基于農業視覺圖像的高效濾波處理方法

摘要：機器視覺技術在農業領域的廣泛應用，使得農業自動化水平有了很大提高；但由于農業視覺圖像的獲取受氣候、溫度、光照、成像設備、圖像傳輸等諸多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現一定程度的失真，給后續農業視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農業視覺圖像中時常出現的噪聲，提出了一種具有噪聲監測與檢測功能的多方向改進加權均值濾波算法，算法首先對含有噪聲的農業視覺圖像進行粗檢測和精檢測，以精確標記出噪聲點；然后針對圖像信息的分布特征分別設計出3類不同尺度的8方向濾波窗口；最后根據粗檢測和精檢測結果分別對噪聲圖像進行加權濾波處理。試驗結果表明，改進的濾波算法性能優于經典均值濾波法、自適應中值濾波法及加權均值濾波法，提高了農產品視覺圖像的清晰度及圖像目標識別的準確率。

關鍵詞：農業視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進均值濾波

中圖分類號： S126；TN911.73 文獻標志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學研究。Tel：（021）58786389；E-mail：greensheep9@163.com。現代農業的深入發展為機器識別技術在農業領域的廣泛應用提供了廣闊空間。通過對農產品的外形、輪廓等信息的準確識別，可為農產品病蟲害自動化監測及成熟果實采摘提供準確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機器視覺技術在農業領域的應用。對此，學者們也做了大量研究，主要集中在農產品圖像的邊緣檢測[1]、圖像增強[2]、圖像分割[3]等領域，但是關于農產品視覺圖像的視覺改善研究特別是對于圖像中時常出現的噪聲抑制的研究較少。在現實情況下，成像環境、成像設備以及電路等因素使得農業視覺影像在獲取、傳輸、存儲等環節中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導致后續農業視覺圖像的分析處理中出現大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進算法[5-6]、均值濾波及改進算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進行2次檢測，然后有針對性地設計了3種尺度的8方向濾波窗口，最后實現對噪聲的加權濾波。

1算法原理

1.1噪聲有效檢測策略

對農業視覺圖像噪聲的分布區域及密度進行有效檢測，在此基礎上進行有針對性的濾波，從而大大避免了經典濾波方法的盲目性。近年來學者們對此進行了大量研究，先通過對噪聲點周圍一定大小區域內的各像素點灰度值進行檢測，然后根據檢測結果判定極值點，從而實現對噪聲點的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細檢測2個步驟，并設一幅大小為M×N的圖像在任意點（x，y）處的灰度值為F（x，y）。

3總結

本研究以椒鹽噪聲為模型，針對農業視覺圖像中存在的噪聲進行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權均值濾波算法。試驗結果表明，本算法具有較優的噪聲濾波性能。

參考文獻：

[1]周勝靈，丁珠玉. 基于DM642的農產品圖像邊緣檢測系統設計[J]. 農機化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農業圖像目標分割[J]. 東北農業大學學報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農業圖像增強方法研究[J]. 安徽農業科學，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫學圖像去噪研究[J]. 電視技術，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進的自適應中值濾波算法[J]. 計算機應用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進的極值中值濾波算法[J]. 計算機科學，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.

摘要：機器視覺技術在農業領域的廣泛應用，使得農業自動化水平有了很大提高；但由于農業視覺圖像的獲取受氣候、溫度、光照、成像設備、圖像傳輸等諸多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現一定程度的失真，給后續農業視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農業視覺圖像中時常出現的噪聲，提出了一種具有噪聲監測與檢測功能的多方向改進加權均值濾波算法，算法首先對含有噪聲的農業視覺圖像進行粗檢測和精檢測，以精確標記出噪聲點；然后針對圖像信息的分布特征分別設計出3類不同尺度的8方向濾波窗口；最后根據粗檢測和精檢測結果分別對噪聲圖像進行加權濾波處理。試驗結果表明，改進的濾波算法性能優于經典均值濾波法、自適應中值濾波法及加權均值濾波法，提高了農產品視覺圖像的清晰度及圖像目標識別的準確率。

關鍵詞：農業視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進均值濾波

中圖分類號： S126；TN911.73 文獻標志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學研究。Tel：（021）58786389；E-mail：greensheep9@163.com。現代農業的深入發展為機器識別技術在農業領域的廣泛應用提供了廣闊空間。通過對農產品的外形、輪廓等信息的準確識別，可為農產品病蟲害自動化監測及成熟果實采摘提供準確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機器視覺技術在農業領域的應用。對此，學者們也做了大量研究，主要集中在農產品圖像的邊緣檢測[1]、圖像增強[2]、圖像分割[3]等領域，但是關于農產品視覺圖像的視覺改善研究特別是對于圖像中時常出現的噪聲抑制的研究較少。在現實情況下，成像環境、成像設備以及電路等因素使得農業視覺影像在獲取、傳輸、存儲等環節中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導致后續農業視覺圖像的分析處理中出現大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進算法[5-6]、均值濾波及改進算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進行2次檢測，然后有針對性地設計了3種尺度的8方向濾波窗口，最后實現對噪聲的加權濾波。

1算法原理

1.1噪聲有效檢測策略

對農業視覺圖像噪聲的分布區域及密度進行有效檢測，在此基礎上進行有針對性的濾波，從而大大避免了經典濾波方法的盲目性。近年來學者們對此進行了大量研究，先通過對噪聲點周圍一定大小區域內的各像素點灰度值進行檢測，然后根據檢測結果判定極值點，從而實現對噪聲點的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細檢測2個步驟，并設一幅大小為M×N的圖像在任意點（x，y）處的灰度值為F（x，y）。

3總結

本研究以椒鹽噪聲為模型，針對農業視覺圖像中存在的噪聲進行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權均值濾波算法。試驗結果表明，本算法具有較優的噪聲濾波性能。

參考文獻：

[1]周勝靈，丁珠玉. 基于DM642的農產品圖像邊緣檢測系統設計[J]. 農機化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農業圖像目標分割[J]. 東北農業大學學報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農業圖像增強方法研究[J]. 安徽農業科學，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫學圖像去噪研究[J]. 電視技術，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進的自適應中值濾波算法[J]. 計算機應用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進的極值中值濾波算法[J]. 計算機科學，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.

摘要：機器視覺技術在農業領域的廣泛應用，使得農業自動化水平有了很大提高；但由于農業視覺圖像的獲取受氣候、溫度、光照、成像設備、圖像傳輸等諸多因素的限制，使得所獲取的圖像或多或少受到噪聲干擾，因此圖像出現一定程度的失真，給后續農業視覺圖像的處理與分析帶來了諸多不便。為了有效抑制農業視覺圖像中時常出現的噪聲，提出了一種具有噪聲監測與檢測功能的多方向改進加權均值濾波算法，算法首先對含有噪聲的農業視覺圖像進行粗檢測和精檢測，以精確標記出噪聲點；然后針對圖像信息的分布特征分別設計出3類不同尺度的8方向濾波窗口；最后根據粗檢測和精檢測結果分別對噪聲圖像進行加權濾波處理。試驗結果表明，改進的濾波算法性能優于經典均值濾波法、自適應中值濾波法及加權均值濾波法，提高了農產品視覺圖像的清晰度及圖像目標識別的準確率。

關鍵詞：農業視覺圖像；圖像噪聲；噪聲檢測；濾波窗口；改進均值濾波

中圖分類號： S126；TN911.73 文獻標志碼： A 文章編號：1002-1302（2014）04-0361-02

收稿日期：2013-09-01

作者簡介：楊青（1983—），女，上海人，碩士，講師，主要從事園林和高職教學研究。Tel：（021）58786389；E-mail：greensheep9@163.com。現代農業的深入發展為機器識別技術在農業領域的廣泛應用提供了廣闊空間。通過對農產品的外形、輪廓等信息的準確識別，可為農產品病蟲害自動化監測及成熟果實采摘提供準確信息。但是由于氣候、光照等成像因素的限制，使得所獲取的圖像不可避免地存在一定程度的失真，從而制約了機器視覺技術在農業領域的應用。對此，學者們也做了大量研究，主要集中在農產品圖像的邊緣檢測[1]、圖像增強[2]、圖像分割[3]等領域，但是關于農產品視覺圖像的視覺改善研究特別是對于圖像中時常出現的噪聲抑制的研究較少。在現實情況下，成像環境、成像設備以及電路等因素使得農業視覺影像在獲取、傳輸、存儲等環節中不可避免地受到各類噪聲特別是脈沖噪聲的干擾。這導致后續農業視覺圖像的分析處理中出現大量的誤判。針對圖像噪聲的濾波處理主要有小波變換[4]、中值濾波及其各類改進算法[5-6]、均值濾波及改進算法[7-8]、多尺度集合變換去噪[9]等。本研究提出了一種基于噪聲檢測的多方向均值濾波算法（improved multiple directions weighted mean filtering algorithm，IMDWMF），本算法首先對含有噪聲的遙感影像噪聲進行2次檢測，然后有針對性地設計了3種尺度的8方向濾波窗口，最后實現對噪聲的加權濾波。

1算法原理

1.1噪聲有效檢測策略

對農業視覺圖像噪聲的分布區域及密度進行有效檢測，在此基礎上進行有針對性的濾波，從而大大避免了經典濾波方法的盲目性。近年來學者們對此進行了大量研究，先通過對噪聲點周圍一定大小區域內的各像素點灰度值進行檢測，然后根據檢測結果判定極值點，從而實現對噪聲點的濾除。本研究借鑒這一思路，將噪聲檢測分為粗檢測和精細檢測2個步驟，并設一幅大小為M×N的圖像在任意點（x，y）處的灰度值為F（x，y）。

3總結

本研究以椒鹽噪聲為模型，針對農業視覺圖像中存在的噪聲進行了濾波算法研究，提出了一種基于噪聲檢測的多方向加權均值濾波算法。試驗結果表明，本算法具有較優的噪聲濾波性能。

參考文獻：

[1]周勝靈，丁珠玉. 基于DM642的農產品圖像邊緣檢測系統設計[J]. 農機化研究，2012（3）：102-105.

[2]李志臣，陳南，安秋. 基于二維熵的農業圖像目標分割[J]. 東北農業大學學報，2010，41（4）：130-132.

[3]石永華，王波，王阿珍，等. 基于Contourlet變換的農業圖像增強方法研究[J]. 安徽農業科學，2011，39（30）：18985-18986，19007.

[4]劉艷霞，董蓓蓓，劉鈺，等. 基于小波閾值的醫學圖像去噪研究[J]. 電視技術，2012，36（19）：183-185.

[5]黃寶貴，盧振泰，馬春梅，等. 改進的自適應中值濾波算法[J]. 計算機應用，2011，31（7）：1835-1837，1883.

[6]孫樹亮，王守覺. 一種基于改進的極值中值濾波算法[J]. 計算機科學，2009，36（6）：165-166.

[7]郭明，朱敏，周曉東. 去除椒鹽噪聲的非對稱有向窗加權均值濾波[J]. 激光與紅外，2011，41（11）：1267-1272.

[8]易子麟，尹東，胡安洲，等. 基于非局部均值濾波的 SAR 圖像去噪[J]. 電子與信息學報，2012，34（4）：950-956.

[9]Starck J L，Candès E J，Donoho D L. The curvelet transform for image denoising[J]. IEEE Transactions on Image Processing：a Publication of the IEEE Signal Processing Society，2002，11（6）：670-684.