基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上,提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声（高斯白噪声）去噪,结果PSNR为184．94,视觉效果清晰（而含噪声图像的PSNR为158．23,噪声太多不清晰）。好于邻域平均法（PSNR为174．15,视觉上含部分噪声）、中值滤波法（PSNR为182．4Z）、小波阔值去噪（PSNR为171．59,视觉上也含部分噪声）和Wiener滤波去噪法（PSNR为173．65）的去噪结果,更好于数学形态学的去噪结果（PSNR为150．46,视觉上含较多噪声）。试验结果表明,基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。     

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.     

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。     

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。     

动态称量信号离散小波变换数字滤波处理方法

针对动态称量快速准确的要求,结合小波变换变分辨率的时频联合分析特点.应用实时Mallat分解与重构去噪算法,探讨了动态称量信号离散小波变换实时处理方法.定量加料动态称量实验表明:小波分解去除高频信号后,重构出的低频信号稳定时间约0.128 s,相对误差为-1.5%～2%,均优于快速傅里叶变换法.     

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。     

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。     

小波变换在农田图像边缘检测中的应用

为了给农业机器人田间行走提供准确导航方向线,以农田景物为研究对象,提出用紧支撑双正交小波变换检测图像中的边缘,并改进了传统的小波算法。运用此方法,在计算机上对图像做边缘提取的实验。实验结果表明,该方法能够得到连续、光滑、单像素宽边缘链图像。程序的单幅图像处理平均效率为0.12s,不仅证明了该算法能够达到实时检测、自主导航的要求,而且也表明这种边缘提取方法是有效和可行的。     

农田视觉导航基准线的识别与提取方法研究

提出了一种基于农田图像处理的视觉导航基准线的提取方法。该方法首先使用加权平均法(2G-RB)对原图像进行灰度化处理;采用改进最大化类间方差分割灰度图像;再用小面积法去噪;识别去噪后的图像的中心点,确定导航中心点位置。基于中心点的分布规律,将图像中识别出的中心点进行筛选,得到有效的导航基准中心点,使用改进霍夫变换与最小二乘法相结合的方法提取导航基准线。本文方法能够准确地识别和提取导航基准线,实验证明了该方法的有效性和实时性。     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。     

基于机器视觉的自然环境中成熟荔枝识别

研究了自然场景下成熟荔枝的识别技术.通过分析荔枝彩色图像的颜色和灰度特征,选取YCbCr颜色模型进行处理,对其Cr分量图进行阈值分割去除复杂背景,并采用形态学和连通区域标注法消除分割后的随机噪声;然后结合一维随机信号直方图分析法与模糊C均值聚类法( FCM)对处理后的荔枝图像进行聚类和分割,实现荔枝果实和果梗的识别.不同光照条件下的识别实验结果表明,算法均能有效分割出果实和果梗,综合识别率达到95.5％.     

基于小波模极大值的水果大小检测方法

提出了一种基于小波模极大值的水果检测方法,对采集到的图像进行滤波处理,利用自适应阈值法进行二值化处理,通过小波模极大值法提取水果的边缘图像,得到水果的边界信息,最终确定水果的横径值。试验中将测试结果与实际的果径值相比较发现,该方法具有较高的准确性,从而可以用以区分水果的等级。     

水果品质检测中的模糊阈值分割方法

为实现利用机器视觉技术进行水果检测分级，对水果检测图像的分割进行了研究。依据模糊集合理论，提出了先验知识引导的自适应模糊阈值分割算法，实验表明该方法应用效果较好。     

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。     

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。     

渔场夜间监控系统图像去噪算法

针对渔场监控系统中夜间监控图像存在大量噪声的情况,分析了图像主要噪声源,并通过仿真试验分析了各种常见的图像去噪算法,在综合考虑图像去噪平滑效果、图像的清晰程度及图像去噪时间复杂度的基础上,提出了将数学形态学方法和中值滤波方法相结合用于数字监控系统的图像去噪算法。通过试验验证了本算法的可行性、实时性和鲁棒性。     

指纹图像方向信息提取方法

介绍了提取指纹图像方向信息的两种算法 :预定方向逼近法和 Rao改进型算法 ,指出了这两种算法的局限性。在此基础上提出了一种新的提取指纹图像方向信息的方法。实验结果表明 ,新方法明显提高了指纹图像方向信息的提取精度 ,在运算速度上也有很大提高     

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。     

荔枝采摘机械手视觉定位系统设计

建立了基于双目立体视觉的荔枝采摘机械手视觉定位系统.通过对成熟荔枝颜色特征的分析,选取YCbCr颜色模型进行处理,利用Otsu算法结合模糊C均值聚类法(FCM)对荔枝果实和果梗进行了分割,实验结果表明:有效识别果实和果梗的正确率为94.2％.通过计算果实质心与果梗的距离最大值确定荔枝采摘点,利用基于色调空间的彩色图像匹配法和极限约束法进行果梗采摘点的立体匹配,实现了采摘点的空间定位.通过定位误差分析,采用直线插值法进行定位误差补偿,定位实验结果表明:定位的深度误差小于10 mm,能满足荔枝机械手视觉精确定位的要求.