楊永

摘要：利用機器人采摘荔枝的過程實質上是分析和識別所獲取圖像的過程，但由于荔枝生長環(huán)境復雜、成像系統(tǒng)電壓不穩(wěn)定，導致在模/數轉換、圖像解碼等環(huán)節(jié)中圖像清晰度降低，最直觀的體現(xiàn)是圖像中存在不同程度的斑點噪聲。針對該情況并結合離散小波變換這一圖像分析框架，提出一種荔枝圖像高效處理模型。首先，該模型對圖像進行多尺度離散小波變換，以獲得低頻分解系數和各方向分布的高頻分解系數；然后提出一種二維多方向加權中值濾波算法，實現(xiàn)對高頻分解系數的自適應處理；最后對低頻分解系數和濾波后的多方向分布高頻分解系數進行重構。采用MATLAB軟件編寫程序進行算法實現(xiàn)，并與經典中值濾波算法、二維多方向中值濾波算法進行性能對比。結果表明，本研究提出的圖像處理模型對該類圖像的處理效果明顯優(yōu)于其余2類算法且模型耗時更短。

關鍵詞：荔枝圖像；離散小波變換；斑點噪聲；二維多方向中值濾波

中圖分類號： TP391；S126 文獻標志碼： A

文章編號：1002-1302（2015）03-0385-03

隨著農業(yè)自動化水平的逐漸提高，使用機器人自動化采摘荔枝對于提高工作效率、降低生產成本最有重要意義。對所獲取的荔枝成熟果實圖像進行顏色、輪廓等信息分析和識別是實現(xiàn)機器人采摘的前提。圖像在獲取過程中會受到機器人成像系統(tǒng)電壓不穩(wěn)定、拍攝光照不均勻等因素的限制，在模/數轉換、傳輸、解碼等環(huán)節(jié)中亦會受到噪聲干擾，并且對比度有所降低。因此，有必要對機器人視覺系統(tǒng)獲取的圖像進行高質量處理，以提高采摘對象識別的準確性。目前，計算機圖像處理算法被大量應用于農業(yè)圖像處理領域，如陳科尹等提出一種改進模糊聚類算法應用于水果圖像分割[1]；陳麗娟等采用改進的BP算法識別玉米圖像葉部病害特征[2]；楊福增等提出一種基于雜交小波變換的去噪模型并應用于農產品圖像噪聲去除[3]；趙輝等構建了小波域中值濾波模型并成功濾除農作物圖像中的噪聲[4]；劉立波等將數學形態(tài)學理論應用于農作物圖像的處理，有效地分析農作物病蟲害程度[5]；形航等研究了薯類圖像的小波閾值去噪算法[6]。本研究分析了二維多方向中值濾波算法[7]的原理，在此基礎上對其適當改進并結合離散小波變換[8-9]，構建荔枝圖像高質量處理模型，以實現(xiàn)對該類圖像的有效處理。

1 離散小波域圖像分析原理

2 二維多方向加權中值濾波算法

圖像中一部分信息（如河流、倒流、建筑物輪廓等）呈方向性分布，若將經典中值濾波窗口進行適當拆分，設計出符合圖像信息分布特征的濾波窗口，那么在濾波噪聲的同時必能保持圖像信息的完整性，這便是二維多方向中值濾波算法（two-dimensional multi-direction median filtering algorithm）的基本思想。該算法將對于中心點坐標（m1，m2）的濾波分解為4個方向性窗口（見圖1），從而獲得1個方向性中值集合Q，求其最大值和最小值，并與該集合中的各數值組成新集合Q′，取Q′中各數值的中間值作為坐標點（m1，m2）最終濾波結果。

圖4中荔枝葉片和果實模糊不清，無法識別。采用經典中值濾波算法（濾波窗口大小為5×5）處理，結果如圖5所示，部分噪聲被濾除，但殘留噪聲被放大，表現(xiàn)為荔枝果實表面出現(xiàn)較多“黑點”。二維多方向中值濾波算法處理結果見圖6，圖中“黑點”基本不存在，且噪聲殘留程度較圖5有所降低，由此說明二維多方向中值濾波算法性能優(yōu)于經典中值濾波算法。圖7為本研究模型處理后的結果，由圖7可見噪聲基本被去除，且圖像清晰度明顯優(yōu)于圖5和圖6。為了定量化描述本研究算法的性能，采用峰值信噪比、均方根差以及算法執(zhí)行時間3種指標對以上試驗結果進行定量評價，結果見表1。

本研究提出的圖像處理模型PSNR值明顯高于另2類算法，對應的RMSE值為3類算法中的最低值，由此說明本研究模型性能為3類算法中最優(yōu)。此外，本研究模型執(zhí)行時間介于經典中值濾波算法以及二維多方向中值濾波算法之間。

4 結論

為了高質量處理荔枝圖像，以提高自動化采摘識別的準確性，提出1種基于離散小波變換的圖像高效處理模型。對現(xiàn)場采集的荔枝圖像疊加一定程度的隨機噪聲并進行模型性能測試，結果表明，本研究提出模型性能明顯優(yōu)于經典中值濾波算法以及二維多方向中值濾波算法，且算法耗時較低。

參考文獻：[HJ1.4mm]

[1]陳科尹，鄒湘均，熊俊濤，等. 基于視覺顯著性改進的水果圖像模糊聚類分割算法[J]. 農業(yè)工程學報，2013，29（6）：157-165.

[2]劉麗娟，劉仲鵬. 基于改進BP算法的玉米葉部病害圖像識別研究[J]. 江蘇農業(yè)科學，2013，41（11）：139-142.

[3]楊福增，田艷娜，楊亮亮，等. 基于雜交小波變換的農產品圖像去噪算法[J]. 農業(yè)工程學報，2011，27（3）：172-178.

[4]趙 輝，劉文明，岳有軍，等. 一種新的去噪算法在農作物圖像處理中的應用[J]. 江蘇農業(yè)科學，2014，42（1）：371-373.

[5]劉立波，趙春江，吳華瑞，等. 數學形態(tài)學在作物病害圖像預處理中的應用研究[J]. 農機化研究，2013（8）：180-183.

[6]邢 航，張鐵民，漆海霞，等. 薯類農產品視覺圖像的去噪方法[J]. 農機化研究，2012（7）：43-47，52.

[7]王明常，邢立新，楊毅恒，等. 動態(tài)方向加權二維多級中值濾波的圖像處理[J]. 吉林大學學報：自然科學版，2006，24（1）：18-21.

[8]Matsuyama E，Tsai D Y，Lee Y B，et al. A modified undecimated discrete wavelet transform based approach to mammographic image denoising[J]. Journal of Digital Imaging，2013，26（4）：748-758.

[9]Zhang L，Qiu B C. Optical image compression based on adaptive directional prediction discrete wavelet transform[J]. Optical Revied，2013，20（6）：474-483.