亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        農(nóng)業(yè)圖像NSCT—DWT域自適應(yīng)濾波增強(qiáng)算法

        2015-10-20 17:33:54張倩張凡
        江蘇農(nóng)業(yè)科學(xué) 2015年9期

        張倩++張凡

        摘要:將非下采樣輪廓波變換(nonsubsampled contourlet transform,NSCT)與離散小波變換(discrete wavelet transform,DWT)相結(jié)合,提出了1種針對(duì)農(nóng)業(yè)圖像的NSCT-DWT域自適應(yīng)濾波增強(qiáng)算法。首先對(duì)圖像進(jìn)行NSCT分解與重構(gòu)獲得空間域原始圖像的背景和細(xì)節(jié)圖像;然后將改進(jìn)的Pal-King模糊增強(qiáng)算法應(yīng)用于增強(qiáng)背景圖像;對(duì)于細(xì)節(jié)圖像則進(jìn)行3層二維離散小波變換,對(duì)高頻系數(shù)采用一種基于自適應(yīng)閾值的改進(jìn)型閾值函數(shù)模型進(jìn)行去噪,系數(shù)重構(gòu)獲得去噪后的細(xì)節(jié)圖像;最后對(duì)增強(qiáng)后的背景圖像與去噪后的細(xì)節(jié)圖像進(jìn)行疊加。結(jié)果表明,該算法對(duì)農(nóng)業(yè)圖像處理效果優(yōu)于2類已有的小波閾值去噪算法。

        關(guān)鍵詞:農(nóng)業(yè)圖像; 濾波增強(qiáng);非下采樣輪廓波變換;離散小波變換;閾值函數(shù)模型

        中圖分類號(hào):TP391.41;S126 文獻(xiàn)標(biāo)志碼: A文章編號(hào):1002-1302(2015)09-0448-02

        農(nóng)業(yè)圖像由于受到復(fù)雜的成像環(huán)境、成像設(shè)備自身缺陷等因素的影響,導(dǎo)致圖像中含有一定程度的噪聲并且對(duì)比度不高,影響了圖像的使用。對(duì)于該類圖像的處理,主要思路有:(1)去噪。采用去噪算法在空間域或者變換域?yàn)V除圖像中的噪聲,如中值濾波[1]、非局部均值濾波[2]、非下采樣輪廓波變換(NSCT)[3]、離散小波變換(DWT)[4]等,該類算法在濾除噪聲的同時(shí),較少地顧及改善圖像的對(duì)比度,提高濾波后圖像的視覺效果。(2)增強(qiáng)。采用如直方圖均衡化[5]、模糊增強(qiáng)[6]等方法改善圖像的對(duì)比度,突出圖像中感興趣的目標(biāo)信息,但該類方法很難濾除圖像中的噪聲,且容易在增強(qiáng)圖像的同時(shí)放大噪聲。農(nóng)業(yè)圖像作為一種細(xì)節(jié)信息較為豐富的圖像,對(duì)其進(jìn)行處理,應(yīng)當(dāng)有效兼顧濾波和增強(qiáng)這2個(gè)環(huán)節(jié)。因此,結(jié)合非下采樣輪廓波變換(NSCT)和離散小波變換(DWT),通過對(duì)農(nóng)業(yè)噪聲圖像進(jìn)行NSCT分解與重構(gòu),實(shí)現(xiàn)背景圖像和細(xì)節(jié)圖像的有效分離,在此基礎(chǔ)上,對(duì)2者分別進(jìn)行模糊增強(qiáng)和小波去噪,將處理后的2類圖像進(jìn)行疊加,獲得去噪后的農(nóng)業(yè)圖像。

        1算法基本原理

        相對(duì)于DWT來說,NSCT在對(duì)農(nóng)業(yè)噪聲圖像分解過程中,能更為有效地捕捉到圖像中的線、面等信息,能夠?qū)崿F(xiàn)對(duì)圖像更為稀疏的表達(dá),但具有相當(dāng)大的數(shù)據(jù)冗余度。DWT對(duì)于刻畫圖像中點(diǎn)奇信息是十分有效的,能從水平、垂直、對(duì)角等3個(gè)方向來刻畫圖像中的高頻信息,盡管其對(duì)圖像的稀疏性表達(dá)能力略遜于NSCT,但具有較小的數(shù)據(jù)冗余度。因此,構(gòu)建了NSCT-DWT圖像分析框架,通過對(duì)農(nóng)業(yè)圖像進(jìn)行NSCT變換和逆變換,獲得背景圖像和細(xì)節(jié)圖像;然后對(duì)細(xì)節(jié)圖像采用DWT進(jìn)行進(jìn)一步分析。

        1.1背景圖像自適應(yīng)模糊增強(qiáng)

        為了更為有效地突顯農(nóng)業(yè)圖像中的細(xì)節(jié)信息(如植物的根莖葉邊緣等信息),對(duì)Pal-King算法[6]中的模糊隸屬度映射函數(shù)進(jìn)行改進(jìn),改進(jìn)后的函數(shù)模型定義為:

        式中:f′(x,y)為公式(1)中像素點(diǎn)灰度值f(x,y)模糊增強(qiáng)后的結(jié)果;T-1()為模糊逆變換計(jì)算函數(shù)。

        1.2細(xì)節(jié)圖像自適應(yīng)小波去噪

        關(guān)于小波閾值函數(shù)模型,學(xué)者們提出一些改進(jìn)型的模型[7-10],該類函數(shù)去噪模型盡管取得了一些效果,但不足之處在于:(1)自適應(yīng)不強(qiáng)。函數(shù)模型中加入了調(diào)節(jié)參數(shù),該類參數(shù)的取值只能經(jīng)過反復(fù)試驗(yàn)獲得,并且對(duì)于一類圖像甚至是一幅圖像來說,如此取值可以滿足去噪要求,但對(duì)于其余類型圖像,則需要重新確定參數(shù)值。(2)耗時(shí)較大。相當(dāng)一部分去噪模型中融入了諸如指數(shù)、對(duì)數(shù)之類的非線性函數(shù),在逐步提高函數(shù)整體去噪效果的同時(shí),去噪過程的耗時(shí)也急劇增大。因此,本研究提出了如下函數(shù)模型:

        0|w|≤t1。(12)

        1.3算法實(shí)現(xiàn)步驟

        步驟1:對(duì)農(nóng)業(yè)噪聲圖像進(jìn)行NSCT多尺度分解,得到1幅低頻圖像和1幅帶通圖像;低頻圖像主要包含了農(nóng)業(yè)圖像中背景信息,帶通圖像則包含了農(nóng)業(yè)圖像中圖像輪廓邊緣等細(xì)節(jié)信息以及絕大多數(shù)的噪聲信息。

        步驟2:對(duì)步驟1中獲得的帶通圖像采用一種非下采樣多方向?yàn)V波器進(jìn)行多方向分解,獲得代表各個(gè)方向上的農(nóng)業(yè)像高頻信息的方向帶通圖像序列。

        步驟3:對(duì)步驟1中的低頻圖像繼續(xù)執(zhí)行步驟1和步驟2,完成對(duì)圖像更為細(xì)致的分解。

        步驟4:對(duì)上述低頻圖像和帶通圖像分別進(jìn)行NSCT系數(shù)重構(gòu),獲得空間域中的背景圖像和細(xì)節(jié)圖像。

        步驟5:分別對(duì)背景圖像和細(xì)節(jié)圖像進(jìn)行自適應(yīng)增強(qiáng)和濾波處理,得到處理后的背景圖像和細(xì)節(jié)圖像。

        步驟6:對(duì)經(jīng)過步驟5處理后的背景圖像和細(xì)節(jié)圖像進(jìn)行疊加,得到最終處理后的農(nóng)業(yè)圖像。

        2試驗(yàn)測試

        借助MATLAB語言對(duì)本算法進(jìn)行編程,采用1幅水果圖像對(duì)本算法去噪能力進(jìn)行測驗(yàn),引入文獻(xiàn)[8]和文獻(xiàn)[10]中的小波閾值去噪算法與本算法進(jìn)行對(duì)比(分別記為算法1、算法2、算法3),試驗(yàn)結(jié)果如圖1所示。采用峰值信噪比(peak signal to noise ratio,PSNR)[11]、平均結(jié)構(gòu)相似度算子(means structural similarity,MSSIM)[12]以及算法耗時(shí)對(duì)上述試驗(yàn)結(jié)果進(jìn)行客觀評(píng)價(jià),結(jié)果見表1。

        表1試驗(yàn)結(jié)果的定量評(píng)價(jià)

        噪聲方差PSNR(dB)算法1算法2算法3MSSIM算法1算法2算法3算法耗時(shí)(s)算法1算法2算法3525.35125.60826.1880.7010.7760.8343.4746.1924.8231022.30924.88525.5520.6550.7350.7683.6196.7035.0021520.02823.61225.1730.6020.6840.7363.9276.8915.202

        就圖像清晰度而言,圖1-d稍優(yōu)于圖1-c這,因?yàn)樗惴?中通過將所有的圖像小波分解系數(shù)分成3類,對(duì)于每一類的小波分解系數(shù)設(shè)置不同的計(jì)算方式進(jìn)行處理,相對(duì)于算法1而言,能夠更為精細(xì)地去除殘留在小波系數(shù)中的噪聲信息,但該算法的計(jì)算復(fù)雜度明顯高于算法1。而圖1-d的清晰程度明顯優(yōu)于圖1-b和圖1-c,主要體現(xiàn)在:(1)圖1-d背景中的噪聲點(diǎn)基本不存在,而圖1-b和圖1-c的背景中仍然存在不同程度的噪聲,該類噪聲的存在影響對(duì)圖中枇杷果實(shí)信息的準(zhǔn)確識(shí)別;(2)圖1-d中枇杷果實(shí)輪廓基本從噪聲信息中恢復(fù)出來,并且圖像的對(duì)比度比圖1-a有了明顯提高。endprint

        當(dāng)圖像中的高斯白噪聲方差為5時(shí),3種算法的PSNR和MSSIM指標(biāo)值相差不大。當(dāng)噪聲方差達(dá)到15時(shí),本算法的PSNR值高于其他2種算法,分別比算法2高1.561 dB比算法1高5.145 dB;本算法的MSSIM值高于其他2種算法,分別比算法2高0.052、比算法1高0.134。對(duì)于含有3種不同方差高斯白噪聲的農(nóng)業(yè)圖像去噪耗時(shí)來說,本研究算法相對(duì)于文獻(xiàn)[12]中的小波閾值去噪算法而言,仍有一定的優(yōu)勢。

        3結(jié)束語

        結(jié)合NSCT和DWT,提出了1種農(nóng)業(yè)圖像濾波增強(qiáng)算法。通過對(duì)含有不同方差高斯白噪聲的農(nóng)業(yè)圖像進(jìn)行試驗(yàn),主觀分析結(jié)果,PSNR、MSSIM以及算法執(zhí)行時(shí)間等指標(biāo)定性、定量證明了本研究算法的有效性。

        參考文獻(xiàn):

        [1]周仕友. 一種結(jié)合小波變換的豆類圖像增強(qiáng)算法[J]. 江蘇農(nóng)業(yè)科學(xué),2014,42(7):433-435.

        [2]陳明舉. 基于統(tǒng)計(jì)特性的非局部均值去噪算法[J]. 液晶與顯示,2014,29(3):450-454.

        [3]韓偉,劉強(qiáng). 一種 NSCT 域改進(jìn)閾值函數(shù)的雜草圖像去噪方法[J]. 江蘇農(nóng)業(yè)科學(xué),2013,41(11):151-153.

        [4]Luo F,Wu S J,Jiao L C,et al. Asic design of adaptive threshold denoise DWT chip[J]. Journal of Electronics,2002,19(1):1-7.

        [5]趙吉文,魏正翠,汪洋,等. 基于灰度帶比例的優(yōu)質(zhì)西瓜子識(shí)別算法研究與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(4):340-344.

        [6]Pal S K,King R A. One edge detection of X-ray images using fuzzy sets[J]. IEEE Trans,1983,5(1):69-77.

        [7]李雷,魏連鑫. 自適應(yīng)小波閾值函數(shù)的指紋圖像去噪[J]. 上海理工大學(xué)學(xué)報(bào),2014,36(2):154-157,162.

        [8]黃玉昌,侯德文. 基于改進(jìn)小波閾值函數(shù)的指紋圖像去噪[J]. 計(jì)算機(jī)工程與應(yīng)用,2012,50(6):179-181.

        [9]王蓓,張根耀,李智,等. 基于新閾值函數(shù)的小波閾值去噪算法[J]. 計(jì)算機(jī)應(yīng)用,2014,34(5):1499-1502.

        [10]王藝龍,楊守志. 基于連續(xù)閾值函數(shù)的小波去噪方法[J]. 汕頭大學(xué)學(xué)報(bào):自然科學(xué)版,2013,28(4):66-74.

        [11]楊福增,田艷娜,楊亮亮,等. 基于雜交小波變換的農(nóng)產(chǎn)品圖像去噪算法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(3):172-178.

        [12]翟東海,魚江,段維夏,等. 米字型各向異性擴(kuò)散模型的圖像去噪算法[J]. 計(jì)算機(jī)應(yīng)用,2014,34(5):1494-1498.endprint

        色一情一区二| 国产av一区二区三区性入口| 亚洲av无码乱码在线观看富二代 | 欧美激情内射喷水高潮| 国产成人精品曰本亚洲| 三级黄片一区二区三区| 国产一区二区三区av天堂| 伊人久久大香线蕉亚洲五月天| 欧美精品区| 激情一区二区三区视频| 蜜臀av毛片一区二区三区| 久久久老熟女一区二区三区| 国产精品亚洲综合久久婷婷| 青青草原亚洲在线视频| 亚洲一区二区三区中文字幕网| 人妻聚色窝窝人体www一区| 丝袜国产高跟亚洲精品91| 白色橄榄树在线阅读免费| 国产美女主播视频一二三区| 欧美极品少妇无套实战| 国产乱子伦精品免费女| av天堂中文亚洲官网| 麻花传媒68xxx在线观看| 久久日本三级韩国三级| 国产成人av综合色| 亚洲一区二区三区偷拍视频| 婷婷五月婷婷五月| 在线综合网| 亚洲一区二区在线视频,| 国产亚洲欧美精品永久| 亚洲男人的天堂在线播放| 无码高清视频在线播放十区| 国产中文字幕免费视频一区| 大胸少妇午夜三级| 一出一进一爽一粗一大视频免费的| 一区二区三区精彩视频在线观看| 亚洲在线视频免费视频| 国产自偷自偷免费一区| av草草久久久久久久久久久 | 亚洲天堂一区二区三区| 久久精品国产亚洲av香蕉|