番茄图像保纹理降噪的各向异性动态扩散模型研究

发布时间：2017-12-19 08:05

  本文关键词：番茄图像保纹理降噪的各向异性动态扩散模型研究

  更多相关文章： 番茄 图像降噪 各向异性扩散 梯度阈值 迭代停止准则 保纹理

【摘要】：针对番茄图像进行各向异性扩散降噪研究。首先在2-范数梯度阈值计算方法基础上引入图像的局部灰度方差,提出了一种梯度阈值计算方法。其次采用结构相似性(SSIM)作为迭代停止准则,实现了迭代次数的自适应选取,构建出用于番茄图像保纹理降噪的各向异性动态扩散模型。最后在噪声标准差为5、10、15、20、25、30不同情况下,进行2组对比试验。第1组试验结果表明,采用SSIM作为迭代停止准则是有效的、稳定的。第2组试验从峰值信噪比(PSNR)和梯度模值相似性偏差(GMSD)两方面对降噪后的图像质量进行客观评价,并与P-M模型、2-范数模型相比较,结果是所提模型的PSNR平均值最高且GMSD平均值分别降低了15.5%、19.1%,说明采用所提模型降噪后的番茄图像降噪效果有所改进并且与原始图像比较接近;从视觉效果上,采用结果是所提模型降噪后的番茄图像纹理保留较多且清晰。因此,提出的各向异性动态扩散模型在降噪的同时保留了图像纹理,为番茄后期的品质检测奠定了基础。
【作者单位】： 中国农业大学信息与电气工程学院;
【基金】：国家自然科学基金项目(31271618、41171337) “十二五”国家科技支撑计划项目(2015BAK04B01)
【分类号】：TP391.41;S641.2
【正文快照】： 引言随着物联网技术在农业上的应用,针对监控系统采集到的图像进行实时处理已成为智慧农业的重要组成部分,其中图像降噪是一项基本而又十分关键的技术。目前,针对农产品降噪的研究有很多[1-5],但大部分都是基于小波及其变形的方法,基于偏微分方程(Partial differential equati，

本文编号：1307469