發(fā)布時間：2017-12-19 08:05

  本文關(guān)鍵詞：番茄圖像保紋理降噪的各向異性動態(tài)擴(kuò)散模型研究

  更多相關(guān)文章： 番茄 圖像降噪 各向異性擴(kuò)散 梯度閾值 迭代停止準(zhǔn)則 保紋理

【摘要】：針對番茄圖像進(jìn)行各向異性擴(kuò)散降噪研究。首先在2-范數(shù)梯度閾值計算方法基礎(chǔ)上引入圖像的局部灰度方差,提出了一種梯度閾值計算方法。其次采用結(jié)構(gòu)相似性(SSIM)作為迭代停止準(zhǔn)則,實現(xiàn)了迭代次數(shù)的自適應(yīng)選取,構(gòu)建出用于番茄圖像保紋理降噪的各向異性動態(tài)擴(kuò)散模型。最后在噪聲標(biāo)準(zhǔn)差為5、10、15、20、25、30不同情況下,進(jìn)行2組對比試驗。第1組試驗結(jié)果表明,采用SSIM作為迭代停止準(zhǔn)則是有效的、穩(wěn)定的。第2組試驗從峰值信噪比(PSNR)和梯度模值相似性偏差(GMSD)兩方面對降噪后的圖像質(zhì)量進(jìn)行客觀評價,并與P-M模型、2-范數(shù)模型相比較,結(jié)果是所提模型的PSNR平均值最高且GMSD平均值分別降低了15.5%、19.1%,說明采用所提模型降噪后的番茄圖像降噪效果有所改進(jìn)并且與原始圖像比較接近;從視覺效果上,采用結(jié)果是所提模型降噪后的番茄圖像紋理保留較多且清晰。因此,提出的各向異性動態(tài)擴(kuò)散模型在降噪的同時保留了圖像紋理,為番茄后期的品質(zhì)檢測奠定了基礎(chǔ)。
【作者單位】： 中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(31271618、41171337) “十二五”國家科技支撐計劃項目(2015BAK04B01)
【分類號】：TP391.41;S641.2
【正文快照】： 引言隨著物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)上的應(yīng)用,針對監(jiān)控系統(tǒng)采集到的圖像進(jìn)行實時處理已成為智慧農(nóng)業(yè)的重要組成部分,其中圖像降噪是一項基本而又十分關(guān)鍵的技術(shù)。目前,針對農(nóng)產(chǎn)品降噪的研究有很多[1-5],但大部分都是基于小波及其變形的方法,基于偏微分方程(Partial differential equati，

本文編號：1307469