苹果夜视图像小波变换与独立成分分析融合降噪方法_贾伟宽.pdf

《苹果夜视图像小波变换与独立成分分析融合降噪方法_贾伟宽.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年9月农业机械学报第46卷第9期doi:10．6041/j．issn．1000-1298．2015．09．002*苹果夜视图像小波变换与独立成分分析融合降噪方法1，21，21，3111，2贾伟宽赵德安阮承治刘晓洋陈玉姬伟(1．江苏大学电气信息工程学院，镇江212013;2．江苏大学机械工业设施农业测控技术与装备重点实验室，镇江212013;3．武夷学院机电工程学院，武夷山354300)摘要:对不同人工光源辅助下采集到的夜视苹果图像，通过噪声分析，判定苹果夜视图像的噪声以高斯噪声为主，并混有部分椒盐噪声。针对高斯噪声

2、去除难题，将小波变换(Wavelettransform，WT)与独立成分分析(Independentcomponentanalysis，ICA)理论引入夜视图像的处理系统，为了最大程度地降低噪声污染，提出WT-ICA融合降噪方法。通过仿真实验，结果表明融合降噪效果较为理想。为了更好地评价夜视图像的降噪效果，以自然光下的图像为参照基准，提出相对峰值信噪比(Ｒelativepeaksignal-to-noiseratio，ＲPSNＲ)的概念。对所采集到的不同的夜视图像进行多次重复实验，结果表明，从视觉上看WT-ICA降噪方法得

3、到的低噪图像噪点明显减少;从ＲPSNＲ看，WT-ICA得到的低噪图像，分别比原始图像、小波软阈值降噪、ICA降噪方法平均提高29.94%、8.09%、7.54%;白炽灯下的图像处理后的ＲPSNＲ最高，适合作为人工光源。WT-ICA融合降噪方法通过连续处理，排除夜视图像的噪声干扰，得到的低噪图像更利于进一步识别，从而为实现苹果采摘机器人的全天候作业打下基础。关键词:苹果采摘机器人夜视图像降噪小波变换独立成分分析中图分类号:TP242;TP391文献标识码:A文章编号:1000-1298(2015)09-0009-09Comb

4、inedMethodforNightVisionImageDenoisingBasedonWaveletTransformandICA1，21，21，3111，2JiaWeikuanZhaoDeanＲuanChengzhiLiuXiaoyangChenYuJiWei(1．SchoolofElectricalandInformationEngineering，JiangsuUniversity，Zhenjiang212013，China2．KeyLaboratoryofFacilityAgricultureMeasureme

5、ntandControlTechnologyandEquipmentofMachineryIndustry，JiangsuUniversity，Zhenjiang212013，China3．SchoolofMechanicalandElectricalEngineering，WuyiUniversity，Wuyishan354300，China)Abstract:Throughtheanalysisofnoise，it’sfoundthattheGaussiannoiseisthemainnoiseinthenightvi

6、sionimagesobtainedunderdifferentartificiallights，whichalsomixedwithsomesaltandpeppernoises．WithregardoftheeliminationofGaussiannoise，thewavelettransform(WT)andindependentcomponentanalysis(ICA)wereintroducedintotheprocessofnightvisionimages．Inordertominimizethenois

7、e，acombinedmethodofWTandICA(WT-ICA)wasproposed．Thesimulationresultsverifiedtheeffectofthiscombinedmethod．Forthepurposeofbetterevaluationofdenosingeffectinthesenightvisionimages，takingtheimageunderthenaturallightasareference，anindexnamedrelativepeaksignal-to-noiser

8、atio(ＲPSNＲ)wasproposed．Therepeatedtestswerecarriedoutindifferentnightvisionimages．TheresultsshowedthattherewasanobviouslyvisualdecreaseofnoisewithWT-ICA