基于自适应小波偏微分方程的蝗虫切片图像去噪 - Ingenta Connect.PDF

第 31 卷 第 20 期 农 业 工 程 学 报 Vol.31 No.20 172 2015 年 10 月 Transactions of the Chinese Society of Agricultural Engineering Oct. 2015 基于自适应小波偏微分方程的蝗虫切片图像去噪 李 丽，张楠楠，梅树立，李晓飞 （中国农业大学信息与电气工程学院，北京 100083 ） 摘 要：蝗虫显微切片图像在获取的过程中不可避免地会受到噪声污染，其纹理、边缘与噪声又都属于高频分量，单独使 用小波变换或偏微分方程（partial differential equation ，PDE ）扩散的方法都不能在有效去噪的同时保持边缘、纹理等。针 对这一问题，提出了基于自适应小波 PDE 的去噪算法。首先对蝗虫切片含噪图像进行 sym5 小波软阈值去噪，分解层数根 据去噪后图像的 PSNR （peak signal to noise ratio ）值自适应地选择，阈值门限使用Birge-Massart 处罚算法获取。然后在此 去噪的基础上进行 Perona-Malik （PM ）模型去噪，迭代次数根据去噪后图像的PSNR 值自适应地选择，梯度阈值根据图像 自身的2 范数获取。为了验证所提出算法的去噪性能，进行了与常用去噪算法的对比试验。试验结果表明：视觉上，采用 本文算法去噪后的图像噪声点较少且边缘、纹理清晰；客观上，采用该文算法去噪后的图像 PSNR 值比使用维纳滤波高出 2 dB 左右，比使用中值滤波高出 3 dB 左右，比使用小波阈值去噪高出 2 dB 左右，比使用 PM 模型去噪高出 1 dB 左右，并 且在结构相似性（structural similarity image measurement，SSIM）上采用该文算法去噪后的图像与原始图像的相似度最高。 因此，将自适应小波PDE 的算法应用于蝗虫切片去噪是可行的、有效的，为其后续处理提供了技术支持。 关键词：切片；图像；小波；蝗虫切片；图像去噪；PM 模型；结构相似性 doi ：10. 11975/j.issn.1002-6819.2015.20.024 中图分类号：TP391.41 文献标识码：A 文章编号：1002-6819(2015)-20-0172-06 李 丽，张楠楠，梅树立，李晓飞. 基于自适应小波偏微分方程的蝗虫切片图像去噪[J].农业工程学报，2015，31(20)： 172－177. doi ：10.11975/j.issn.1002-6819.2015.20.024 Li Li, Zhang Nannan, Mei Shuli, Li Xiaofei. Image de-noising of locust sections based on adaptive wavelet and partial differential equation method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(20): 172－177. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2015.20.024 0 引 言 壤孔隙结构[14] 。刘炳良2014 年将小波变换与双边滤波算 法结合，提出了一种针对水果图像中颗粒噪声的滤波算 蝗虫显微切片试验的主要目的是认识蝗虫细胞及神 法[15] 。贾伟宽2015 年提出夜视图像的小波变换和独立成 经构造，揭示蝗虫繁殖及农药除虫的作用机理，辅助生