小波域非局部均值无芒隐子草叶切片盲去噪

• 作者: 张文霞 殷晓飞 王圆 王春光 王海超 赵晓宇 郭华
• 来源期刊: 农机化研究
• 学科: 工学
• 关键词: 小波变换 无芒隐子草 噪声识别 图像去噪 非局部均值
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 理论研究与探讨
• 页码范围: 35-39
• 页数: 5页
• 分类号: TP391.41
• 字数: 3015字
• 语种: 中文

摘要

在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确.对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪.实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为 σ ∈[1.5,3.5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0.9907;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为 σ ∈[1.5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 dB,而NLM和本文提出的算法不适用;当噪声标准差为 σ ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7.5dB,应用Beyes Shrink算法提高了6.5dB;而当 σ ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10.53 dB,是NLM算法的1.4倍、Beyes Shrink法的1.3倍.本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础.