基于農(nóng)業(yè)視覺圖像的高效濾波處理方法

摘要：機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用，使得農(nóng)業(yè)自動化水平有了很大提高；但由于農(nóng)業(yè)視覺圖像的獲取受氣候、溫度、光照、成像設(shè)備、圖像傳輸?shù)戎T多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現(xiàn)一定程度的失真，給后續(xù)農(nóng)業(yè)視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農(nóng)業(yè)視覺圖像中時常出現(xiàn)的噪聲，提出了一種具有噪聲監(jiān)測與檢測功能的多方向改進(jìn)加權(quán)均值濾波算法，算法首先對含有噪聲的農(nóng)業(yè)視覺圖像進(jìn)行粗檢測和精檢測，以精確標(biāo)記出噪聲點(diǎn)；然后針對圖像信息的分布特征分別設(shè)計出3類不同尺度的8方向?yàn)V波窗口；最后根據(jù)粗檢測和精檢測結(jié)果分別對噪聲圖像進(jìn)行加權(quán)濾波處理。試驗(yàn)結(jié)果表明，改進(jìn)的濾波算法性能優(yōu)于經(jīng)典均值濾波法、自適應(yīng)中值濾波法及加權(quán)均值濾波法，提高了農(nóng)產(chǎn)品視覺圖像的清晰度及圖像目標(biāo)識別的準(zhǔn)確率。

關(guān)鍵詞：農(nóng)業(yè)視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進(jìn)均值濾波

中圖分類號： S126；TN911.73 文獻(xiàn)標(biāo)志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學(xué)研究。Tel：（021）58786389；E-mail：greensheep9@163.com?，F(xiàn)代農(nóng)業(yè)的深入發(fā)展為機(jī)器識別技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用提供了廣闊空間。通過對農(nóng)產(chǎn)品的外形、輪廓等信息的準(zhǔn)確識別，可為農(nóng)產(chǎn)品病蟲害自動化監(jiān)測及成熟果實(shí)采摘提供準(zhǔn)確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。對此，學(xué)者們也做了大量研究，主要集中在農(nóng)產(chǎn)品圖像的邊緣檢測[1]、圖像增強(qiáng)[2]、圖像分割[3]等領(lǐng)域，但是關(guān)于農(nóng)產(chǎn)品視覺圖像的視覺改善研究特別是對于圖像中時常出現(xiàn)的噪聲抑制的研究較少。在現(xiàn)實(shí)情況下，成像環(huán)境、成像設(shè)備以及電路等因素使得農(nóng)業(yè)視覺影像在獲取、傳輸、存儲等環(huán)節(jié)中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導(dǎo)致后續(xù)農(nóng)業(yè)視覺圖像的分析處理中出現(xiàn)大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進(jìn)算法[5-6]、均值濾波及改進(jìn)算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進(jìn)行2次檢測，然后有針對性地設(shè)計了3種尺度的8方向?yàn)V波窗口，最后實(shí)現(xiàn)對噪聲的加權(quán)濾波。

1算法原理

1.1噪聲有效檢測策略

對農(nóng)業(yè)視覺圖像噪聲的分布區(qū)域及密度進(jìn)行有效檢測，在此基礎(chǔ)上進(jìn)行有針對性的濾波，從而大大避免了經(jīng)典濾波方法的盲目性。近年來學(xué)者們對此進(jìn)行了大量研究，先通過對噪聲點(diǎn)周圍一定大小區(qū)域內(nèi)的各像素點(diǎn)灰度值進(jìn)行檢測，然后根據(jù)檢測結(jié)果判定極值點(diǎn)，從而實(shí)現(xiàn)對噪聲點(diǎn)的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細(xì)檢測2個步驟，并設(shè)一幅大小為M×N的圖像在任意點(diǎn)（x，y）處的灰度值為F（x，y）。

3總結(jié)

本研究以椒鹽噪聲為模型，針對農(nóng)業(yè)視覺圖像中存在的噪聲進(jìn)行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權(quán)均值濾波算法。試驗(yàn)結(jié)果表明，本算法具有較優(yōu)的噪聲濾波性能。

參考文獻(xiàn)：

[1]周勝靈，丁珠玉. 基于DM642的農(nóng)產(chǎn)品圖像邊緣檢測系統(tǒng)設(shè)計[J]. 農(nóng)機(jī)化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農(nóng)業(yè)圖像目標(biāo)分割[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農(nóng)業(yè)圖像增強(qiáng)方法研究[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫(yī)學(xué)圖像去噪研究[J]. 電視技術(shù)，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進(jìn)的自適應(yīng)中值濾波算法[J]. 計算機(jī)應(yīng)用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進(jìn)的極值中值濾波算法[J]. 計算機(jī)科學(xué)，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權(quán)均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學(xué)報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.

摘要：機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用，使得農(nóng)業(yè)自動化水平有了很大提高；但由于農(nóng)業(yè)視覺圖像的獲取受氣候、溫度、光照、成像設(shè)備、圖像傳輸?shù)戎T多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現(xiàn)一定程度的失真，給后續(xù)農(nóng)業(yè)視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農(nóng)業(yè)視覺圖像中時常出現(xiàn)的噪聲，提出了一種具有噪聲監(jiān)測與檢測功能的多方向改進(jìn)加權(quán)均值濾波算法，算法首先對含有噪聲的農(nóng)業(yè)視覺圖像進(jìn)行粗檢測和精檢測，以精確標(biāo)記出噪聲點(diǎn)；然后針對圖像信息的分布特征分別設(shè)計出3類不同尺度的8方向?yàn)V波窗口；最后根據(jù)粗檢測和精檢測結(jié)果分別對噪聲圖像進(jìn)行加權(quán)濾波處理。試驗(yàn)結(jié)果表明，改進(jìn)的濾波算法性能優(yōu)于經(jīng)典均值濾波法、自適應(yīng)中值濾波法及加權(quán)均值濾波法，提高了農(nóng)產(chǎn)品視覺圖像的清晰度及圖像目標(biāo)識別的準(zhǔn)確率。

關(guān)鍵詞：農(nóng)業(yè)視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進(jìn)均值濾波

中圖分類號： S126；TN911.73 文獻(xiàn)標(biāo)志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學(xué)研究。Tel：（021）58786389；E-mail：greensheep9@163.com?，F(xiàn)代農(nóng)業(yè)的深入發(fā)展為機(jī)器識別技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用提供了廣闊空間。通過對農(nóng)產(chǎn)品的外形、輪廓等信息的準(zhǔn)確識別，可為農(nóng)產(chǎn)品病蟲害自動化監(jiān)測及成熟果實(shí)采摘提供準(zhǔn)確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。對此，學(xué)者們也做了大量研究，主要集中在農(nóng)產(chǎn)品圖像的邊緣檢測[1]、圖像增強(qiáng)[2]、圖像分割[3]等領(lǐng)域，但是關(guān)于農(nóng)產(chǎn)品視覺圖像的視覺改善研究特別是對于圖像中時常出現(xiàn)的噪聲抑制的研究較少。在現(xiàn)實(shí)情況下，成像環(huán)境、成像設(shè)備以及電路等因素使得農(nóng)業(yè)視覺影像在獲取、傳輸、存儲等環(huán)節(jié)中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導(dǎo)致后續(xù)農(nóng)業(yè)視覺圖像的分析處理中出現(xiàn)大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進(jìn)算法[5-6]、均值濾波及改進(jìn)算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進(jìn)行2次檢測，然后有針對性地設(shè)計了3種尺度的8方向?yàn)V波窗口，最后實(shí)現(xiàn)對噪聲的加權(quán)濾波。

1算法原理

1.1噪聲有效檢測策略

對農(nóng)業(yè)視覺圖像噪聲的分布區(qū)域及密度進(jìn)行有效檢測，在此基礎(chǔ)上進(jìn)行有針對性的濾波，從而大大避免了經(jīng)典濾波方法的盲目性。近年來學(xué)者們對此進(jìn)行了大量研究，先通過對噪聲點(diǎn)周圍一定大小區(qū)域內(nèi)的各像素點(diǎn)灰度值進(jìn)行檢測，然后根據(jù)檢測結(jié)果判定極值點(diǎn)，從而實(shí)現(xiàn)對噪聲點(diǎn)的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細(xì)檢測2個步驟，并設(shè)一幅大小為M×N的圖像在任意點(diǎn)（x，y）處的灰度值為F（x，y）。

3總結(jié)

本研究以椒鹽噪聲為模型，針對農(nóng)業(yè)視覺圖像中存在的噪聲進(jìn)行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權(quán)均值濾波算法。試驗(yàn)結(jié)果表明，本算法具有較優(yōu)的噪聲濾波性能。

參考文獻(xiàn)：

[1]周勝靈，丁珠玉. 基于DM642的農(nóng)產(chǎn)品圖像邊緣檢測系統(tǒng)設(shè)計[J]. 農(nóng)機(jī)化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農(nóng)業(yè)圖像目標(biāo)分割[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農(nóng)業(yè)圖像增強(qiáng)方法研究[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫(yī)學(xué)圖像去噪研究[J]. 電視技術(shù)，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進(jìn)的自適應(yīng)中值濾波算法[J]. 計算機(jī)應(yīng)用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進(jìn)的極值中值濾波算法[J]. 計算機(jī)科學(xué)，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權(quán)均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學(xué)報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.

摘要：機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用，使得農(nóng)業(yè)自動化水平有了很大提高；但由于農(nóng)業(yè)視覺圖像的獲取受氣候、溫度、光照、成像設(shè)備、圖像傳輸?shù)戎T多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現(xiàn)一定程度的失真，給后續(xù)農(nóng)業(yè)視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農(nóng)業(yè)視覺圖像中時常出現(xiàn)的噪聲，提出了一種具有噪聲監(jiān)測與檢測功能的多方向改進(jìn)加權(quán)均值濾波算法，算法首先對含有噪聲的農(nóng)業(yè)視覺圖像進(jìn)行粗檢測和精檢測，以精確標(biāo)記出噪聲點(diǎn)；然后針對圖像信息的分布特征分別設(shè)計出3類不同尺度的8方向?yàn)V波窗口；最后根據(jù)粗檢測和精檢測結(jié)果分別對噪聲圖像進(jìn)行加權(quán)濾波處理。試驗(yàn)結(jié)果表明，改進(jìn)的濾波算法性能優(yōu)于經(jīng)典均值濾波法、自適應(yīng)中值濾波法及加權(quán)均值濾波法，提高了農(nóng)產(chǎn)品視覺圖像的清晰度及圖像目標(biāo)識別的準(zhǔn)確率。

關(guān)鍵詞：農(nóng)業(yè)視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進(jìn)均值濾波

中圖分類號： S126；TN911.73 文獻(xiàn)標(biāo)志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學(xué)研究。Tel：（021）58786389；E-mail：greensheep9@163.com?，F(xiàn)代農(nóng)業(yè)的深入發(fā)展為機(jī)器識別技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用提供了廣闊空間。通過對農(nóng)產(chǎn)品的外形、輪廓等信息的準(zhǔn)確識別，可為農(nóng)產(chǎn)品病蟲害自動化監(jiān)測及成熟果實(shí)采摘提供準(zhǔn)確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機(jī)器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。對此，學(xué)者們也做了大量研究，主要集中在農(nóng)產(chǎn)品圖像的邊緣檢測[1]、圖像增強(qiáng)[2]、圖像分割[3]等領(lǐng)域，但是關(guān)于農(nóng)產(chǎn)品視覺圖像的視覺改善研究特別是對于圖像中時常出現(xiàn)的噪聲抑制的研究較少。在現(xiàn)實(shí)情況下，成像環(huán)境、成像設(shè)備以及電路等因素使得農(nóng)業(yè)視覺影像在獲取、傳輸、存儲等環(huán)節(jié)中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導(dǎo)致后續(xù)農(nóng)業(yè)視覺圖像的分析處理中出現(xiàn)大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進(jìn)算法[5-6]、均值濾波及改進(jìn)算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進(jìn)行2次檢測，然后有針對性地設(shè)計了3種尺度的8方向?yàn)V波窗口，最后實(shí)現(xiàn)對噪聲的加權(quán)濾波。

1算法原理

1.1噪聲有效檢測策略

對農(nóng)業(yè)視覺圖像噪聲的分布區(qū)域及密度進(jìn)行有效檢測，在此基礎(chǔ)上進(jìn)行有針對性的濾波，從而大大避免了經(jīng)典濾波方法的盲目性。近年來學(xué)者們對此進(jìn)行了大量研究，先通過對噪聲點(diǎn)周圍一定大小區(qū)域內(nèi)的各像素點(diǎn)灰度值進(jìn)行檢測，然后根據(jù)檢測結(jié)果判定極值點(diǎn)，從而實(shí)現(xiàn)對噪聲點(diǎn)的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細(xì)檢測2個步驟，并設(shè)一幅大小為M×N的圖像在任意點(diǎn)（x，y）處的灰度值為F（x，y）。

3總結(jié)

本研究以椒鹽噪聲為模型，針對農(nóng)業(yè)視覺圖像中存在的噪聲進(jìn)行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權(quán)均值濾波算法。試驗(yàn)結(jié)果表明，本算法具有較優(yōu)的噪聲濾波性能。

參考文獻(xiàn)：

[1]周勝靈，丁珠玉. 基于DM642的農(nóng)產(chǎn)品圖像邊緣檢測系統(tǒng)設(shè)計[J]. 農(nóng)機(jī)化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農(nóng)業(yè)圖像目標(biāo)分割[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農(nóng)業(yè)圖像增強(qiáng)方法研究[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫(yī)學(xué)圖像去噪研究[J]. 電視技術(shù)，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進(jìn)的自適應(yīng)中值濾波算法[J]. 計算機(jī)應(yīng)用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進(jìn)的極值中值濾波算法[J]. 計算機(jī)科學(xué)，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權(quán)均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學(xué)報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.