文献类型：期刊文章

作　　者：李健[1] 丁小奇[1] 陈光[2] 孙旸[2] 姜楠[1]

LI Jian;DING Xiao-qi;CHEN Guang;SUN Yang;JIANG Nan(College of Information Technology,Jilin Agricultural University,Changchun 130118,China;College of Life Sciences,Jilin Agricultural University,Changchun 130118,China)

机构地区：[1]吉林农业大学信息技术学院,长春130118 [2]吉林农业大学生命科学学院,长春130118

出　　处：《南方农业学报》

基　　金：国家自然科学基金项目(41601454);吉林省教育厅高校创新团队项目(2017C038);秸秆生物学与利用教育部重点实验室科研项目(2019-39)

年　　份：2019

卷　　号：50

期　　号：6

起止页码：1385-1391

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD_E2019_2020、FSTA、IC、JST、RCCSE、WOS、ZGKJHX、ZR、核心刊

摘　　要：【目的】使用改进的自适应高斯滤波算法对农作物叶片病虫害图像进行降噪处理,为叶片病虫害图像提供前期预处理的优化手段,从而提高诊断的准确性。【方法】通过计算图像像素矩阵区域内中心点邻域方差与二维高斯滤波函数的比值,确定高斯标准差,动态生成高斯卷积核,从而形成改进的自适应高斯滤波算法,对病斑图像进行降噪平滑处理;然后分别模拟不同噪声强度,比较算法的降噪效果;最后通过峰值信噪比(Peak signal-to-noise ratio,PSNR)定量计算改进前后高斯滤波算法的优化程度。【结果】首先,使用MATLAB2014b对密刺黄瓜枯萎病斑RGB图像模拟出3组不同噪声强度下的干扰场景,并进行归一化处理;然后,分别利用3种算法对噪声图像进行降噪处理,得出当噪声强度较弱时,改进算法对高斯白噪声抑制效果明显;噪声强度增大时,改进算法的优化程度逐渐下降;其次,分别计算各算法改进前后的PSNR,得出当噪声强度为0.01、0.02和0.03时,即改进的自适应高斯滤波算法PSNR值分别比传统高斯滤波提升6.942、6.965和6.718db;最后,通过计算100组采集叶片图像降噪处理后的PSNR值,得到改进的自适应高斯滤波的PSNR值平均提高13.8%。【建议】采集的农作物叶片图像试验材料需广泛化;推动优化图像预处理的进程;提升图像匹配准确性,推动叶片诊断专家系统的研究。

关 键 词：图像降噪 高斯滤波算法  叶片病虫害  峰值信噪比

分 类 号：S126] S56