基于二维经验模态分解与小波变换的农作物图像去噪.pdfVIP

— ４００ — 江苏农业科学　２０１５ 年第４３卷第４期 姚　宏，桑丽萍，李彩云．基于二维经验模态分解与小波变换的农作物图像去噪［Ｊ］．江苏农业科学，２０１５，４３（４）：４００ －４０２． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２ －１３０２．２０１５．０４．１４０ 基于二维经验模态分解与小波变换的农作物图像去噪 姚　宏，桑丽萍，李彩云 （河北建材职业技术学院机电工程系，河北秦皇岛０６６００４） 　　摘要：将小波自适应阈值去噪引入二维经验模态分解（ｂｉｄｉｍｅｎｓｉｏｎａｌ ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＢＥＭＤ）中，提出 一种自适应图像去噪算法，该算法首先对农作物噪声图像进行二维经验模态分解，获得具有不同尺度特征的固有模态 函数（ｉｎｔｒｉｎｓｉｃ ｍｏｄｅ ｆｕｎｃｔｉｏｎ，ＩＭＦ）子图像序列；然后将该序列中前３ 个子图像分别进行３ 层小波变换，引入一种新型 自适应小波阈值去噪函数模型分别进行噪声抑制，实现小波系数重构；最后，对去噪后的固有模态函数子图像与剩余 固有模态函数进行重构，获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验，结果表明，自适应图像 去噪算法与均值滤波算法、小波阈值去噪算法相比，性能有较大幅度的提升。 　　关键词：农作物图像；二维经验模态分解；小波变换；随机噪声；去噪 　　中图分类号：ＴＰ３９１；Ｓ１２６　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１５） ０４－０４００－０２ 　　近年来，基于机器人的农作物自动采摘技术已经成为农 维经验模态分解层数（ａ Ｎ＋），ｂ为获得第ａＩＭＦ分量时所需 ∈ 业自动化领域的一个研究热点，而采摘对象的精确识别是实 的迭代循环次数，ｒ （ｘ，ｙ）＝ｆ（ｘ，ｙ），ｈ （ｉ，ｊ）＝ｒ （ｉ，ｊ）；（２） ０ ０ ａ－１ 现成熟农作物准确采摘的前提［１］。由于农作物生长环境较 寻找图像中局部区域内像素点灰度极大值和极小值，采用曲 为复杂，且机器人成像系统在图像获取过程中或多或少会产 面插值的方法获得上、下２ 个包络曲面，即Ｅ （ｉ，ｊ）、Ｅ （ｉ， 上 下 生一些随机噪声，因此去除噪声是图像目标识别的首要工作。 ｊ），计算均值Ｍｂ－１ （ｉ，ｊ）；（３）将获得的上、下包络曲面均值 目前，大量的计算机图像处理算法被应用于农业视觉图像处 Ｍｂ－１ （ｉ，ｊ）与原始图像信号矩阵作差，得到余量ｈ （ｉ，ｊ）；（４）ｂ 理工作中，如王晓虹等将脊波变换与自适应维纳滤波相结合， 若ｈ ［８］ ｂ （ｉ，ｊ）满足固有模态函数相关条件 ，则ｈ （ｉ，ｊ）为图像ｂ 实现对苹果图像中随机噪声的有效滤除［２］；华珊等将ＢＯＭ 第ａ个固有模态函数［ＩＭＦａ （ｉ，ｊ）］，计算图像残余分量为 滤波算法、中值滤波算法以及偏微分方程应用于土壤切片图 Ｒ （ｉ，ｊ）＝Ｒ （ｉ，ｊ）－ＩＭＦ （ｉ，ｊ）；反之，重复执行步骤（２）至 ａ ａ－１ ａ 像去噪［３］；刘炳良将双边滤波算法用于小波变换域中，成功 步骤（４）；（５）反复执行步骤（２）至步骤（４）ａ 次，图像经过二 滤除了水果图像出现的随机噪声［４］；周洪刚等采用面积阈值 维经验模态分