基于图像处理的木片与树皮的新识别参数研究

利用数字图像处理技术对樟子松、柳木和榆木的木片和树皮图像进行分类识别,首先提取木片和树皮图像的均方差比等6个识别参数,分析其最大值和最小值,然后用支持向量机和BP神经网络对这6个识别参数进行识别研究。结果表明,新识别参数——均方差比,无论用支持向量机,还是BP神经网络,其识别率都较高,因此,均方差比可作为木片与树皮识别的新识别参数。为造纸生产中,将树皮和木片分离,提高纸张质量提供依据。     

基于图像处理提高木材识别准确性的新方法

为了提高机器识别木材的准确性,从木材图像预处理的角度出发,以复原木材图像纹理细节为目标,提出了基于SCN-MSE的木材图像超分辨率重建方法。将高分辨率图像经离散小波变换,把4个子带中相应位置、大小相同的碎片组成模块,再利用局部二值模式的邻域强度建立训练数据库;将低分辨率图像中的低频子带碎片,与数据库同类模块中的低频碎片进行比较,通过去除领域中心的均方差,寻找相似度最大的高频碎片,保留低分辨率图像的低频子带;再经小波逆变换得到超分辨率图像。选取樟子松及其树皮为识别对象,将基于SCN-MSE的超分辨率重建图像与经过传统预处理图像,利用SVM多项式核函数进行识别。识别结果表明,本研究提出的方法提高了樟子松及其树皮的识别率。     

小波和傅里叶相融合的彩色木材图像增强

针对现实生活中彩色图像普遍存在不清晰和对比度差的情况,在RGB模型上提出了一种新的彩色图像增强算法,并且应用到了木材图像领域。将彩色木材图像分解为RGB3个通道,首先使用滤波器把3个通道分别分解成高低频子带;然后使用傅立叶变换和小波变换相融合的方式进行锯齿检测,同时进行阈值判断;之后对检测到的锯齿进行消除,低频子带使用方向自适应滤波器,高频子带使用小波收缩函数进行消除;再使用小波逆变换返回3个通道;最后将3个通道还原成彩色图像。结果表明,该方法和传统方法相比较,可以有效保持图像的边缘特征,达到增强效果。以樟子松微观横截面为例,峰值信噪比PSNR提高了5.05,信息熵提高了3.14。本研究同时采集了榆木微观横截面、杨木宏观横截面和云杉微观横截面,其图像均得到增强。     

基于图像处理和SVM探索木材与树皮的新识别参数

木材工业生产中,需将树皮和木材分离,进而提高木材的使用效率。运用木材和树皮的5个特征参数和数字图像处理技术对榆木(光秃大果榆Ulmus macrocarpa var. glabra)、柳木(杞柳Salix integra)和松木(樟子松Pinus sylvestris var. mongolica)的木材与树皮图像进行分类识别,其中均方差比是本文提出的识别参数。通过对图片进行数字图像处理,得出参数的最大值和最小值, 利用多项式函数和非线性函数对木材和树皮识别,再对参数进行评估,筛选出最佳参数。结果表明,参数均方差比识别率最高分别达到97.7%和 94.7%,且多项式函数的识别效果高于非线性函数的识别效果。     

一种基于视觉特性的小波包图像编码压缩方法

针对图像能量分布特点及人眼对图像特殊区域敏感程度的不同,提出利用小波包对图像的低频子带和高频子带都进行多分辨率分解,并充分利用人眼的视觉特性和不同子带间小波包系数的相关性对系数进行编码。实验结果表明在保证优先编码视觉上最重要系数的同时,能够进一步提高图像复原质量。     

基于奇异值分解和非下采样Contourlet变换的红外图像增强新算法

针对夜间红外图像噪声大、对比度较低的问题,本文提出一种基于奇异值分解和非下采样Contourlet变换的夜间红外图像增强新算法。通过分解高频系数奇异值,对得到的奇异值矩阵进行权重排序分析,保留大权值的高频系数进行降噪;再使用自适应权值的增益函数对降噪处理后的高频系数进行增强处理。对低频系数则使用自适应权值的改进Sigmoid函数进行处理,不仅可提升图像整体对比度信息还可减少传统Sigmoid函数存在的过增强问题。实验结果表明,该算法能有效抑制红外图像噪声,提高图像对比度信息。     

基于小波变换的图像融合算法

图像融合技术的研究目的就是综合不同类型的传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠性和可观察性,通过对多幅图像间互补信息的处理提高图像的效果。提出了一种基于小波的融合算法,该算法基于小波图像的能量集中在低频子带、细节体现在高频子带的特点,在低频部分对小波系数采用基于局部能量的加权融合方法处理,高频部分采用基于边缘信息的加权算法进行融合。结果表明:所采用的方法避免了图像融合过程中因平均化而出现的模糊现象,融合后的图像内容更加清晰,更容易识别。实践证明,基于小波变换的图像融合可以取得良好的结果和较快的处理速度。     

基于软阈值的图像增强

图像增强技术是数字图像处理的的一个重要分支,提出了一种小波软阈值的图像增强算法,首先对原图像进行小波分解,得到分解后的小波系数,对给定的阈值,应用局部小波软阈值方法对小波系数处理,再将处理后的图像进行小波逆变换,得到增强后的图像.该方法在增强图像的同时,有效地抑制图像的噪声,较好地保持图像的边缘结构.     

一种基于图像分析的玉米病虫害智能化识别方法

农业病虫害智能化探测是现代农业发展的必然趋势,也是基本要求之一。以玉米病虫害为研究对象,借助计算机图像分析技术,提出了一种玉米病虫害智能化识别方法。首先对降质的玉米病虫害图像实现单层小波分解,以实现图像信号的多尺度分解,获得低频分解系数和高频分解系数。由于低频分解系数包含绝大多数图像低频信号,降质程度可忽略不计,设计了一种具有调节因子的自适应增强函数模型,通过设定固定阈值,对高于该阈值的系数进行只适应增强,反之则进行抑制。然后对上述各高频系数进行第二层小波分解,对获得的低频分解系数予以舍弃,对于高频系数则通过设计一种随着分解层数的变化而自适应调整阈值的小波阈值函数模型来进行处理。最后分别进行2层小波系数重构。结果表明,该方法对玉米病虫害图像的复原效果优于小波硬、软阈值函数模型,能够根据复原后的图像进行病虫害的准确识别,稍加改进可应用与农业智能化设备(如农业机器人)的内置程序中,能实现对病虫害图像的实时化地获取、处理,智能化地识别。     

基于多尺度分解的图像递进检索

提出了一种基于小波多尺度分解的图像递进检索匹配方法.首先用小波变换对图像进行多尺度分解,提取其各子带的前三阶矩(标准差、偏斜度)和最低频段(LL子带)的小波变换值作为特征值.然后在检索匹配时,用各尺度的标准差和偏斜度进行递进筛选,再用LL子带的HSV颜色直方图计算图像之间的相似性距离,进一步对检索结果求精.与传统的直接直方图方法比较,结果表明,运用该方法,不仅计算量大大降低,明显加快检索速度,而且检索精度也明显提高.同时,由于小波变换已经成为新一代图像压缩标准的核心,该方法可以直接在压缩域进行特征提取和检索.     

基于直方图统计的自适应图像增强改进算法

在分析数字图像统计特性的基础上,应用直方图原理,改进传统自适应算法,对图像进行了局部增强处理。首先计算图像的局部均值和标准差,比较其与全局均值和标准差的关系以确定需要增强的区域;然后在选定的区域上,对传统自适应增强算法进行改进,增加权重系数,提高对比度,改善图像增强的效果;最后对算法进行试验分析,并应用客观评价指标进行评价。试验结果表明,基于局部均值和标准差改进的自适应图像增强算法优于局部均值和标准差的图像增强。     

自适应直方图均衡化图像增强算法研究

直方图均衡化图像增强算法原理简单,同时是可逆操作,即只要知道变换函数,就可以通过其逆函数来得到原始的直方图,并且处理的数据量也不是很大,但在增强处理过程中因大量灰度级被合并而导致处理后图像出现不自然的情况。为此,提出了自适应直方图均衡化图像增强算法。该算法根据原始图像的直方图,自适应地确定一个剪切系数,然后按照剪切系数对直方图进行剪切,最后进行均衡化处理。算法的创新点在于自适应确定剪切系数,解决有高峰直方图图像增强后局部不自然的问题。试验结果表明,该算法对直方图有高峰的图像有较好的增强效果并避免过度增强不自然的问题,在计算机图像处理上有较高的应用价值。     

玉米生长期叶部病害图像识别预处理研究

针对玉米生长期叶部病害的图像,引入图像模式识别技术,实现病害图像的预处理。基于传统算法的不足,提出一种改进的小波图像增强算法,提高了图像的识别精度;深入研究了病害图像的直方图均衡化预处理、基于矢量中值滤波的图像增强操作算法,并引入超绿特征值进行图像分割,从而实现了对目标图像的去噪、增强,为下一步的特征提取与病害识别打下了良好基础。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

基于提升小波变换的薯类视觉图像滤波处理

对农产品检测过程中所获得的视觉图像中时常出现的噪声滤波问题进行研究,以薯类视觉图像为例提出了一种基于提升小波变换的自适应滤波算法。该算法首先采用分解、预测、更新对噪声图像进行单层提升小波变换,保留低频分解系数不变;其次对高频分解系数采用自适应Canny边缘算子进行边缘轮廓提取,保留边缘轮廓,对图像剩余部分进行有针对性地自适应滤波;再提出一种新型小波阈值函数模型对低频分解系数进行噪声抑制,最后进行分解系数重构。为了进一步改善滤波后图像的视觉效果,采用自适应同态滤波进行增强处理。仿真结果表明,该算法对薯类等农产品视觉图像中噪声的处理比小波阈值法、自适应中值滤波算法有优势。     

四层抽取小波分解后各个子带小波系数的直方图拟合实验研究

通过对特定图像进行四层抽取小波分解,用广义高斯分布对各子带高频系数进行拟合,用混合高斯分布对低频系数进行拟合,并利用χ~2拟合检验对直方图的拟合效果进行了评估。研究结果证明了广义高斯分布和混合高斯分布对小波系数直方图拟合的有效性,并初步讨论了不同尺度间系数分布的拟合趋势。     

自适应直方图均衡化算法在图像增强处理的应用

在图像增强处理中,用离散的灰度等级作直方图均衡化时,很难得到完全平坦均匀的结果,采用局部法对图像进行处理,不同局部采用不同的对比度增强方法.这种自适应直方图均衡算法,对妊娠超声图像进行处理,实验表明,自适应直方图均衡化算法在妊娠超声图像增强处理具有良好效果.     

曲波域木材纹理特征提取及分类算法研究

提出了一种基于离散曲波变换的木材纹理识别算法。对于待分类纹理图像进行基于USFFT的曲波域分解,在不同子层的曲波域系数中选择典型矩参数构成特征向量,并利用Brodatz纹理图像数据库以及自建的木材纹理图像库进行了仿真实验,实验结果证实了所提算法的有效性。     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

基于傅里叶变换和独立成分分析的木材显微图像特征提取与识别

正确识别木材对木材科学和木材产业具有重要意义。提出一种提取木材显微图像特征并进行识别的新方法。首先进行傅里叶变换得到木材显微图像的傅里叶变换功率谱图,然后进行独立成分分解得到功率谱图的独立基,所提取的特征就是木材显微图像的功率谱图在独立基上的投影系数,最后利用支持向量机对待识别图像在独立基上的投影系数进行分类,实现木材识别。在200幅木材显微图像库上进行小样本实验,取得了较高的识别率。实验结果表明,该方法具有较大应用潜力。图4参12