非均匀纹理复杂表面缺陷多光谱图像显著性融合

为了抑制多晶硅太阳能电池片复杂的背景对表面缺陷可靠提取的影响,并凸显缺陷特征,提出了一种基于经验小波的多光谱显著性融合算法。该算法利用结构纹理分解方法抑制了复杂的背景,通过具有经验信息的二维张量经验小波进行多尺度分解,得到包含缺陷信息的细节层,并对其进行显著性分析,增强权重较大部分图像的对比度,最终得到强缺陷特征图像。对比了平均梯度、边缘强度、清晰度及标准差4个质量评价指标,实验结果表明,所提算法的这些指标比经典融合算法依次提升了0. 01、11. 11、0. 48、2. 33以上,呈现出较好的性能。     

基于经验小波的太阳能电池缺陷图像融合

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。