在顯微鏡下采集到的蝗蟲切片圖像通常同時具有高斯噪聲和椒鹽噪聲。利用同時具有插值性、光滑性、緊支撐性及歸一化特性的Shannon-Cosine小波,構(gòu)造了多尺度插值小波算子,進而構(gòu)造了去除圖像中混合噪聲的小波精細(xì)積分法。該方法在稀疏描述切片圖像時,通過設(shè)置稀疏表示閾值,直接消除圖像中的椒鹽噪聲;將圖像的Shannon-Cosine小波稀疏表達(dá)式直接代入圖像降噪P-M模型,將該模型變形為非線性常微分方程組,采用精細(xì)積分法求解,可實現(xiàn)圖像的保邊降噪,消除圖像中的高斯噪聲。實驗結(jié)果表明,在滿足降噪要求的情況下,本文方法可以較好地保持蝗蟲切片圖像中的各種紋理結(jié)構(gòu);隨著高斯噪聲方差由0.02增加到0.10,降噪圖像的PSNR下降了11.67%,遠(yuǎn)低于其他方法。說明本文方法在處理蝗蟲切片圖像時具有較強的魯棒性。采用本文方法描述蝗蟲切片圖像時,特征像素點只占圖像像素總數(shù)的10%左右,有效降低了問題規(guī)模,提高了求解效率。 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(09)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

含人工混合噪聲圖像的降噪效果對比

通常，隨著高斯噪聲基本偏差的增大，噪聲含量也相應(yīng)增加。表2給出了在噪聲含量增加時，不同濾波方法的去噪效果。可以看出，各種降噪方法中，峰值信噪比(PSNR)和結(jié)構(gòu)相似度(SSIM)兩個參數(shù)都隨著噪聲含量的增加而衰減，但本文方法始終具有最好的降噪效果。圖3為不同降噪方法的降噪效果指標(biāo)(PSNR和SSIM)隨高斯噪聲方差的變化曲線。隨著高斯噪聲方差由0.02增加到0.10，本文方法得到的降噪圖像的PSNR下降了11.67%;而維納濾波、小波方法、中值濾波和均值濾波方法得到的降噪圖像的PSNR分別下降了25.36%、25.74%、17.96%、24.55%;上述5種方法的SSIM分別下降了13.67%、31.26%、33.85%、27.66%、22.78%。顯然，本文方法隨著噪聲含量的增加，降噪效果參數(shù)衰減率最低，表明本文方法具有較好的魯棒性和對不同圖像較強的適應(yīng)能力。4 結(jié)論

相對于Shannon小波母函數(shù)[16-17],ShannonCosine小波母函數(shù)具有更好的緊支撐性，如圖1所示。支撐區(qū)間參數(shù)N可由小波母函數(shù)的歸一化條件求得，參數(shù)N的選擇與Shannon--∞Cosine小波的波形有關(guān)，可找到Shannon函數(shù)在某一區(qū)間內(nèi)的積分大于1，在另一區(qū)間內(nèi)的積分小于1。這表明，合理選擇支持區(qū)間可以確保參數(shù)化Shannon-Cosine多項式函數(shù)滿足統(tǒng)一條件的劃分，從而找到合理的參數(shù)N。同Shannon-Gabor小波相比，Shannon-Cosine小波是一種真正的緊支撐小波，符合小波的所有定義，有助于提高算法效率和數(shù)值精度。

【參考文獻(xiàn)】：
期刊論文
[1]基于小波精細(xì)積分與暗通道的農(nóng)田圖像去霧算法[J]. 高若婉,梅樹立,李麗,王愛萍.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[2]二維四向小波子空間的Shannon采樣定理[J]. 庫福立,吳克奇,周雪瑩,付海林,葉倩玉.  湖北大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[3]同倫分析方法進展綜述[J]. 廖世俊,劉曾.  力學(xué)進展. 2019(00)
[4]小波變換在壓力傳感器輸出信號去噪中的應(yīng)用[J]. 張林,張志杰,張華.  儀表技術(shù)與傳感器. 2018(04)
[5]基于四階非線性偏微分方程的圖像去噪算法[J]. 吳登輝,周先春,陳銘.  電子測量與儀器學(xué)報. 2017(06)
[6]基于暗通道先驗和區(qū)間插值小波變換的圖像去霧霾方法[J]. 魏穎慧,張彥娥,梅樹立,魏帥鈞.  農(nóng)業(yè)工程學(xué)報. 2017(S1)
[7]基于多尺度區(qū)間插值小波法的牛肉圖像中大理石花紋分割[J]. 張彥娥,魏穎慧,梅樹立,朱夢婷.  農(nóng)業(yè)工程學(xué)報. 2016(21)
[8]基于擬Shannon區(qū)間小波的分步小波方法[J]. 鐘鳴宇,朱宗玖.  安徽理工大學(xué)學(xué)報(自然科學(xué)版). 2016(05)
[9]基于變分法和剪切波耦合算法的蝗蟲切片保紋理圖像降噪[J]. 梅樹立.  農(nóng)業(yè)工程學(xué)報. 2016(17)
[10]基于單元最鄰近匹配的蝗蟲切片圖像修復(fù)方法[J]. 李麗,郭雙雙,梅樹立,張楠楠.  農(nóng)業(yè)機械學(xué)報. 2015(08)

碩士論文
[1]基于變分法的圖像去噪算法研究[D]. 馬曉月.蘇州大學(xué) 2019



本文編號：3434362