農(nóng)業(yè)圖像新型自適應(yīng)混合濾波算法應(yīng)用研究

劉春茂+郝倩

摘要： 針對(duì)農(nóng)業(yè)圖像的獲取受到拍攝設(shè)備電壓不穩(wěn)定、成像天氣等不確定性因素的影響從而存在一定程度的噪聲、圖像視覺(jué)效果差這一問(wèn)題，提出了一種新型農(nóng)業(yè)圖像自適應(yīng)混合濾波算法。該算法首先采用改進(jìn)型中值濾波算法進(jìn)行預(yù)處理，以對(duì)圖像中的噪聲進(jìn)行初步抑制；然后對(duì)經(jīng)過(guò)預(yù)處理后的圖像采用自適應(yīng)維納濾波算法進(jìn)行處理，以進(jìn)一步提高圖像的清晰度，最大限度地恢復(fù)圖像的本來(lái)面貌。分別將本研究算法、中值濾波算法、自適應(yīng)維納濾波算法、非局部均值濾波算法進(jìn)行Matlab編程實(shí)現(xiàn)，并應(yīng)用于處理農(nóng)業(yè)圖像。結(jié)果表明，本研究提出的算法對(duì)農(nóng)業(yè)圖像的濾波效果明顯優(yōu)于其余算法，這說(shuō)明本研究提出的農(nóng)業(yè)圖像濾波算法具有一定的實(shí)用性。

關(guān)鍵詞： 農(nóng)業(yè)圖像；自適應(yīng)維納濾波算法；中值濾波算法；非局部均值濾波算法；噪聲；清晰度

中圖分類號(hào)：S126；TP391 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2015）08-0424-02

隨著農(nóng)業(yè)智能化水平的快速發(fā)展，各類農(nóng)業(yè)圖像提供的大量信息已經(jīng)成為農(nóng)產(chǎn)品果實(shí)自動(dòng)采摘 [1]、農(nóng)作物長(zhǎng)勢(shì)、病害分析 [2]、農(nóng)作物產(chǎn)量估算 [3]的重要依據(jù)，因此農(nóng)業(yè)圖像的處理和分析已經(jīng)成為農(nóng)業(yè)智能化發(fā)展的一個(gè)重要研究方向。近年來(lái)，小波變換 [4-5]、輪廓波變換 [6]、中值濾波 [7]、自適應(yīng)維納濾波 [8]、非局部均值濾波 [9-10]等算法相繼被用于圖像去噪處理，并取得了較好的效果；但對(duì)于細(xì)節(jié)信息復(fù)雜的農(nóng)業(yè)圖像而言，去噪效果往往不盡如人意。筆者在對(duì)該領(lǐng)域已有成果充分分析的基礎(chǔ)上提出了一種農(nóng)業(yè)圖像自適應(yīng)混合濾波算法，該算法對(duì)質(zhì)量不高的農(nóng)業(yè)圖像采用改進(jìn)型中值濾波算法和自適應(yīng)維納濾波算法進(jìn)行處理，充分發(fā)揮2類算法的濾波優(yōu)勢(shì)，從而獲得高質(zhì)量的農(nóng)業(yè)圖像。

1 改進(jìn)型中值濾波算法

中值濾波算法在對(duì)圖像進(jìn)行處理時(shí)，通過(guò)預(yù)先設(shè)定一定大小的窗口，這樣的窗口尺寸可以是3×3或者5×5，將該類窗口在圖像上按照一定的順序進(jìn)行滑動(dòng)，當(dāng)窗口中心點(diǎn)處于圖像中某一像素點(diǎn)時(shí)，如果窗口尺寸為3×3，那么該像素點(diǎn)的濾波值可以表示成：

f=Median{f1，f2，f3，…，f8}。 （1）

其中：f為窗口中心點(diǎn)像素濾波后的灰度值；f1～f8為窗口中除中心點(diǎn)外的其余8個(gè)像素點(diǎn)的灰度值；Median{}為取中間值計(jì)算方式。大量試驗(yàn)結(jié)果表明，該算法對(duì)于普通的數(shù)字圖像濾波效果較好；但一般來(lái)說(shuō)農(nóng)業(yè)圖像細(xì)節(jié)信息比較多，因此為了將該算法應(yīng)用于處理農(nóng)業(yè)圖像，有必要對(duì)其進(jìn)行適當(dāng)改進(jìn)。其步驟如下：步驟1，統(tǒng)計(jì)（1）式中的最大值fmax和最小值 fmin；步驟2，在尺寸為3×3窗口中提出fmax和fmin，組成集合Q= {f1，f2，f3，…，f6}；步驟3，求取集合Q={f1，f2，f3，…，f6}的平均值faverage；步驟4，將fmax、fmin以及faverage組成一新的集合Q′={fmax，fmin，faverage}；步驟5，求取集合Q′的中間值f′=Median{Q′}，從而獲得窗口中心點(diǎn)濾波后的灰度值。

2 自適應(yīng)維納濾波算法

3 試驗(yàn)仿真與結(jié)果分析

本研究算法基本思路是：（1）采用“1”節(jié)中提出的改進(jìn)中值濾波算法對(duì)含有噪聲的農(nóng)業(yè)圖像進(jìn)行預(yù)處理；（2）采用“2”節(jié)所描述的自適應(yīng)維納濾波算法對(duì)經(jīng)過(guò)改進(jìn)中值濾波算法處理后的圖像進(jìn)一步進(jìn)行噪聲抑制。

對(duì)本研究算法采用Matlab軟件進(jìn)行編程，試驗(yàn)數(shù)據(jù)為一幅處于成熟期的桃子圖像。為了對(duì)該算法的性能進(jìn)行全面了解：一方面引入中值濾波算法、自適應(yīng)維納濾波算法、非局部均值濾波算法與本研究算法進(jìn)行試驗(yàn)對(duì)比；另一方面對(duì)上述幾類算法的試驗(yàn)結(jié)果采用峰值信噪比（peak signal noise to ratio，PSNR）進(jìn)行定量分析與評(píng)估。相關(guān)試驗(yàn)結(jié)果分別如圖1至圖6所示，PSNR評(píng)價(jià)結(jié)果如表1所示。

由圖1至圖6可知，對(duì)于受到方差為15%的高斯噪聲污染的農(nóng)業(yè)圖像（圖2）而言，采用中值濾波去噪后，結(jié)果如圖3所示，由此可以看出，圖中的果實(shí)邊緣基本能辨認(rèn)出來(lái)，但桃子果實(shí)表面噪聲依然較大，這說(shuō)明單純采用該算法無(wú)法有效去除圖像中的噪聲。中值濾波算法處理后結(jié)果見(jiàn)圖4，圖中噪聲被抑制的程度要高于圖3，總體而言圖4的清晰度與圖5比較接近，這說(shuō)明非局部均值濾波算對(duì)于受到高強(qiáng)度噪聲污染的圖像而言去噪效果并不理想，不適合處理農(nóng)業(yè)圖像。本研究算法處理結(jié)果如圖6所示，圖中的噪聲基本得到消除，果實(shí)、葉片邊緣基本從噪聲中恢復(fù)出來(lái)，果實(shí)表面殘留的噪聲比較少，視覺(jué)效果整體上與圖1最接近。由表1可知，4種算法對(duì)農(nóng)業(yè)圖像的去噪效果隨著噪聲強(qiáng)度的提高而降低，并且當(dāng)噪聲方差為15%時(shí)，本研究算法的PSNR值明顯高于其余3種算法，這說(shuō)明本研究算法對(duì)農(nóng)業(yè)圖像的處理是有效的。

4 結(jié)語(yǔ)

為了實(shí)現(xiàn)對(duì)農(nóng)業(yè)圖像的有效濾波，將改進(jìn)中值濾波與自適應(yīng)維納濾波這2類算法有機(jī)結(jié)合提出了一種針對(duì)該類圖像的自適應(yīng)混合濾波算法。仿真試驗(yàn)結(jié)果表明，本研究提出的濾波算法基本適合于處理農(nóng)業(yè)圖像，其效果稍稍優(yōu)于已有的同類型圖像，對(duì)農(nóng)業(yè)圖像的處理具有一定的參考價(jià)值。

參考文獻(xiàn)：

[1] 呂繼東，趙德安，姬 偉 蘋(píng)果采摘機(jī)器人目標(biāo)果實(shí)快速跟蹤識(shí)別方法[J] 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（1）：65-72

[2]彭占武，司秀麗，王 雪，等 基于計(jì)算機(jī)圖像處理技術(shù)的黃瓜病害特征提取[J] 農(nóng)機(jī)化研究，2014，36（2）：179-182，187

[3]李 紅 基于CBERS-2衛(wèi)星圖像的石河子地區(qū)棉花產(chǎn)量遙感監(jiān)測(cè)研究[J] 石河子科技，2007（6）：28-31

[4]王小兵，孫久運(yùn)，湯海燕 一種基于數(shù)學(xué)形態(tài)學(xué)與小波域增強(qiáng)的濾波算法[J] 微電子學(xué)與計(jì)算機(jī)，2012，29（7）：64-67

[5]趙 輝，劉文明，岳有軍，等 一種新的去噪算法在農(nóng)作物圖像處理中的應(yīng)用[J] 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：371-373

[6]劉 悅，李一兵，李 驁 聯(lián)合雙重濾波的水下圖像NSCT閾值去噪算法[J] 哈爾濱工程大學(xué)學(xué)報(bào)，2013，34（2）：251-255

[7]晏資余，羅 楊，楊 浩 圖像椒鹽噪聲的分階段中值濾波算法[J] 南華大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，27（3）：66-70，77

[8]張 東，覃鳳清，曹 磊，等 基于維納濾波的高斯含噪圖像去噪[J] 宜賓學(xué)院學(xué)報(bào)，2013，13（12）：60-63

[9]張 宇，王向陽(yáng) 頻域小波矩的非局部均值圖像去噪[J] 小型微型計(jì)算機(jī)系統(tǒng)，2012，33（9）：2079-2082

[10] 張 權(quán)，桂志國(guó)，劉 祎，等 醫(yī)學(xué)圖像的自適應(yīng)非局部均值去噪算法[J] 計(jì)算機(jī)工程，2012，38（7）：182-184，187endprint