竹子是一種重要的森林資源,其種質(zhì)資源基礎(chǔ)數(shù)據(jù)的采集是綜合利用的前提。然而在竹類種質(zhì)資源基礎(chǔ)數(shù)據(jù)采集過程中,采集現(xiàn)場多處于偏遠山區(qū),便捷采集和實時傳輸成為關(guān)鍵,特別是竹子圖像的采集和傳輸,由于高山地區(qū)通信信道帶寬等限制,給竹子圖像數(shù)據(jù)的快速傳輸帶來一定困難。本研究以竹類種質(zhì)資源數(shù)據(jù)采集為研究對象,重點解決三個問題——竹類種質(zhì)資源數(shù)據(jù)便捷獲取問題,野外復雜背景下竹類圖像ROI有效提取問題以及基于JPEG2000竹類圖像感興趣區(qū)域壓縮問題,提出基于感興趣區(qū)域（Region of Interest,ROI）的圖像編碼,在進行圖像數(shù)據(jù)壓縮的同時能夠最大程度的保留目標信息,為竹類圖像的分類和識別研究奠定基礎(chǔ)。論文的主要研究工作如下:（1）提出了結(jié)合Sobel邊緣檢測Itti視覺模型的竹類圖像ROI提取方法。針對野外復雜背景的竹類數(shù)字圖像,將Sobel與Itti視覺注意機制結(jié)合,提取竹類圖像的顏色、亮度、方向、邊緣特征,實現(xiàn)對竹類圖像ROI的提取。實驗結(jié)果表明,本方法相較于常用的ROI提取方法有更好的提取效果,解決了傳統(tǒng)的提取方法在竹類圖像復雜背景下較難將目標與背景分離的問題。（2）研究了基于Sob... 

【文章來源】：安徽農(nóng)業(yè)大學安徽省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

圖２－１中值濾波圖像去噪??Ｆｉｇ．２－１?Ｍｅｄｉａｎ?ｆｉｌｔｅｒ?ｉｍａｇｅ?ｄｅｎｏｉｓｉｎｇ??

噪函數(shù)為：??Ｈ?＝?＜?Ｔ＇ｏｌ??Ｗ?１，１?［?ｓｇｎ｛ｗ｛ｉ，ｉ＇））?？?（｜ｗ（ｉ，；＇）｜?－?Ｔ〇）?＼ｗ（ｉ，ｊ）?＜?Ｔ〇＼??其中ｓｇｎＯ為符號函數(shù)，在這里，我們采用的是Ｄｏｎｏｈｏ和ｊｏｈｎｓｔｏｎｅ統(tǒng)一閾值Ｔｏ：??７〇?＝?〇｛２?＼ｏｇ（Ｎ）ｙ?（２－３）??ａ?＝——）丨）?（２－４）??０．６７４５??其中，Ｎ為信號的尺寸或長度，〇為估計噪聲標準方差，ｊ是小波分解尺度，ｍｅｄｉａｎ??則代表中值運算（在ＭＡＴＬＡＢ中），小波閾值去噪過程如圖２－２所示。??，＿＿Ｊ小波分解，得閾值處理｜＿＾｜小波重構(gòu)，得到去＿＿＾??到各尺度系數(shù)?１?陋題?１?噪結(jié)果??圖２－２小波閾值濾波過程??Ｆｉｇ．２－２?Ｗａｖｅｌｅｔ?ｔｈｒｅｓｈｏｌｄ?ｆｉｌｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ??按照圖２－２的操作過程，對含噪原始圖像進行小波閾值去噪處理，處理結(jié)果如２－??３所示。??ｎｉｌ?ｎｉｌ??圓國??圖２－３小波閾值圖像去噪??Ｆｉｇ．２－３?Ｗａｖｅｌｅｔ?ｔｈｒｅｓｈｏｌｄ?ｉｍａｇｅ?ｄｅｎｏｉｓｉｎｇ??ｌｉ??

２．３．２圖像增強??竹林環(huán)境極其復雜，一般多為野外山林，竹類植物因為其特有的特征，因遮擋、??自然天氣等不可控因素引起的光照不足，會造成采集的竹類植物圖像亮度不均勻，有??時甚至會產(chǎn)生顏色失真以及后續(xù)的邊緣特征、顏色特征、紋理特征等提取效果差，導??致ＲＯＩ提取不準確。因此需要對圖像進行圖像增強處理來改善圖像的視覺效果，提??高圖像的清晰度。??圖像增強是指根據(jù)需要強調(diào)感興趣區(qū)域，抑制不感興趣區(qū)域的圖像處理技術(shù)。圖??像增強技術(shù)按照圖像處理過程所在的空間不同，分為空間域處理和頻率域處理＃］�；�??于空間域的圖像增強是直接對數(shù)字圖像像素進行處理的增強方法，常用的方法有灰度??變換增強、直方圖增強、空域濾波；基于頻率域的圖像增強首先需要通過傅立葉變換??將數(shù)字圖像從空間域轉(zhuǎn)換到頻率域再對圖像進行處理，最后再通過反變換回到空間域。??常用的方法有低通濾波、高通濾波、帶阻濾波和同態(tài)濾波［６５］。本文采用小波變換和直??方圖均衡化（Ｈｉｓｔｏｇｒａｍ?Ｅｑｕａｌｉｚａｔｉｏｎ）增強方法。??（１）小波變換增強??小波變換能夠在頻率域?qū)D像進行不同尺度上的分解具有多分辨率特性，不僅??能夠去除圖像噪聲，而且能夠增強圖像，增強結(jié)果如圖２－４所示。??８ＨＰ１??：＿（Ｓ＿＿??（ａ－１）?（ｂ－１）?（ｃ－１）?（ｄ－１）??圖２－４小波變換增強結(jié)果??Ｆｉｇ．２－４?Ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?Ｗａｖｅｌｅｔ?ｔｒａｎｓｆｏｒｍ?ｅｎｈａｎｃｅｓ??１２??

【參考文獻】：
期刊論文
[1]改進Canny邊緣檢測的遙感影像分割[J]. 劉麗霞,李寶文,王陽萍,楊景玉.  計算機工程與應用. 2019(12)
[2]ROI編碼技術(shù)在JPEG2000中的應用[J]. 韓濤,楊卿.  計算機與數(shù)字工程. 2019(01)
[3]基于改進Canny算子的醫(yī)學圖像邊緣檢測算法[J]. 錢紅瑩.  軟件導刊. 2019(02)
[4]基于OpenCV的邊緣檢測算法效率分析[J]. 郭逸倫.  科學技術(shù)創(chuàng)新. 2019(01)
[5]一種中值濾波圖像去噪的改進算法[J]. 王紅宇,游敏娟,李琪,周廣明,于智睿,何樂民,王世剛.  中國科技信息. 2019(01)
[6]改進區(qū)域生長法的肝部CT圖像ROI提取[J]. 李仔麒,馬慧彬,李殿奎,范蕊.  計算機技術(shù)與發(fā)展. 2019(01)
[7]幾種圖像小波去噪算法比較研究[J]. 關(guān)雪梅.  許昌學院學報. 2018(10)
[8]基于Harris角點檢測和聚類算法的掌紋圖像ROI提取方法[J]. 陳典典,程培培,馬軍山.  光學儀器. 2018(05)
[9]基于Canny算子的IC卡字符邊緣檢測及分割的研究[J]. 鄭鵬,王雨,苑澤偉.  計算技術(shù)與自動化. 2018(03)
[10]無參考圖像質(zhì)量評價方法研究[J]. 李昆侖,熊婷,張炘.  計算機產(chǎn)品與流通. 2018(03)

博士論文
[1]視覺顯著性物體檢測方法及應用研究[D]. 項導.中國科學技術(shù)大學 2016
[2]基于CCSDS的遙感圖像感興趣區(qū)域壓縮研究[D]. 許志濤.中國科學院研究生院(長春光學精密機械與物理研究所) 2014

碩士論文
[1]基于預處理的圖像壓縮算法研究[D]. 關(guān)晨曦.中國航天科技集團公司第五研究院西安分院 2018
[2]基于顯著性檢測的感興趣區(qū)域編碼[D]. 沈新雨.北京交通大學 2018
[3]圖像感興趣區(qū)域提取方法研究[D]. 范向陽.南京郵電大學 2017
[4]圖像分割及其感興趣區(qū)域提取方法的研究[D]. 汪輝.安慶師范大學 2017
[5]遙感云圖感興趣區(qū)域壓縮算法研究[D]. 趙威.西安電子科技大學 2017
[6]基于小波變換和中值濾波的圖像去噪方法研究[D]. 胡娟.成都理工大學 2017
[7]基于移動計算的竹類種質(zhì)資源數(shù)據(jù)采集方法研究[D]. 徐靜.安徽農(nóng)業(yè)大學 2016
[8]基于GPU的JPEG2000圖像壓縮編碼技術(shù)的研究[D]. 白兆峰.中國科學院大學(中國科學院西安光學精密機械研究所) 2016
[9]基于小波變換的圖像去噪和增強研究[D]. 安雪嬌.西北師范大學 2015
[10]基于JPEG2000的感興趣區(qū)域圖像壓縮方法研究[D]. 袁建亮.天津師范大學 2014



本文編號：3469243