文献类型：期刊文章

作　　者：许学彬[1] 陈博桓[1] 赵楠楠[2] 沈洋[1] 倪军[1]

Xu Xuebin;Chen Bohuan;Zhao Nannan;Shen Yang;Ni Jun(College of Optical and Electronic Technology,China Jiliang University,Hangzhou 310018,China;College of Quality and Safety Engineering,China Jiliang University,Hangzhou 310018,China)

机构地区：[1]中国计量大学光学与电子科技学院,杭州310018 [2]中国计量大学质量与安全工程学院,杭州310018

出　　处：《电子测量与仪器学报》

基　　金：国家级大学生创新创业训练计划(202010356009);浙江省公益技术研究计划(LGN20F050001);国家重点研发计划(2020YFF0217803)项目资助

年　　份：2022

卷　　号：36

期　　号：2

起止页码：107-113

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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。

关 键 词：神经网络 图像处理 光纤连接器 光学工程

分 类 号：TP391.41] TN253[计算机类]