于基于白光干涉原理的自动化检测。

• 单位
  光学与电子科技学院; 中国计量大学