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。     

苹果夜视图像小波变换与独立成分分析融合降噪方法

对不同人工光源辅助下采集到的夜视苹果图像,通过噪声分析,判定苹果夜视图像的噪声以高斯噪声为主,并混有部分椒盐噪声。针对高斯噪声去除难题,将小波变换(Wavelet transform,WT)与独立成分分析(Independent component analysis,ICA)理论引入夜视图像的处理系统,为了最大程度地降低噪声污染,提出WT-ICA融合降噪方法。通过仿真实验,结果表明融合降噪效果较为理想。为了更好地评价夜视图像的降噪效果,以自然光下的图像为参照基准,提出相对峰值信噪比(Relative peak signal-to-noise ratio,RPSNR)的概念。对所采集到的不同的夜视图像进行多次重复实验,结果表明,从视觉上看WT-ICA降噪方法得到的低噪图像噪点明显减少;从RPSNR看,WTICA得到的低噪图像,分别比原始图像、小波软阈值降噪、ICA降噪方法平均提高29.94%、8.09%、7.54%;白炽灯下的图像处理后的RPSNR最高,适合作为人工光源。WT-ICA融合降噪方法通过连续处理,排除夜视图像的噪声干扰,得到的低噪图像更利于进一步识别,从而为实现苹果采摘机器人的全天候作业打下基础。     

基于Meyer窗函数剪切波变换的蝗虫切片图像去噪

蝗虫显微切片图像纹理边缘细节丰富,在图像获取、增强等预处理过程中经常会受到外部噪声的干扰,因此针对蝗虫切片图像去噪同时并保留纹理边缘细节的探索是研究不同蝗虫种类细胞构造的基础。基于张量的传统二维小波因其滤波器各向同性,只能表示水平和垂直两个方向,在去噪的同时会把图像中边缘纹理等细节模糊,而剪切波构造的滤波器各向异性,能够表示多个方向,这些优点使得剪切波可以有效地处理高维数据,在逼近奇异曲线时达到最优逼近。本文提出的基于Meyer窗函数的剪切波算法可以识别出图像边缘和纹理,并在去噪的同时保留纹理,以Meyer小波作为剪切波基函数,利用Meyer小波函数和尺度函数构造窗函数,然后采用Meyer窗函数来建立各向异性剪切波滤波器,再利用该剪切波滤波器对蝗虫切片图像进行多尺度分析,经过剪切波变换获得剪切波系数,最后应用硬阈值方法去除蝗虫切片图像噪声系数,经过逆变换得到蝗虫切片去噪图像。采用经典图像质量评价指标均方误差（MSE）、峰值性噪比（PSNR）、结构相似度（SSIM）对本文算法去噪性能进行评价,在噪声标准差等于30时,将本文算法与Meyer小波、偏微分方程等去噪方法进行比较,其中PSNR比Meyer小波提高2.5dB左右,比偏微分方程算法的PSNR提高2dB左右。仿真试验结果表明,本文算法去噪后的蝗虫切片图像去噪效果明显优于其他传统去噪算法,去噪结果在视觉效果上也优于其他传统去噪算法。     

小波域非局部均值无芒隐子草叶切片盲去噪

在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪。实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为σ∈[1. 5,3. 5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0. 990 7;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为σ∈[1. 5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 d B,而NLM和本文提出的算法不适用;当噪声标准差为σ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7. 5d B,应用Beyes Shrink算法提高了6. 5 d B;而当σ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10. 53d B,是NLM算法的1. 4倍、Beyes Shrink法的1. 3倍。本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础。     

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。     

基于Bandelet变换的参数化阈值函数降噪算法

为去噪的同时最大程度地保留蝗虫切片图像细小的边缘与纹理特征,利用Bandelet变换的多尺度特性和图像的几何特性,提出了基于Bandelet变换的参数化阈值函数的去噪算法。首先采用具有平移不变性的平稳小波对图像进行分解,然后利用Birge-Massart策略估计阈值、最小化Lagrange函数取得最佳几何流方向,并利用最小均方误差(MSE)原则优化四叉树,最后采用自适应Bayesshrink参数化阈值函数对图像进行去噪。实验结果表明,本文算法对图像边缘的稀疏表示效果比较理想,降噪后边缘更加清晰,纹理特征更多。对比其他方法,通过本文算法获得的峰值信噪比(PSNR)和结构相似度(SSIM)结果表明,其降噪性能显著提高。说明将基于Bandelet变换的参数化阈值函数算法应用于蝗虫切片图像去噪有效、可行,可为后续研究提供技术支持。     

图像降噪的小波精细积分方法

针对图像处理的偏微分方程方法求解效率低的问题,提出了一种小波精细积分法,将小波数值方法和精细积分方法有机结合,利用小波数值方法的自适应性和精细积分方法与迭代步长无关的优良数值特性,有效提高了偏微分方程的计算速度。将该方法应用于基于热传导方程的图像去噪技术中,实验结果表明了该方法的正确性和有效性。     

基于B样条小波有限元的混凝土温度场仿真分析

提出了一种计算混凝土结构瞬态温度场的新方法。利用B样条小波的尺度函数代替多项式函数作为插值基函数,构造了二维及三维小波单元,建立了基于B样条小波的混凝土有限元计算模型。该模型详细讨论了混凝土热传导方程的小波有限元解法,推导了小波系数空间到物理空间的转换矩阵,给出了求解域的小波有限元列式。理论分析和数值计算结果表明,B样条小波有限元法是有效的,具有较高的计算精度和求解速度。     

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。     

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。     

基于单元最邻近匹配的蝗虫切片图像修复方法

针对序列切片中带有褶皱的蝗虫切片图像,提出基于单元最邻近匹配的方法打开褶皱,首先利用尺度不变特征变换(Scale-invariant feature transform,SIFT)算法对放大2倍的切片图像提取褶皱切片和参考切片特征点,利用k-d树策略确定初始的匹配对;然后经RANSAC算法剔除误匹配;再分别对褶皱区域和褶皱切片进行单元划分,并用最小二乘法分别求每个褶皱子单元最邻近的切片子单元中匹配点对的空间映射模型;最后利用该空间映射模型求褶皱子单元的对应匹配块,完成褶皱区域的修复。试验表明:采用单元最邻近匹配的方法能够搜索到更多的特征点,建立的空间映射模型也能更好地匹配褶皱区域的图像纹理变化,能较好地完成对褶皱区域的修复,实现带破损切片的精确分割和修复。     

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。     

WMSN图像节点低内存小波变换方法研究

基于Le Gall 5/3滤波器提出了一种逐行小波变换方法,处理器从图像节点SD卡逐行读出图像信息,完成多级变换后将变换结果行写入SD卡。该方法 SRAM内存需求低,且仅涉及定点整数乘法、加法及移位操作。应用所提方法对一幅256像素×256像素仔猪灰度图像进行小波变换实验,结果表明,该方法以合理的定点运算代价换取了3.968 KB的SRAM开销以及8.718 s的时间开销。为基于小波变换的WMSN节点图像压缩奠定了基础,使农业生产图像在低带宽WMSN上高效传输成为可能。     

小波域马铃薯典型虫害图像特征选择与识别

为准确、快速地识别马铃薯典型虫害,提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。该方法以自然环境下的马铃薯虫害分割图像为对象,提取小波域高斯空间模型的高频协方差阵特征值与低频低阶矩(HELM)的12个不变纹理特征、空间域Hu不变矩的4个形状特征,进行支持向量机(SVM)的虫害分类识别。通过对8类典型虫害的识别,试验结果表明:在SVM识别方法下,本文HELM特征提取方法,相比传统纹理特征提取方法,在特征计算量不增加的同时,平均识别率至少提高了17个百分点;在HELM特征与Hu矩特征下,本文SVM的运行时间为0.481 s,比人工神经网络快了近2 s,平均识别率为97.5%,比人工神经网络、贝叶斯分类器识别率提高了至少6个百分点,有明显的识别优势。     

基于小波包能量的信息表示在汽车齿轮箱状态监测中的应用

在分析信号的能量特征的基础上,提出一种基于小波包能量谱的信号特征表示方法:将信号特征表示为对分解结点的能量谱,有效压缩设备的状态信息.在设备的状态特征的可视化过程中,进一步将特征向量中数据的大小用像素点的颜色表示,将设备的大量状态特征转化为关于时间和小波包分解结点的连续彩图表示.这种设备状态的表示方法称为彩图表示.应用彩图表示法将大量的变速器齿轮的状态信号转化为彩图表示,结果清晰显示了变速器齿轮的状态以及状态随时间缓慢变化的过程.     

基于PCA和高斯混合模型的小麦病害彩色图像分割

为了提高高斯混合模型对小麦病叶的分割精度,减少分割时间,提出了一种基于PCA和高斯混合模型的分割方法。首先充分利用图像的颜色信息,将图像多个颜色通道进行主成分分析计算,获得3个主要颜色通道;在此基础上,将图像分成多个分块,根据其像素平均值排序,各取前后多个分块组成新的像素集合进行高斯混合模型运算;最后遍历整个图像,将每个像素归类到已求出的高斯模型上得出分割结果。通过对小麦锈病图像的分割试验表明,该方法的错分像素率分别比高斯混合模型、K-means等传统分割方法低5.46和13.44个百分点。     

基于稀疏表示的烤烟烟叶品质分级研究

为了实现烟叶自动检测与分析,通过计算机视觉对烟叶品质进行分级。在提取烟叶图像特征参数的基础上,提出了一种基于稀疏表示的烤烟烟叶品质分级方法。以临朐12种和恩施5种不同级别的烟叶图像作为研究对象,每级烟叶取10幅图像作为训练样本,对每幅烟叶图像取颜色、形态和纹理特征值。利用训练样本的特征值组成稀疏表示方法的数据字典,对每个测试样本计算其在数据字典上的投影,利用最小残差项确定其品质分级。实验结果与基追踪法（BP）、神经网络方法、SVM方法和模糊处理方法实验结果相比较,训练集样本识别率为100%,综合识别率达95.7%,取得了比较好的分类效果。