X射线图像混合噪声的去除.pptxVIP

机械与电气工程学院毕业论文答辩 题目:X射线图像混合噪声的去除 2 研究背景及意义 Split Bregman算法实现 1 2 3 4 乘加性 总结与展望 应用背景 极大规模集成电路产业 多功能、高密度、集成化多层封装 倒装焊（FCB）、球栅阵列（BGA）和3D封装方法--高密度封装的三大关键技术 集成电路封装检测直接影响产业封装质量 内部缺陷不可见 传统人工目检、自动光学检测无法检测内部缺陷 精密工业X射线—多层封装内部缺陷检测 3   研究面向集成电路封装检测的图像去噪方法具有应用价值。 (1) 平板结构噪声、热噪声---高斯噪声 (2) X射线光子统计过程---泊松噪声 4 由退化图像估计出原始“干净”图像的过程 逆问题求解——不适定 (1) 确定性方法： 空间域方法、频率域方法、逆滤波方法 (2) 正则化方法： 利用关于解的先验知识，把不适定问题转化为适定问题进行求解。 多种先验模型可选 解决平滑噪声和细节保持的问题 多种凸优化方法可方便地求解 本文研究重点 （1）应用上：集成电路检测的实时性要求快速成像，常通过增大电压来完成光子统计过程，极大地减少了泊松特性y=Ax+n，当做图像去噪时，A为单位矩阵。 （2）理论上：泊松噪声的影响不会完全消除，所以建议乘加性混合噪声，y=Mu+u+N 5 研究背景及意义 Split Bregman算法实现 1 2 3 4 乘加性混合噪声去除模型 总结与展望 6 (1) Split Bregman算法 集成电路多为金属薄片材质，材质简单、层与层之间间距微小，X射线图像呈现出明显的稀疏性。 利用Split Bregman来求 令d=Dx,上述优化问题可以转化为等式约束问题 此时引入惩罚项 引入Bregman距离b， 为全变分项，且它的1范数不可不 可求Bregman是现阶段比较优秀的算法，所以来实现 就很容易用Bregman算法求解 7 (1) 各向异性TV正则化去燥 由Split Bregman推导公式后得到 采用分裂思想求解可得 (3)各向同性TV正则化去燥 各向同性TV条件下的去燥问题A=I 由Split Bregman迭代问题推导可得 8 采用Split Bregman求解 9 (5) 部分实验结果 通过观察可以明显的发现无论是各向同性TV还是各向异性的Split Bregman算法都可以很好地去除噪声。 10 (6) Canny检测图 结果明显，在去除噪声的同时很好地保持了边缘。 11 研究背景及意义 Split Bregman算法实现 1 2 3 4 乘加性混合噪声去除模型 总结与展望 12 (1)加性噪声和乘性噪声的混合模型 有效除去混合噪声 (2)加性噪声的去除 差分格式 (3)在去加性噪声的基础上乘性噪声的去除流程 13 对乘性噪声模型第一项采用梯度下降法 对第二项第三项利用梯度投影法 归结为BSQP问题。令 ， ， 把问题转化为二次优化问题 利用梯度投影法进行迭代 14 (4)实验结果及分析 通过观察可以明显的发现加性噪声去除之后图片明显优化，再进行去乘加性噪声算法之后进一步清晰，所以去乘加性噪声的模型更加合理。 15 (5)实验结果放大图 16 研究背景及意义 Split Bregman算法实现 1 2 3 4 乘加性混合噪声去除模型 总结与展望 17 谢谢