蝗虫切片图像Shannon-Cosine小波精细积分混合降噪

发布时间:2021-10-13 09:08
  在显微镜下采集到的蝗虫切片图像通常同时具有高斯噪声和椒盐噪声。利用同时具有插值性、光滑性、紧支撑性及归一化特性的Shannon-Cosine小波,构造了多尺度插值小波算子,进而构造了去除图像中混合噪声的小波精细积分法。该方法在稀疏描述切片图像时,通过设置稀疏表示阈值,直接消除图像中的椒盐噪声;将图像的Shannon-Cosine小波稀疏表达式直接代入图像降噪P-M模型,将该模型变形为非线性常微分方程组,采用精细积分法求解,可实现图像的保边降噪,消除图像中的高斯噪声。实验结果表明,在满足降噪要求的情况下,本文方法可以较好地保持蝗虫切片图像中的各种纹理结构;随着高斯噪声方差由0.02增加到0.10,降噪图像的PSNR下降了11.67%,远低于其他方法。说明本文方法在处理蝗虫切片图像时具有较强的鲁棒性。采用本文方法描述蝗虫切片图像时,特征像素点只占图像像素总数的10%左右,有效降低了问题规模,提高了求解效率。 

【文章来源】:农业机械学报. 2020,51(09)北大核心EICSCD

【文章页数】:7 页

【部分图文】:

蝗虫切片图像Shannon-Cosine小波精细积分混合降噪


含人工混合噪声图像的降噪效果对比

变化曲线,高斯噪声,峰值信噪比,相似度


通常,随着高斯噪声基本偏差的增大,噪声含量也相应增加。表2给出了在噪声含量增加时,不同滤波方法的去噪效果。可以看出,各种降噪方法中,峰值信噪比(PSNR)和结构相似度(SSIM)两个参数都随着噪声含量的增加而衰减,但本文方法始终具有最好的降噪效果。图3为不同降噪方法的降噪效果指标(PSNR和SSIM)随高斯噪声方差的变化曲线。随着高斯噪声方差由0.02增加到0.10,本文方法得到的降噪图像的PSNR下降了11.67%;而维纳滤波、小波方法、中值滤波和均值滤波方法得到的降噪图像的PSNR分别下降了25.36%、25.74%、17.96%、24.55%;上述5种方法的SSIM分别下降了13.67%、31.26%、33.85%、27.66%、22.78%。显然,本文方法随着噪声含量的增加,降噪效果参数衰减率最低,表明本文方法具有较好的鲁棒性和对不同图像较强的适应能力。4 结论

波形,小波母函数,参数化,函数


相对于Shannon小波母函数[16-17],ShannonCosine小波母函数具有更好的紧支撑性,如图1所示。支撑区间参数N可由小波母函数的归一化条件求得,参数N的选择与Shannon--∞Cosine小波的波形有关,可找到Shannon函数在某一区间内的积分大于1,在另一区间内的积分小于1。这表明,合理选择支持区间可以确保参数化Shannon-Cosine多项式函数满足统一条件的划分,从而找到合理的参数N。同Shannon-Gabor小波相比,Shannon-Cosine小波是一种真正的紧支撑小波,符合小波的所有定义,有助于提高算法效率和数值精度。

【参考文献】:
期刊论文
[1]基于小波精细积分与暗通道的农田图像去雾算法[J]. 高若婉,梅树立,李丽,王爱萍.  农业机械学报. 2019(S1)
[2]二维四向小波子空间的Shannon采样定理[J]. 库福立,吴克奇,周雪莹,付海林,叶倩玉.  湖北大学学报(自然科学版). 2019(03)
[3]同伦分析方法进展综述[J]. 廖世俊,刘曾.  力学进展. 2019(00)
[4]小波变换在压力传感器输出信号去噪中的应用[J]. 张林,张志杰,张华.  仪表技术与传感器. 2018(04)
[5]基于四阶非线性偏微分方程的图像去噪算法[J]. 吴登辉,周先春,陈铭.  电子测量与仪器学报. 2017(06)
[6]基于暗通道先验和区间插值小波变换的图像去雾霾方法[J]. 魏颖慧,张彦娥,梅树立,魏帅钧.  农业工程学报. 2017(S1)
[7]基于多尺度区间插值小波法的牛肉图像中大理石花纹分割[J]. 张彦娥,魏颖慧,梅树立,朱梦婷.  农业工程学报. 2016(21)
[8]基于拟Shannon区间小波的分步小波方法[J]. 钟鸣宇,朱宗玖.  安徽理工大学学报(自然科学版). 2016(05)
[9]基于变分法和剪切波耦合算法的蝗虫切片保纹理图像降噪[J]. 梅树立.  农业工程学报. 2016(17)
[10]基于单元最邻近匹配的蝗虫切片图像修复方法[J]. 李丽,郭双双,梅树立,张楠楠.  农业机械学报. 2015(08)

硕士论文
[1]基于变分法的图像去噪算法研究[D]. 马晓月.苏州大学 2019



本文编号:3434362

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/dzwbhlw/3434362.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bcc5a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com