文献类型：期刊文章

作　　者：杨福增[1] 王峥[1] 杨青[1] 张艳宁[2]

机构地区：[1]西北农林科技大学机械与电子工程学院,杨凌712100 [2]西北工业大学计算机学院陕西省语音与图像信号处理重点实验室,西安710072

出　　处：《农业工程学报》

基　　金：西北农林科技大学优秀人才基金(04ZR003);青年学术骨干基金;校长基金;教育部高等学校博士点专项基金(20040712001)

年　　份：2007

卷　　号：23

期　　号：2

起止页码：145-150

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20071510546417)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：农产品图像的去噪是农产品图像处理中最基本、最重要的工作之一。为了更有效地去除农产品图像中的噪声。受二维离散Wiener滤波器计算方法的启发,提出了一种基于小波变换的Wiener滤波方法。该方法采用小波变换和Wiener滤波相结合的方法,具有稀疏性、多分辨率、去相关性、选基灵活性和在MSE意义上对图像进行最优估计的优点。该方法首先对含噪农产品图像ano做第一次小波变换得到低频图像a1和水平、垂直和对角三方向的高频图像hd1、vd1及dd1;其次对低频图像a1做Wiener滤波得到a1w,再对3个高频图像分别做Wiener滤波并合成得到g1w;接着对低频的a1w和高频g1w做小波逆变换,得到滤波图像“a1w+g1w”。同时,考虑到噪声主要在高频部分,所以直接把低频的a1和高频g1w做小波逆变换,得到滤波图像“a1+g1w”。这是对含噪图像ano做第1次小波变换的情况,其第2次、第3次及第4次变换的情况与此类似。这样可以得到许多滤波图像,然后根据图像信噪比PSNR和视觉效果,最终确定去噪效果最好的农产品图像。该方法应用于红枣、小麦杂草等农产品图像的去噪中,结果PSNR为158.23(视觉效果清晰),好于邻域平均法(PSNR为154.14)、中值滤波法(PSNR为155.82)、数学形态学(PSNR为154.07,视觉效果偏黑)、高斯滤波法(PSNR为153.79,视觉效果太黑)、直接维纳去噪(PSNR为154.14)和小波去噪(PSNR为158.18)等多种方法。试验结果表明,基于小波变换的Wiener滤波方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点;基于小波变换的Wiener滤波方法用于农产品图像去噪是有效的、可行的。

关 键 词：小波变换 WIENER滤波 图像去噪 红枣 杂草

分 类 号：TP274] O177.6]