基于对称蝶形宇宙算法的电路板红外图像模糊增强

孙云娟

(河南师范大学 新联学院, 河南 新乡 453200)

1 引 言

随着电路板使用集成元件越来越多，通过红外图像对故障进行诊断已成为重要的方法[1]，但是由于电路板自身的特性，使得红外图像模糊，因此提升图像模糊增强效果是十分必要的。

对电路板红外图像模糊增强的算法主要有以下几种：自适应多目标感兴趣区域 (adaptive multi objective region of interest,AM0R0I) 提取算法[2],能够准确提取电路板红外图像所有芯片发热区域, 具有一定的实用性和鲁棒性；小波分解改进ESN网络(wavelet decomposition-echo state network,WD-ESN)模型，通过WD将温度变化信号进行分频解析，经平移及伸缩后分解为1个低频基本分量和多个高频细节分量，利用分频预测来提高ESN分析效果[3]；数据融合(data fusion technology,DFT)方法，对引起电路板热像变化很小故障诊断提供了一条的简便途径[4]；环行多宇宙(ring much universe,RMU)算法，各子宇宙体之间的信息交换通过量子空间比特位个数的变化来改变[5]，但是环形结构影响算法执行效率。

本文采用对称蝶形宇宙(symmetric butterfly universe,SBU)算法，通过建立对称蝶形宇宙结构以及某个宇宙信息量变化，对电路板红外图像增强Beta函数的参数值寻优。实验仿真显示该算法对电路板红外图像模糊增强效果清晰，优质系数、背景抑制因子值较好。

2 对称蝶形宇宙算法模型

2.1 对称蝶形宇宙结构

对称蝶形宇宙依据蝴蝶形状的对称性，只要设置好一侧的宇宙态，另外一侧的宇宙态即可通过复制、镜像拥有相同的性能，也可产生不同于设置好一侧的宇宙态。整个宇宙之间通过节线进行信息交流，其中对称蝶形宇宙结构划分不同的节段，同一个节段的宇宙信息交流速度要高于节段之间的信息交流速度，这样便于同一个节段之间的宇宙充分进行信息交流，而节段之间的信息交流有利于信息共享，当某一个节段上的某个宇宙信息发生了变化，首先影响的是该节段上的宇宙信息，然后才是该节段相连最近节段上的宇宙，充分体现宇宙之间性能的共享性，利用Matlab建立对称蝶形宇宙空间拓扑结构，见图1。

对称蝶形宇宙每个单侧有5个节段，6个宇宙体，同时公用宇宙体5个，公用宇宙体分别有2个节段，相当于每个单侧可有7个节段，11个宇宙体，虚线相当于在左侧形成一个单侧对称结构。判断某个节段上的某个宇宙信息量p变化条件：

图1 对称蝶形宇宙结构

(1)信息量约束条件：

(1)

式中：C为该节段上的最大信息容量；N为该节段上的宇宙个数。

(2)信息量守恒条件：

(2)

式中：A1、A2为相连的不同节段；fΔp、fΔh为A1、A2节段的宇宙信息变化量。

2.2 不同节段信息交流过程

宇宙体自身信息有信息差时才可与其他宇宙进行信息交流，差值越大，则交流的速度越快。

假设v为信息流出节段，ρ为信息流入节段，v、ρ节段间信息流在t1时刻状态，

St1(v-,ρ+)=0

(3)

如果有信息流产生，在t2时刻，v、ρ节段间信息流的状态，

St2(v-,ρ+)>0

(4)

v、ρ节段其信息转移函数为

(5)

3 电路板红外图像增强过程

假设图像I={f(x,y)}，大小为(M×N)，具有L个灰度级，f(x,y)∈{Lmin,Lmin+1,Lmin+2,…,Lmax}，Lmax、Lmin为图像灰度级的最大值和最小值。

Lmin与Lmax满足Lmax-Lmin=L-1。将f(x,y)进行归一化处理为f′(x,y)：

(6)

在不同的灰度段实现非完全Beta函数自适应电路板红外图像增强如下：

判决规则1：

如果图像的灰度范围为[0，L]，函数CG(m,n)实现统计图像在灰度范围[m,n]内的灰度分布，函数η(i)实现求原图像灰度值i的向上取整的值[6,7]。

判决规则2：

此时，对电路板红外图像偏暗部分进行拉伸。

判决规则3：

此时，对电路板红外图像的偏亮部分进行拉伸。

判决规则4：

此时，对电路板红外图像的中间部分进行拉伸，偏暗和偏亮部分压缩。

判决规则5：

此时，对电路板红外图像的偏暗和偏亮部分拉伸，中间部分进行压缩。

Beta函数参数值α、β组合可得到不同的变换曲线[8]，α<β时变换曲线对电路板红外图像较暗区域拉伸；α=β时变换曲线是对称的，对电路板红外图像的中间区域拉伸；α>β时变换曲线对电路板红外图像的区域进行拉伸。把电路板红外图像增强质量评价函数作为对称蝶形宇宙算法的适应度函数：

fitness(f,α,β)=

(7)

4 实验仿真

实验PC配置:CPU为AMD FX-6300 Six-Core、内存8GB、Intel H61主板，集成显卡，由Matlab7.0实现仿真。宇宙个数共计30个，对称蝶形宇宙数量单侧为15个，每侧宇宙节段数为3个。采用不同的算法进行对比实验。

4.1 检测视觉效果分析

图2为电路板红外图像各种算法的对比增强效果。待增强灰度原图如图2(a)所示，图像整体模糊，集成元器件无法识别清楚；图2(b)为 AM0R0I增强效果；图2(c)为WD-ESN增强效果；图2(d)为DFT增强效果；图2(e)为RMU增强效果； 图2(f)为SBU增强效果。

图2 各种算法的对比增强效果

图2的检测效果显示，本文SBU算法对电路板红外图像增强效果细节比较清晰，保留了图像中大量的细节信息，集成元器件标识可以识别出来；AM0R0I算法改善了图像的清晰度，但由于该算法保留了噪声，图像依旧模糊；WD-ESN算法存在对比度低且细节模糊问题；DFT算法轮廓清晰，但整体仍偏暗，对比度不太高；RMU算法增强后细节不明显。

4.2 检测性能分析

4.2.1 优质系数检测评价指标

为了客观地评价图像增强效果，采用优质系数μ作为增强检测评价指标[9]：

(8)

式中：n0和nd分别代表增强后与原始的图像边缘上的点数;K为比例系数，用以调节与增强后边缘点有偏差的μ;di为原始图像提取出的第i点边缘点到增强后边缘线的法线距离，单位为像元数。μ∈(0,1)越大，其增强图像边缘效果越好，为了减少数据误差，采取多次仿真取均值，优质系数μ效果见图3。

图3 优质系数检测效果

从图3可以看出，本文算法对电路板红外图像增强的效果较好，可以保持良好的边缘信息。

4.2.2 背景抑制因子

为了评价各种算法对背景杂波的抑制情况，引入背景抑制因子(background suppress factor，BSF)[10]:

BSF=kin/kout

(9)

式中：kin、kout为图像处理前后背景杂波的标准差。 BSF值越大，表明处理的性能越好，检测效果见图4。

图4 背景抑制检测效果

从图4可以看出，本文的BSF值最大，可以在抑制背景的同时进一步提高图像的信噪比。

5 结 语

本文采用对称蝶形宇宙算法提升了电路板红外图像增强的效果。实验仿真表明通过该算法与各种算法对比，其对电路板红外图像增强效果更为清晰，检测性能分析效果比较好，为电路板质量检测提供了一种新方法。

[参考文献]

[1] 张玉存,侯新玉.基于红外热图像的沥青路面温度离析区域检测方法[J].计量学报,2017,38(1)：23-27.

[2] 王力,曾佩佩,郝建新.电路板红外图像多目标提取算法[J].计算机系统应用,2014,23(2):142-145,85.

[3] 贾彦荣,崔展博,吴倩倩,等.基于红外热像采集的BPSO-WD-ESN电路板故障预测[J].沈阳航空航天大学学报,2016,33(4):67-72,84.

[4] 罗锋华,文方.信息融合技术在电路板无损检测中的应用研究[J].制造业自动化,2010,32(1):22-24,12.

[5] Hu Jie,Li Tian-rui ,Luo Chuan,etal.Incremental fuzzy probabilistic rough sets over two universes[J].InternationalJournalofApproximateReasoning,2017,81(2):28-48.

[6] 徐超,黄风华,毛政元.一种改进的二维Otsu阈值分割算法[J].电子技术应用,2016,42(12):108-111.

[7] 张剑飞,杜晓听,王波.基于量子萤火虫和增益Beta的医学DR图像自适应增强[J].微电子学与计算机,2014,31(5):135-139.

[8] 陈洪涛.基于改进蛙跳算法的图像自适应增强研究[J].计量学报,2016,37(6):587-590.

[9] 乔闹生.印制电路板缺陷图像边缘检测[J].光子学报,2016,45(4):117-123.

[10] 陈洪,张延鑫,朱祥玲,等.一种基于背景抑制的星空图像增强方法[J].解放军理工大学学报自然科学版,2015,16(2):109-113.