[發(fā)明專利]糧蟲(chóng)圖像增強(qiáng)技術(shù)

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210286754.9
• 申請(qǐng)日: 2012-08-13
• 公開(kāi)（公告）號(hào): CN103593823A
• 公開(kāi)（公告）日: 2014-02-19
• 發(fā)明（設(shè)計(jì)）人: 但春林;封長(zhǎng)林
• 申請(qǐng)（專利權(quán)）人: 西安元朔科技有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明屬于儲(chǔ)糧害蟲(chóng)在線檢測(cè)領(lǐng)域，主要涉及糧蟲(chóng)圖像增強(qiáng)技術(shù)。

背景技術(shù)

我國(guó)是糧食生產(chǎn)大國(guó)，也是糧食消費(fèi)大國(guó)，糧食儲(chǔ)藏關(guān)系著國(guó)家安全和社會(huì)穩(wěn)定。搞好糧食存儲(chǔ)具有重要意義。中國(guó)糧食產(chǎn)量大并連續(xù)多年豐收，糧食總產(chǎn)量從2001年的45263萬(wàn)噸，到2008年的52585萬(wàn)噸，并且儲(chǔ)藏量達(dá)到年產(chǎn)量的一半。根據(jù)資料顯示，全世界每年至少有5％的糧食被害蟲(chóng)糟蹋，其中中國(guó)約為18％。可見(jiàn)搞好害蟲(chóng)的防治工作很重要，目前常見(jiàn)的害蟲(chóng)檢測(cè)主要是基于圖像處理和模式識(shí)別的檢測(cè)系統(tǒng)，其首要要求是獲得較高質(zhì)量的圖像，實(shí)際上由于各種原因得到的圖像往往質(zhì)量比較差。這就需要對(duì)儲(chǔ)糧圖像進(jìn)行增強(qiáng)，以便更好地對(duì)儲(chǔ)糧害蟲(chóng)進(jìn)行識(shí)別。因?yàn)闆](méi)有通用的增強(qiáng)算法，所有針對(duì)不同類型的圖像，人們提出了各種不同的算法，并取得了一定的效果，但這些算法是對(duì)圖像比較模糊的圖像進(jìn)行增強(qiáng)，其增強(qiáng)效果不理想。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種能適應(yīng)于圖像較為模糊的糧蟲(chóng)圖像增強(qiáng)技術(shù)。

為了實(shí)現(xiàn)上述目的，本發(fā)明對(duì)糧蟲(chóng)圖像增強(qiáng)處理的具體步驟如下：

步驟1：將原始圖像f進(jìn)行奇異值分解，得到酉矩陣U_f，V_f和對(duì)角矩陣A^f；

步驟2：將高斯噪聲疊加到原始圖像得到噪聲圖像g；

g＝f+n

其中，n為均值為0的不同方差的高斯噪聲。

步驟3：將噪聲圖像g進(jìn)行奇異值分解，得到酉矩陣U_g，V_g和對(duì)角矩陣A^g；

步驟4：計(jì)算U_f×A^g×V′_f，其結(jié)果為增強(qiáng)后的圖像。

本發(fā)明采用奇異值分解分別對(duì)原始圖像和噪聲圖像進(jìn)行分解，并將噪聲圖像的高頻系數(shù)代替原始圖像的高頻系數(shù)，再進(jìn)行圖像重構(gòu)，得到糧蟲(chóng)增強(qiáng)圖像。實(shí)驗(yàn)結(jié)果表明，本發(fā)明可以根據(jù)需要通過(guò)調(diào)整高斯噪聲的方差來(lái)獲得不同的圖像增強(qiáng)效果，算法實(shí)時(shí)性好，簡(jiǎn)單快速。

附圖說(shuō)明

圖1是本發(fā)明的流程圖；

圖2是糧蟲(chóng)增強(qiáng)對(duì)比圖，其中：

圖2(a)為原始圖像

圖2(b)為本發(fā)明增強(qiáng)后的效果；

圖2(c)為拉普拉斯算子增強(qiáng)后的效果；

圖2(d)為理想高通濾波器增強(qiáng)后的效果；

圖2(e)為模糊圖像；

圖2(f)為本發(fā)明增強(qiáng)后的效果；

圖2(g)為拉普拉斯算子增強(qiáng)后的效果；

圖2(h)為理想高通濾波器增強(qiáng)后的效果。

圖3是高斯噪聲的方差對(duì)糧蟲(chóng)圖像增強(qiáng)的效果圖，其中：

圖3(a)是加入方差為0.01的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(b)是加入方差為0.02的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(c)是加入方差為0.03的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(d)是加入方差為0.04的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(e)是加入方差為0.05的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(f)是加入方差為0.06的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(g)是加入方差為0.07的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖；

圖3(h)是加入方差為0.08的高斯噪聲后經(jīng)本發(fā)明獲得的糧蟲(chóng)圖像增強(qiáng)效果圖。

具體實(shí)施方式

參照?qǐng)D1，本發(fā)明的具體過(guò)程包括：

步驟1：將原始圖像f進(jìn)行奇異值分解，得到酉矩陣U_f，V_f和對(duì)角矩陣A^f；

步驟2：將高斯噪聲疊加到原始圖像得到噪聲圖像g；

g＝f+n

其中，n為均值為0的不同方差的高斯噪聲。

步驟3：將噪聲圖像g進(jìn)行奇異值分解，得到酉矩陣U_g，V_g和對(duì)角矩陣A^g；

步驟4：計(jì)算U_f×A^g×V′_f，其結(jié)果為增強(qiáng)后的圖像。

結(jié)合算法的流程圖，應(yīng)用matlab進(jìn)行編程，具體程序如下：

F＝im2double(imread(‘lean.bmp’))；％讀取圖像lean.bmp