基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

一种新的去噪算法在农作物图像处理中的应用

简单介绍了中值滤波原理、小波去噪数学模型和小波去噪原理,在此基础上提出了一种基于小波变换的中值滤波方法,该方法是结合图像的时域特性和频域特性对图像进行分析,有效地弥补了一些传统算法上的不足之处。结果表明:该方法不但能去除农作物图像中的脉冲噪声和高斯噪声,而且能较好地保留农作物图像的细节,其滤波效果优于单一的传统滤波方法。     

基于SVM的中值滤波去噪方法研究

提出了一种针对椒盐噪声的去噪方法.去噪过程先利用SVM分类器将含噪图像中的象素分为噪声或非噪声点;接着,非噪声点象素值被保留,而噪声点象素值则通过中值滤波方法进行处理,从而达到去噪的目的.本研究在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0工具箱分别建立了四邻域,八邻域和二十四邻域三种分类模型,仿真实验证明,与已有的算法比较,本研究方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

排种图像的小波变换及其评价

图像变换是从排种图像中精确提取种子对象的一项关键措施,由于线性变换、中值滤波尚不能达到理想要求,故尝试应用二雏小波对排种图像进行小波变换,并依据种子对象的提取效果对其进行了评价。研究结果表明,小波变换对排种图像处理而言是一种优良变换算法,种子对象提取的匹配系数均大于0．85,最高达0．935 7,优于线性变换算法的0．6709。     

基于形态学和分形理论的农产品图像去噪

结合形态学和分形理论对农产品图像进行去噪处理,先通过形态学的开运算和闭运算滤除图像的正脉冲和负脉冲噪声,滤除噪声的高频部分效果明显,再计算经过形态学滤波后图像的分形维数,通过分形维数估算出修正参数修正图像,不仅能兼并噪声的低频部分,还能去除由于形态学结构元素方向的限制所产生的毛刺,起到平滑图像的作用.试验仿真得到的结果与传统的小波去噪、中值滤波、均值滤波相比较,不仅有较高的信噪比,还能保留图像的细节,提高主观的视觉效果.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

人脸表情识别中滤波算法的研究

去噪滤波技术是数字图像处理中的一个重要内容,是计算机视觉技术、模式识别、图像数据分析的基础,因而受到广泛的研究;并在人脸识别、表情识别、遥感成像等领域获得广泛的应用。通过对多种去噪滤波算法进行比较,选定了一种改进的二维中值滤波快速算法将其应用到表情识别中,得到较好效果。     

一种结合小波变换的豆类图像增强算法

针对农业视觉图像时常受到噪声的干扰,导致图像质量在很大程度降低的问题,以豆类图像为例,提出了一种图像自适应增强算法。该算法将小波变换与改进自适应中值滤波有机结合,首先对降质豆类图像实现2层小波分解,小波基函数取sym8,获得小波高频和低频分解系数;然后从噪声检测、自适应滤波等2个环节中对自适应中值滤波加以改进,提出了一种改进自适应中值滤波算法用于对小波各方向高频分解系数的自适应滤波;最后实现小波低频和高频系数的重构。将本研究算法与小波软阈值法、自适应中值滤波进行仿真试验比较,结果表明,本研究算法效果最优,能够实现对降质的豆类图像高质量增强处理。     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于相关性阈值的NSCT图像去噪方法研究

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出一种基于尺度相关与阈值去噪相结合的非下采样 Contourlet变换图像去噪方法。首先对噪声图像进行非下采样Contourlet变换，得到各个尺度各个方向子带的系数，然后采用相关系数归一的方法，结合Bayesian自适应阈值来达到更好的去噪效果。仿真实验表明，该方法在提高去噪后图像的峰值信噪比的同时，有效保留了图像的纹理信息，避免伪吉布斯现象，改善了图像的视觉效果。     

基于整数小波变换和改进零树编码的图像压缩方法

研究了基于整数小波变换和改进零树编码的图像压缩方法：先进行整数小波变换，将图像变换到小波域，再用改进的零树编码对图像进行压缩。给出了试验结果以及与EZW压缩方法的比较，结果表明，整数小波变换和改进零树编码相结合应用于图像压缩是有效的，在一定程度上能缩短计算时间，并提高峰值信噪比。     

一种基因芯片图像滤波混合法

对基因芯片的表达数据进行分析，有助于获得基因的表达谱与功能之间的关联信息，而基因芯片图像的滤波方法，对于获得高质量的基因表达数据具有重要的意义。本文采用小波和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因芯片图像的部分高频噪声，避免了图像有用信号湮灭；而中值滤波法弥补了小波分析中的噪声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节信息。     

林区TM图像消除噪声方法的比较

介绍了几种消除噪声滤波方法的数学基础,并结合吉林省汪清林业局数据,分别用低通滤波、统计滤波、增强型自适应滤波、均值平滑滤波、中值滤波方法对研究区TM遥感图像进行滤波消噪处理,并以平滑指数FI、边缘保持因素T和峰值信噪比PSNR为评价指标,对实验结果进行了对比分析,结果表明,统计滤波（D=1）和增强型自适应滤波用于林区TM图像消除噪声的滤波器中比较好。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

小波变换和偏微分方程在图像去噪中的应用

应用小波分析方法和偏微分方程方法进行图像处理是一个重要课题。小波变换去除图像噪声时虽然能保持图像的细节信息,但是图像的边缘信息被平滑了。使用偏微分方程对图像去噪,并与使用小波变换去除图像噪声后效果进行比较,实验结果表明:使用偏微分方程对图像去噪在平滑噪声的同时可以使边缘得到保持,应用偏微分方程进行图像去噪是一种有效的工具。     

基于小波阈值–卡尔曼的水田旋耕平地机倾角信号的去噪方法

基于全球卫星导航系统(GNSS)的水田旋耕平地机田间试验，采集平地机在调平过程中的倾角信号，采用小波硬阈值法，获取低频信号，并实时估计倾角信号的噪声方差，作为卡尔曼滤波的修正信息，再将低频信号作为系统输入，运用卡尔曼滤波对信号进行二次修正。试验结果表明：小波硬阈值–卡尔曼融合算法的滤波效果优于单一的小波阈值法和卡尔曼滤波，倾角信号经融合算法处理后，信号的信噪比由21.704提高到39.116，均方根误差从0.035 1减小至0.012 6。倾角信号中的噪声成分明显减少，信号的精确度更高。     

基于离散小波变换的农业图像处理研究

介绍了离散小波变换的定义,从农业工程角度出发,利用二维离散小波变换对农业图像在消噪、增强、压缩和边缘检测方面进行了一些分析和处理,并对离散小波变换图像处理在农业工程的应用前景做了展望.     

基于小波变换的图像压缩方法研究

图像压缩是为适应特殊应用场合或为得到一个较好的视觉效果,例如突出某些细节,常常需要一种可以有效改变已有图像大小的方法,使图像压缩后仍然有较高的质量。本文采用一维小波变换和二维小波变换方法,将图像信息分解成低频和高频两部分,通过压缩算法,将图像数据重构成一幅信息完整的新图像。实验表明,采用本算法压缩后的新图像符合客观实际,图像数据信息丰富。