您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报 (工学版) ›› 2018, Vol. 48 ›› Issue (5): 24-31.doi: 10.6040/j.issn.1672-3961.0.2018.249

• 机器学习与数据挖掘 • 上一篇    下一篇

基于经验小波的太阳能电池缺陷图像融合

陈海永(),余力*(),刘辉,杨佳博,胡启迪   

  1. 河北工业大学人工智能与数据科学学院, 天津 300130
  • 收稿日期:2018-06-07 出版日期:2018-10-01 发布日期:2018-06-07
  • 通讯作者: 余力 E-mail:haiyong.chen@hebut.edu.cn;1094141015@qq.com
  • 作者简介:陈海永(1980—)，男，河南开封人，教授，博士生导师，博士，主要研究方向为机器视觉与机器人控制等. E-mail：haiyong.chen@hebut.edu.cn
  • 基金资助:
    国家自然科学基金资助项目(61403119);河北省自然科学基金资助项目(F2018202078);河北省科技计划资助项目(17211804D);河北省青年拔尖人才资助项目(210003)

Solar cell defect images fusion based on empirical wavelet

Haiyong CHEN(),Li YU*(),Hui LIU,Jiabo YANG,Qidi HU   

  1. School of Artificial Intelligence, Hebei University of Technology, Tianjin 300130, China
  • Received:2018-06-07 Online:2018-10-01 Published:2018-06-07
  • Contact: Li YU E-mail:haiyong.chen@hebut.edu.cn;1094141015@qq.com
  • Supported by:
    国家自然科学基金资助项目(61403119);河北省自然科学基金资助项目(F2018202078);河北省科技计划资助项目(17211804D);河北省青年拔尖人才资助项目(210003)

RichHTML

24

PDF (PC)

896

摘要：

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。

关键词: 经验小波, 多光谱图像融合, 显著性, 顶帽变换, 太阳能电池

Abstract:

To solve the problem of the weak defect detection of solar cells, a multispectral image fusion algorithm based on 2D tensor empirical wavelet transform was proposed. The image information of solar cells was collected by using a set of specific wavelengths lights, and the noise was suppressed by using top-hat transformation. The preprocessed images were decomposed using empirical wavelet transform, and the obtained subband images of high and low frequency were fused using the saliency rules based on maximum value. The fused subband images of high and low frequency were transformed into the final image through inverse empirical wavelet transform. Cell images of five types of chromatic aberrations were acquired under the same acquisition conditions for testing algorithm, and were compared with other algorithms from two aspects of image visual effect and objective evaluation indexes. The experimental results showed that the proposed algorithm had good adaptability and good performance in the aspects of maintaining spectral information and suppressing noise.

Key words: empirical wavelet, multispectral image fusion, saliency, Top-hat transformation, solar cell

中图分类号: 

  • TP391

图1

电池板在多种光谱下的图像"

图2

原图像灰度直方图"

图3

各波长图像预处理后的结果"

图4

各波长图像反色处理后的结果"

图5

β函数图像"

图6

太阳能电池划痕缺陷谱残差分布曲线"

图7

缺陷图像及其显著性分析结果"

图8

整体算法架构"

表1

不同背景颜色的电池片融合指标"

电池片颜色融合前各项指标均值 融合后各项指标
信息熵 标准差 清晰度 信息熵 标准差 清晰度
深深蓝 3.39 10.60 1.98 4.08 10.30 2.24
深蓝 3.06 5.36 1.36 4.02 6.72 2.08
蓝 3.45 8.98 2.00 4.36 9.90 2.67
浅蓝 3.07 4.80 1.34 3.89 5.19 1.93
浅浅蓝 3.01 3.66 1.21 4.06 5.11 1.89

图9

多算法融合图像"

表2

不同算法融合图像的指标"

算法 信息熵 PSNR 清晰度 标准差
本研究算法 4.36 35.6 2.67 9.90
形态金字塔 4.18 33.6 2.51 9.75
梯度金字塔 3.73 29.3 2.53 8.56
离散小波 4.29 35.2 2.84 9.12
双树复小波 3.98 29.5 2.36 9.32
曲波变换 4.13 32.2 2.62 9.52
非下采样轮廓波变换 4.42 31.5 2.47 9.17
1 周晓波, 程海龙, 贾琦. 图像分块融合算法速度优化处理研究[J]. 北京交通大学学报, 2014, 38 (5): 33- 36.
ZHOU Xiaobo , CHENG Hailong , JIA Qi . Optimization of image block fusion algorithm in speed[J]. Journal of Beijing Jiaotong University, 2014, 38 (5): 33- 36.
2 WANG W , CHANG F . A multi-focus image fusion method based on laplacian pyramid[J]. Journal of Computers, 2011, 6 (12): 2559- 2566.
3 KAVITHA C T , CHELLAMUTHU C , RAJESH R . Medical image fusion using combined discrete wavelet and ripplet transforms[J]. Procedia Engineering, 2012, 38 (38): 813- 820.
4 GILLES J . Empirical wavelet transform[J]. IEEE Transactions on Signal Processing, 2013, 61 (16): 3999- 4010.
doi: 10.1109/TSP.2013.2265222
5 BORJI A , ITTI L . State-of-the-art in visual attention modeling[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2013, 35 (1): 185- 207.
doi: 10.1109/TPAMI.2012.89
6 BORJI A , SIHITE D N , ITTI L . Quantitative analysis of human-model agreement in visual saliency modeling: a comparative study[J]. IEEE Transaction on Image Processing, 2013, 22 (1): 55- 69.
doi: 10.1109/TIP.2012.2210727
7 GOFERMAN S , ZELNIK-MANOR L , TAL A . Context-aware saliency detection[J]. IEEE Trans Pattern Anal Mach Intell, 2012, 34 (10): 1915- 1926.
doi: 10.1109/TPAMI.2011.272
8 HOU Xiaodi, ZHANG Liqing. Saliency detection: a spectral residual approach[C]//IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, USA: IEEE Computer Society, 2007: 1-8.
9 BAVIRISETTI D P , DHULI R . Multi-focus image fusion using maximum symmetric surround saliency detection[J]. Elcvia Electronic Letters on Computer Vision & Image Analysis, 2016, 14 (2): 58- 73.
10 QI S , MA J , LI H , et al. Infrared small target enhancement via phase spectrum of quaternion fourier transform[J]. Infrared Physics & Technology, 2014, 62 (2): 50- 58.
11 刘斌, 祝青, 胡福强, 等. 基于采样二通道不可分小波的多光谱图像融合[J]. 电子学报, 2013, 41 (4): 710- 716.
doi: 10.3969/j.issn.0372-2112.2013.04.014
LIU Bin , ZHU Qing , HU Fuqiang , et al. Multi-spectral image fusion method based on sampled two channel non-separable wavelets[J]. Acta Electronica Sinica, 2013, 41 (4): 710- 716.
doi: 10.3969/j.issn.0372-2112.2013.04.014
12 段建民, 战宇辰, 刘冠宇. 基于TopHat分割和曲线模型的三车道检测方法[J]. 北京工业大学学报, 2016, 42 (8): 1174- 1181.
DUAN Jianmin , ZHAN Yuchen , LIU Guanyu . Three-lane detection method based on top-hat segmentation and curve models[J]. Journal of Beijing University of Technology, 2016, 42 (8): 1174- 1181.
13 陈林.基于经验小波变换的多曝光图像融合方法的研究[D].长春:吉林大学, 2017: 30-40
CHEN Lin. Research of multi-exposure image fusion based on empirical wavelet transform[D]. Changchun: Jilin University, 2017: 30-40.
14 王达, 卞红雨. 水下声图像多分辨率融合研究[J]. 武汉大学学报(信息科学版), 2015, 40 (1): 77- 82.
WANG Da , BIAN Hongyu . Underwater acoustic image multiresolution fusion research[J]. Geomatics and Information Science of Wuhan University, 2015, 40 (1): 77- 82.
15 邹勤, 贾永红. 一种基于形态金字塔的遥感影像融合方法及其性能评价[J]. 武汉大学学报(信息科学版), 2006, 30 (11): 971- 974.
ZOU Qin , JIA Yonghong . Fusion of remote sensing images based on morphological pyramid and its performance evaluation[J]. Geomatics and Information Science of Wuhan University, 2006, 30 (11): 971- 974.
16 魏兴瑜, 周涛, 陆惠玲, 等. 基于双树复小波变换的PET/CT自适应融合算法[J]. 计算机科学与探索, 2015, 9 (3): 360- 367.
WEI Xingyu , ZHOU Tao , LU Huiling , et al. Self-adaption fusion algorithm of PET/CT based on dual-tree complex wavelet transform[J]. Journal of Frontiers of Computer Science and Technology, 2015, 9 (3): 360- 367.
17 NAMRATHA H N , RAGHU M T . Remote sensing satellite image fusion using fast curvelet transforms[J]. International Journal of Science and Research, 2015, 1537- 1542.
18 SHEN Y , REN E , DANG J W , et al. A nonsubsampled contourlet transform based medical image fusion method[J]. Information Technology Journal, 2013, 12 (4): 749- 755.
doi: 10.3923/itj.2013.749.755
[1] 张学思,张婷,刘兆英,江天鹏. 基于轻量型卷积神经网络的海面红外显著性目标检测方法[J]. 山东大学学报 (工学版), 2022, 52(2): 41-49.
[2] 梁晔,马楠,刘宏哲. 图像依赖的显著图融合方法[J]. 山东大学学报 (工学版), 2021, 51(4): 1-7.
[3] 任永峰,董学育. 基于自适应流形相似性的图像显著性区域提取算法[J]. 山东大学学报(工学版), 2017, 47(3): 56-62.
[4] 胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[5] 翟继友,周静波,任永峰,王志坚. 基于背景和前景交互传播的图像显著性检测[J]. 山东大学学报(工学版), 2017, 47(2): 80-85.
[6] 任永峰, 周静波. 基于信息弥散机制的图像显著性区域提取算法[J]. 山东大学学报(工学版), 2015, 45(6): 1-6.
[7] 李春雷, 张兆翔, 刘洲峰, 廖亮, 赵全军. 基于纹理差异视觉显著性的织物疵点检测算法[J]. 山东大学学报(工学版), 2014, 44(4): 1-8.
[8] 李武,侯志强*,魏国剑,余旺盛. 跟踪框自适应的尺度变化目标跟踪算法[J]. 山东大学学报(工学版), 2014, 44(2): 28-34.
[9] 卜良桃,周宁,鲁晨,李为. PVA-ECC与混凝土界面钻芯拉拔试验研究[J]. 山东大学学报(工学版), 2012, 42(2): 45-51.
[10] 王秀芬,王汇源,王松. 基于背景差分法和显著性图的海底目标检测方法[J]. 山东大学学报(工学版), 2011, 41(1): 12-16.
[11] 董少光,范广涵 . InGaN太阳能电池材料电学与光学性质的辐射研究[J]. 山东大学学报(工学版), 2008, 38(4): 102-106 .
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1 -5 .
[2] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[3] 施来顺,万忠义 . 新型甜菜碱型沥青乳化剂的合成与性能测试[J]. 山东大学学报(工学版), 2008, 38(4): 112 -115 .
[4] 孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[5] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[6] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[7] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[8] 浦剑1 ,张军平1 ，黄华2 . 超分辨率算法研究综述[J]. 山东大学学报(工学版), 2009, 39(1): 27 -32 .
[9] 王丽君,黄奇成,王兆旭 . 敏感性问题中的均方误差与模型比较[J]. 山东大学学报(工学版), 2006, 36(6): 51 -56 .
[10] 孙殿柱,朱昌志,李延瑞 . 散乱点云边界特征快速提取算法[J]. 山东大学学报(工学版), 2009, 39(1): 84 -86 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发