自适应维纳滤波在钢水红外图像去噪中的应用

翟潘; 王平

自适应维纳滤波在钢水红外图像去噪中的应用

翟潘,
王平

山东华宇工学院，山东德州 253011

基金项目:

山东省高等学校科技计划研究项目 J18KA378

详细信息

作者简介:
翟潘（1985-），男，硕士，讲师，主要研究方向为钢铁冶金自动化。E-mail: 2681043194@qq.com

中图分类号: TH811
计量
- 文章访问数: 259
- HTML全文浏览量: 99
- PDF下载量: 43
出版历程
- 收稿日期: 2019-11-30
- 修回日期: 2021-02-06
- 刊出日期: 2021-06-30

Application of the Adaptive Wiener Filter in Infrared Image Denoising for Molten Steel

ZHAI Pan,
WANG Ping

Shandong Huayu University of Technology, Dezhou 254011, China

摘要

摘要: 红外测温系统的应用减少了人工测温的安全事故，但其温度的准确性取决于由红外热像仪获得的图像的质量。为了对钢水红外图像质量的影响，提出了基于自适应维纳滤波的去噪方法。通过自相关的参数指数衰减模型来控制算法的计算复杂性和敏感性，进而有效提高维纳滤波器的去降噪性能。基于对不同温度下钢水红外图像的去噪处理，验证了所提去噪方法比维纳滤波和稀疏分解方法的图像去噪具有更好的去噪性能。
- 红外测温 /
- 图像去噪 /
- 自适应维纳滤波 /
- 红外辐射
Abstract: The application of an infrared temperature measurement system reduces the occurrence of safety accidents during manual temperature measurement. However, the accuracy of the measurement depends on the quality of the image obtained using the infrared thermal imaging camera. To reduce the influence of noise on the quality of molten steel infrared images, this paper proposes a denoising method based on adaptive Wiener filtering. The autocorrelation parameter exponential decay model is used to control the computational complexity and sensitivity of the algorithm, thereby effectively improving the denoising performance of the Wiener filter. Based on the denoising processing of molten steel infrared images at different temperatures, it is verified that the proposed denoising method has better denoising performance than Wiener filtering and sparse decomposition methods.
- infrared temperature /
- image denoising /
- adaptive wiener filtering /
- infrared radiation

HTML全文

图 1 钢水红外温度检测系统结构图

Figure 1. Structural diagram of molten steel temperature detection system

下载: 全尺寸图片幻灯片

图 2 1600℃的钢水红外图像去噪对比

Figure 2. Denoising comparison of molten steel infrared image at 1600℃

下载: 全尺寸图片幻灯片

图 3 1696℃的钢水红外图像去噪对比

Figure 3. Denoising comparison of molten steel infrared image at 1696℃

下载: 全尺寸图片幻灯片

表 1 用于温度修正的现场参数信息

Table 1 Information for temperature correction

Temperature/℃	25.0
Target distance/m	2.2
Atmospheric transmittance/%	100
Window transmittance/%	100
Global emissivity/%	62

下载: 导出CSV

表 2 不同温度下钢水红外图像去噪效果对比

Table 2 Comparison of denoising effect of molten steel infrared image under different temperatures

Noise processing method	MSE		PSNR/dB
Noise processing method	1600℃	1696℃	1600℃	1696℃
Wiener filter Sparse decomposition FIR wiener filter	0.1130 0.0906 0.0798	0.1261 0.1001 0.0805	10.235 18.539 25.683	10.095 19.168 26.956

下载: 导出CSV

表 3 钢水温度数据对比

Table 3 Comparison of the steel temperature data

Original image Fig.2(a)	1525
Denoised image using wiener filter Fig.2(b)	1556
Denoising image using sparse decomposition Fig.2(c)	1576
Denoising image using adaptive wiener filter Fig.2(d)	1591

下载: 导出CSV

参考文献(14)

[1]	孙怀义, 莫斌, 杨璟, 等. 工厂自动化未来发展的思考[J]. 自动化与仪器仪表, 2019(9): 92-96. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDYY201909024.htm SUN Huaiyi, MO Bin, YANG Jing, et al. Thinking about the future development of factory automation[J]. Automation and Instrumentation, 2019(9): 92-96. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDYY201909024.htm
[2]	王新宇. 基于红外图像处理的钢水测温方法研究[D]. 唐山: 华北理工大学, 2016. WANG Xinyu. Research on Temperature Measurement Method of Molten Steel Based on Infrared Image Processing[D]. Tangshan: North China University of Technology, 2016
[3]	杨友良, 刘爱旭, 马翠红, 等. 基于红外CCD的钢水红外测温模型分析[J]. 激光技术, 2018, 42(4): 562-566. YANG Youliang, LIU Aixu, MA Cuihong, et al. Infrared temperature measurement model analysis of molten steel based on infrared CCD[J]. Laser Technology, 2018, 42(4): 562-566.
[4]	杜玉玺, 胡振琪, 葛运航, 等. 距离对不同强度热源红外测温影响及补偿[J]. 红外技术, 2019, 41(10): 976-981. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201910014.htm DU Yuxi, HU Zhenqi, GE yunhang, et al. Influence of distance on infrared temperature measurement of different intensity heat sources and compensation[J]. Infrared Technology, 2019, 41(10): 976-981 https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201910014.htm
[5]	晏敏, 彭楚武, 颜永红, 等. 红外测温原理及误差分析[J]. 湖南大学学报: 自然科学版, 2004(5): 110-112. DOI: 10.3321/j.issn:1000-2472.2004.05.025 YAN Min, PENG Chuwu, YAN Yonghong, et al. Infrared thermometry principle and error analysis[J]. Journal of Hunan University: Natural Science Edition, 2004(5): 110-112. DOI: 10.3321/j.issn:1000-2472.2004.05.025
[6]	Gharehaghaji N, Khezerloo D, Abbasiazar T. Image Quality Assessment of the Digital Radiography Units in Tabriz, Iran: A Phantom Study[J]. Journal of Medical Signals and Sensors, 2019, 9(2): 137-142. DOI: 10.4103/jmss.JMSS_30_18
[7]	Aviram G. Evaluation of human detection performance of targets embedded in natural and enhanced infrared images using image metrics[J]. Optical Engineering, 2000, 39(4): 885. DOI: 10.1117/1.602441
[8]	杨友良, 王新宇, 马翠红. 自适应维纳滤波在钢水红外图像去噪中的应用[J]. 红外技术, 2015, 37(9): 733-735. YANG Youliang, WANG Xinyu, MA Cuihong. Application of adaptive Wiener filter in infrared image denoising of molten steel[J]. Infrared Technology, 2015, 37(9): 733-735
[9]	马翠红, 高悦, 孟凡伟. 稀疏分解在钢水红外图像去噪中的应用[J]. 应用光学, 2016, 37(4): 628-632. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX201604024.htm MA Cuihong, GAO Yue, MENG fanwei. Application of sparse decomposition in infrared image denoising of molten steel[J]. Applied Optics, 2016, 37(4): 628-632. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX201604024.htm
[10]	刘俊秘. 基于红外热像的钢水测温模型研究[D]. 唐山: 华北理工大学, 2016. LIU Junmi. Research on Molten Steel Temperature Measurement Model Based on Infrared Thermal Image[D]. Tangshan: North China University of Technology, 2016.
[11]	Maus M, Rousseau E, Cotlet M, et al. New picosecond laser system for easy tunability over the whole ultraviolet/visible/near infrared wavelength range based on flexible harmonic generation and optical parametric oscillation[J]. Review of Scientific Instruments, 2001, 72(1): 36. DOI: 10.1063/1.1326930
[12]	吴国忠, 李宏佳, 吕妍, 等. 太阳辐射对管道表面发射率测量影响分析[J]. 红外技术, 2016, 38(11): 980-983, 989. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201611013.htm WU Guozhong, LI Hongjia, LV Yan, et al. Analysis of the influence of solar radiation on the measurement of pipeline surface emissivity[J]. Infrared Technology, 2016, 38(11): 980-983, 989. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201611013.htm
[13]	Jain A K. Fundamentals of Digital Image Processing[M]. Singapore: Prenticc-Hall, 1989.
[14]	矫英祺, 任国全, 李冬伟. 光电系统图像质量评价方法综述[J]. 激光与红外, 2014, 44(9): 966-971. DOI: 10.3969/j.issn.1001-5078.2014.09.002 JIAO Yingqi, REN Guoquan, LI Dongwei. Overview of image quality evaluation methods of photoelectric system[J]. Laser and Infrared, 2014, 44(9): 966-971. DOI: 10.3969/j.issn.1001-5078.2014.09.002

施引文献(45)

期刊类型引用(19)

1.	姜迈，沙贵君，李宁. 基于引导滤波与双树复小波变换的红外与可见光图像融合. 激光与光电子学进展. 2023(10): 110-120 . 百度学术
2.	曹海玲，王正海，秦昊洋，孙袁超，尹国盼. 基于加权融合TIR数据的LST反演与硅化信息提取——以广东仁差盆地铀多金属矿区为例. 遥感学报. 2023(07): 1691-1701 . 百度学术
3.	王红君，杨一鸣，赵辉，岳有军. 基于PIE和CGAN的无人农机红外与可见光图像融合. 红外技术. 2023(12): 1223-1229 . 本站查看
4.	王红君，杨一鸣，赵辉，岳有军. 基于PIE和CGAN的无人农机红外与可见光图像融合. 红外技术. 2023(11): 1223-1229 . 本站查看
5.	汪澎，盛兆哲，黄智远. 铁路电力系统场站异常温升极早期预警技术与应用综述. 电工技术. 2023(24): 122-124 . 百度学术
6.	魏亚南，曲怀敬，王纪委，徐佳，张志升，谢明，张汉元. 基于NSCT和卷积稀疏表示的红外与可见光图像融合. 计算机与数字工程. 2022(02): 276-283 . 百度学术
7.	李明明，王新赛，冯小二. 基于K-means聚类与NSCT的图像融合算法. 火力与指挥控制. 2022(02): 146-151 . 百度学术
8.	李爱娟，巩春鹏，黄欣，曹家平，刘刚. 自动驾驶汽车目标检测方法综述. 山东交通学院学报. 2022(03): 20-29 . 百度学术
9.	杨涛，闫杰. 乡村建筑群形态结构的演变过程三维仿真. 计算机仿真. 2022(07): 238-242 . 百度学术
10.	陈黎艳，熊强强，曾美琳. 基于改进逆滤波的红外图像目标信息快速复原研究. 激光杂志. 2022(08): 164-168 . 百度学术
11.	高银花，陈进，季霞. 基于虚拟现实技术的光照变化场景三维建模研究. 激光杂志. 2022(11): 204-209 . 百度学术
12.	黄艺，龚文辉. 虚拟全景影像数据FCM聚类优化仿真. 计算机仿真. 2022(11): 220-223+239 . 百度学术
13.	喻凌峰. 基于多传感器数据融合的隧道火灾监测报警技术研究. 隧道建设(中英文). 2022(S2): 261-266 . 百度学术
14.	杨孙运，奚峥皓，王汉东，罗晓，阚秀. 基于NSCT和最小化-局部平均梯度的图像融合. 红外技术. 2021(01): 13-20 . 本站查看
15.	刘佳，李登峰. 马氏距离与引导滤波加权的红外与可见光图像融合. 红外技术. 2021(02): 162-169 . 本站查看
16.	林剑萍，廖一鹏. 结合分数阶显著性检测及量子烟花算法的NSST域图像融合. 光学精密工程. 2021(06): 1406-1419 . 百度学术
17.	王才东，刘丰阳，李志航，陈志宏，程岩，郑华栋. 基于双目视觉特征点匹配的图像拼接方法研究. 激光与光电子学进展. 2021(12): 357-365 . 百度学术
18.	薛彬，吴志生，孟庆森. 基于多特征组合的光学元件表面疵病检测. 激光杂志. 2021(12): 108-113 . 百度学术
19.	包达尔罕，高文炜，杨金颖. 基于混合l_0l_1层分解的红外光强与偏振图像融合算法. 红外技术. 2020(07): 676-682+701 . 本站查看