近色背景果实识别的多源图像融合

为提高在近色背景下果实识别的准确性,减少非结构化因素对识别的影响,提出了基于近红外像机和可见光像机组合捕获多源图像进行融合的方法。首先对已配准的多源图像分别进行非下采样轮廓波变换(NSCT),得到高频系数与低频系数;对高频系数采用压缩融合,并通过CoSaMp恢复融合的高频系数;对低频系数进行小波分解,对分解的高频子带采用绝对值最大法进行融合;低频子带则采用基于几何距离和能量距离加权的融合方法,再通过小波逆变换得到融合的低频系数;最后对融合后的高、低频系数进行NSCT重构得到融合图像。试验结果表明,所设计方法有效地保留了图像的边缘轮廓,突出了图像的细节信息,在客观定量评价指标上均优于其他传统方法,其中与小波变换-非下采样轮廓波变换(DWT-NSCT)方法相比,最大提升达到15.59%。     

基于提升小波和分形的苹果树多源图像融合算法

针对可见光图像与近红外图像特点，提出了一种基于提升小波和分形的多源图像融合方法。首先将已配准的多源图像分别进行提升小波分解，在各层的低频部分用分形维加权平均融合，高频部分用区域交叉信息熵和能量特性融合；再通过提升小波重构得到融合图像。利用苹果树可见光图像和近红外图像进行了实验，实验结果表明，融合后的图像符合视觉特性，综合性能优于传统小波变换融合方法，有利于对图像作进一步分析、理解和识别。     

温室黄瓜叶片近红外图像消噪算法与含氮量快速检测

在温室基质栽培条件下,研究了温室黄瓜叶片近红外图像的消噪算法以及叶片氮素含量非线性预测.用普通CCD相机加滤光片采集不同生长时期水果型小黄瓜Deitastar的叶片图像,利用小波变换对黄瓜近红外图像进行小波消噪处理,再采用基于邓氏关联度的图像边缘检测法对图像进行分割,得到信噪比较好的目标图像,之后通过计算灰度值得到黄瓜叶片的植被指数.对获得的各种植被指数与黄瓜叶片氮含量之间进行相关分析后得到CNDVI与氮素含量相关系数最高达0.67,同时GNDVI、NDGI、NDVI与氮素相关性显著且相关系数均高于0.50.采用最小二乘支持向量机算法(LS-SVM)对植被指数同黄瓜叶片含氮量进行拟合,拟合模型的决定系数R2为0.825,验证R2为0.728,达到了较为理想的预测精度.     

基于小波精细积分与暗通道的农田图像去雾算法

基于暗通道先验原理,提出一种Shannon-Cosine小波结合精细积分法的农田图像去雾算法。针对现有透射率估计方法中存在的块效应以及复原后图像纹理丢失的问题,该算法对透射率图进行了细化,利用非线性偏微分方程保边特性,运用小波数值方法对其离散,降低方程组规模。并采用精细积分法求解,提高计算精度。达到了对透射率图局部平滑、边缘突出的目的。同时,对大气值A的计算方法进行改进,提高了运算速度。实验结果表明:本文算法得到的透射率图恢复的图像具有更好的清晰度,纹理更加丰富,相比于原暗通道算法,本文算法新增可见边之比提高了30. 36%,对比度提高了40. 72%,标准差提高了28. 21%,该算法可实现更好的去雾效果。     

小波变换与分水岭算法融合的番茄冠层叶片图像分割

在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。     

薯类农产品视觉图像的去噪方法

针对目前图像处理中的阈值去噪方法存在的问题,探讨了小波阈值法中小波分解层数和小波系数处理算法,在视觉图像阈值去噪中采用了小波分解层数的自适应算法,并针对小波系数处理中硬阈值和软阈值函数存在的问题,提出了一种新的阈值函数用于图像去噪.结果显示:去噪后图像的峰值信噪比PSNR、均方差MSE在最优分解层数下相对传统阈值函数能达到全局最优,同时视觉上的清晰度更好.     

基于变量选择的堆肥胡敏酸含量近红外光谱分析

为探讨基于选择的近红外光谱变量定量判别堆肥腐熟度的可能性,为堆肥发酵终点判定及开发相应的近红外漫反射光谱控制设备提供理论基础,采集了100份堆肥样本,用湿化学方法分析了堆肥样本中的胡敏酸含量,采集范围为4 000~9 000 cm~(-1)波段的光谱,进而利用该近红外光谱进行预处理方法的优化研究及堆肥胡敏酸感变量的优选研究,以偏最小二乘的方法建立了基于近红外光谱分析的堆肥胡敏酸定量模型。结果表明:小波变换充分提取了近红外光谱的信息;利用C_4小波系数对58个堆肥样本进行建模,对42个预测集样本进行预测,预测集均方根误差和R2分别为0.113 8%和0.926 6,优于原始光谱直接建模的0.167 2%和0.834 8。对近红外光谱数据进行小波变换,利用处理后的小波系数,采用偏最小二乘法预测了堆肥中胡敏酸的含量,建立了小波变换与近红外光谱技术结合用于测定堆肥样品中胡敏酸测定的模型。基于小波系数的模型优于传统的近红外光谱全谱模型,对于堆肥胡敏酸的测定取得了较为准确的预测结果。     

基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别

提出一种基于可见-近红外光谱技术的无损检测方法，以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像，并利用HSI软件提取光谱数据。使用Savitzky Golay（SG）平滑与多元散射校正（multiple scattering correction，MSC）叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器（stacked autoencoder，SAE）、连续投影算法（successive projections algorithm，SPA）和变量迭代空间收缩算法（variable iterative space shrinkage approach，VISSA）进行数据降维。利用Softmax与支持向量机（support vector machine，SVM）算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优，其训练集和预测集准确率分别达99.72%和96.22%。因此，利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。      

基于小波变换的大米直链淀粉波长选择方法

提出了一种基于小波变换的近红外光谱波长选择方法,小波分解低频系数是原光谱的离散近似,将最佳小波分解低频系数与原光谱数据进行关联,求出小波分解低频系数与原光谱数据的列相关系数R,取与原光谱数据相关系数较大的波长组合,作为最后参与建模的谱区.不仅考虑了浓度矩阵对波长选择的影响,且由于把小波分解结构中的高频系数全部滤除,避免了高频噪声的干扰,减小建模和预测运算时间,使最终建立的近红外光谱模型的预测精度提高.在大米直链淀粉含量的近红外光谱分析中进行了验证,并与其他常用波长选择方法进行了比较,结果表明,该方法波长点数最少,减小为原光谱数据点数的20%,校正模型和预测效果都较理想.     

多尺度SIFT特征匹配的足迹图像拼接方法

为了增强图像细节、提高匹配精度,提出了一种基于小波变换的多尺度SIFT特征匹配的足迹图像拼接方法.该方法对预处理的图像进行小波变换,把低频系数设为零,高频系数进行阈值调整并反变换后,再利用对于尺度具有鲁棒性的SIFT算法对处理后的图像进行特征点的提取与匹配.对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,并通过与原始图像的拼接作比较显示该方法的优越性.实验结果证明该方法使图像细节更为清晰,提高了匹配精度,而且较原始方法有一定程度的提高.     

基于残差网络和特征融合的小麦图像修复模型

针对基于生成对抗网络的多数图像修复算法所修复的图像纹理细节不清晰,不能充分融合神经网络提取的纹理细节信息和语义信息的问题,本文提出一种基于残差网络和特征融合的双阶段生成网络图像修复模型,通过修复训练集中被遮挡的图像,获取符合训练集整体分布的修复图像。首先,设计一种轻量型多尺度感受野残差模块,通过多个感受野不同的卷积核提取特征信息,提升粗化生成网络保留纹理信息的能力。其次构建一种双边精细修复网络结构,分别处理纹理细节信息和语义信息并进行聚合,实现图像的精细修复。最后基于GWHD数据集进行实验,验证本文算法的有效性。实验结果表明,本文模型较CE、GL、PEN-Net、CA算法,客观评价指标L1-loss降低0.56～3.79个百分点,PSNR和SSIM提升0.2～1.8 dB和0.02～0.08,并在人眼直观感受中实现了纹理结构清晰、语义特征合理的修复效果。相较于原GWHD数据集,在基于本文模型所扩充的小麦数据集中,运用YOLO v5s预测小麦麦穗的mAP提升1.41个百分点,准确率提升3.65个百分点,召回率提升0.36个百分点。     

一种基于小波阈值的图像去噪方法研究

在印刷品质量检测系统中，采集来的图像不可避免会出现噪声。针对这种情况，本文提出了基于小波阈值的图像去噪方法。该方法首先对噪声图像进行小波变换得到小波系数矩阵，硬阈值化后，对阈值化后的小波系数矩阵逆变换。得到去噪图像。实验结果表明，该方法比中值滤波具有更好的去噪效果。     

基于自适应概率PCA的植物叶片彩色图像修复

植物叶片图像的采集过程中，由于自然环境或成像条件的影响，特别是夜间，采集到的图像大多带有椒盐噪声，造成图像质量下降。很多植物叶片含有丰富的叶脉，被噪声污染不利于后续的表型分析、图像分割等。椒盐噪声密度较小时，中值滤波降噪效果较好，但在噪声污染严重时滤波方法也无法有效去噪。针对这一问题，提出了基于概率PCA的图像修复模型。一幅光滑的不含噪图像通常可认为服从高斯分布，概率PCA能有效地提取描述这幅图像中的主要信息，通过估计模型参数重构因噪声引起的数据缺失，从而达到图像修复的目的。但是当噪声的缺失像素点聚集在叶脉上时，直接用概率PCA修复会出现明显的边界效应，因此本文先基于树的叶脉进行追踪，再对叶脉进行概率PCA修复，然后再基于整幅图像利用概率PCA模型修复，迭代次数根据修复后图像的PSNR值自适应地选择。为了验证所提出的模型的修复性能，进行了与常用滤波方法的对比试验。试验结果表明：去噪后的图像PSNR值比使用均值滤波高出6dB左右，比使用维纳滤波高出9dB左右，比使用高斯滤波高出7dB左右，比使用中值滤波高出1dB左右，并且在结构相似性上采用本文算法去噪后的图像与原始图像的相似度最高。因此，将概率PCA模型应用于植物叶片彩色图像修复是可行的、有效的，为其后续的图像处理提供了技术支持。     

蝗虫切片图像Shannon-Cosine小波精细积分混合降噪

在显微镜下采集到的蝗虫切片图像通常同时具有高斯噪声和椒盐噪声。利用同时具有插值性、光滑性、紧支撑性及归一化特性的Shannon-Cosine小波,构造了多尺度插值小波算子,进而构造了去除图像中混合噪声的小波精细积分法。该方法在稀疏描述切片图像时,通过设置稀疏表示阈值,直接消除图像中的椒盐噪声;将图像的Shannon-Cosine小波稀疏表达式直接代入图像降噪P-M模型,将该模型变形为非线性常微分方程组,采用精细积分法求解,可实现图像的保边降噪,消除图像中的高斯噪声。实验结果表明,在满足降噪要求的情况下,本文方法可以较好地保持蝗虫切片图像中的各种纹理结构;随着高斯噪声方差由0.02增加到0.10,降噪图像的PSNR下降了11.67%,远低于其他方法。说明本文方法在处理蝗虫切片图像时具有较强的鲁棒性。采用本文方法描述蝗虫切片图像时,特征像素点只占图像像素总数的10%左右,有效降低了问题规模,提高了求解效率。     

基于图像处理技术的大田麦穗计数

为了实现不同播种方式下单位面积小麦穗数的智能计算,设计了一种利用图像分析技术实现大田麦穗快速计数的方法,分析了利用颜色特征和纹理特征分割麦穗的优缺点和粘连区域麦穗个数的计算方法。通过对撒播和条播各35幅样本图像进行计数实验,准确率分别为95.77%和96.89%。结果表明,利用颜色特征和纹理特征均可提取大田环境下麦穗图像,其中利用颜色特征提取速度快。麦穗骨架角点个数能够反映粘连区域麦穗个数,在条播和撒播小麦田中计数准确率均较高。     

WMSN节点的低内存开销图像压缩方法

基于比特平面及二值自适应算术编码提出了一种逐行小波系数编码方法,该方法能与低内存开销的逐行小波变换无缝、高效对接。处理器从图像节点FIFO通道中逐行读出图像信息,完成多级小波变换后,根据各层小波系数概率分布确定量化值,利用4个二值概率模型对系数各比特平面执行二值自适应算术编码,实现了基于小波变换的低内存开销图像压缩。利用该压缩方法处理一幅320像素×240像素仔猪灰度图像,结果表明,量化位数取3位时,存储开销、时间开销及峰值信噪比为5.749 KB、16.312 s及39.72 d B,内存开销低且重构图像质量较高。     

遥感影像的自适应小波精细积分降噪方法

针对遥感影像数据量大、应用精度较高的图像降噪变分法处理时计算效率较低的问题,基于quasi-Shannon小波构造了一种二维自适应小波插值算子,并和精细积分法相结合建立了求解二维偏微分方程自适应小波精细积分方法。利用小波变换的多尺度自适应性和精细积分方法的高精度有效提高了图像降噪变分法的求解效率,从而可实现较大遥感影像的降噪处理。     

基于小波理论的温室监测图像压缩的研究

以沈阳农业大学北山基地10#棚的温室现场采集图像为原始图像,利用小波理论将温室图像进行压缩仿真试验,通过对分解后的图像进行重构,直接观察温室图像的压缩效果。分析压缩处理数据的峰值信噪比和误差值可知,将小波理论应有于温室图像的压缩处理,具有良好的实用性和可行性。     

基于图像处理技术的麦穗产量测量方法

选用9918小麦品种,利用Matlab图像处理技术,对小麦穗头图像的纹理特征与产量的关系作了初步研究。研究结果表明：穗头图片各纹理特征参数值（灰度均值、方差、平滑度、三阶矩、一致性、熵）与穗头产量均呈显著相关;用多元线性回归方法建立的穗头图像纹理-产量数学模型,在置信度为95%时,复相关系数为0.9807;对于产量大于、等于1.06g的本品种穗头,用建立的模型测穗头产量,精度达15%以上的样本占84.42%。