【正文】 的結(jié)果直接影響到分級(jí)的效果和質(zhì)量。,其中使用高斯濾波法和中值濾波法對(duì)蘋果圖像去噪，, 應(yīng)用常規(guī)方法對(duì)圖像去噪， ；為了能夠提高在農(nóng)業(yè)機(jī)器人圖像去噪濾波器的去噪性能以及更好地保留包括果品圖像在內(nèi)的農(nóng)業(yè)圖像里的邊緣信息，2007年Lawrence等在分析施肥機(jī)的性能時(shí)，運(yùn)用高斯濾波去除化肥散點(diǎn)圖像中的背景噪聲；2007年Yoon等在用多光譜實(shí)時(shí)檢測(cè)蘋果成熟度時(shí)采用了高斯濾波器消去噪聲。2005年王樹文在基于計(jì)算機(jī)視覺的番茄損傷自動(dòng)檢測(cè)與分類研究中,應(yīng)用快速中值濾波噪。2006年，楊福增等人又提出了一種基于小波變換的Wiener濾波去噪方法。 2011年楊福增等指出農(nóng)業(yè)圖像的邊緣和紋理等細(xì)節(jié)信息豐富，已有的去噪方法在去噪的同時(shí)會(huì)模糊農(nóng)業(yè)圖像中重要的紋理以及邊緣等缺陷，提出一種包括果品圖像在內(nèi)的農(nóng)業(yè)圖像去噪算法：基于雜交小波變換的去噪算法。并利用本文方法與傳統(tǒng)方法進(jìn)行了仿真實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的可行性和有效性。第2章小波變換的基本理論,闡述小波分析的基本原理,詳細(xì)探討了Mallat算法。第4章應(yīng)用研究,重點(diǎn)闡述了圖像去噪效果的評(píng)價(jià)指標(biāo)；針對(duì)二組實(shí)驗(yàn)圖像，利用本文方法與傳統(tǒng)方法進(jìn)行了仿真實(shí)驗(yàn)，使用評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果實(shí)施評(píng)價(jià)，獲得了數(shù)據(jù)；通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析得出結(jié)論：本文方法是有效的、先進(jìn)的。2小波變換的基本理論小波分析是在傅里葉變換的基礎(chǔ)上發(fā)展起來(lái)的，它作為一種嶄新的分析方法，在時(shí)域和頻域上同時(shí)具有良好的局部化特性，因此，小波分析可以根據(jù)實(shí)際分析的需要，自適應(yīng)地調(diào)節(jié)時(shí)頻窗口，能夠聚焦到信號(hào)時(shí)域和頻域的任意細(xì)節(jié)，這一特性即是小波變換的“變聚焦”特性，小波變換因此被譽(yù)為信號(hào)分析的“顯微鏡”。 （22）當(dāng)小波的容許性條件成立時(shí)，連續(xù)小波變換存在逆變換，變換式為： (23)其中的容許性條件為： （24） 離散小波變換為了適合數(shù)字計(jì)算機(jī)的處理需要對(duì)連續(xù)小波變換進(jìn)行離散化，需要指出的是，對(duì)連續(xù)小波變換進(jìn)行離散化是針對(duì)連續(xù)的尺度參數(shù)a和連續(xù)平移參數(shù)b進(jìn)行離散化處理的，而不是針對(duì)時(shí)間t的。則小波基可以表示為： （25）此時(shí)離散小波變換可以表示為： （26）在實(shí)際應(yīng)用中，通常進(jìn)一步取常數(shù)為，就可以得到二進(jìn)小波： （27） （28） Mallat 算法圖像屬于二維信號(hào)，相比較一維信號(hào)而言，其分解算法和重構(gòu)算法非常復(fù)雜。分解算法即： (29） (210） (211） (212） 下面闡述圖像的二維小波重構(gòu)算法：=+++(213）根據(jù)上述公式，畫出示意圖如下所示。HGXGHHG與濾波器X卷積H低通濾波器G高通濾波器在相鄰兩列間插入一列零在相鄰兩行間插入一行零圖22圖像的小波重構(gòu)算法示意圖可以看出，小波分解圖像的重構(gòu)是先對(duì)列或行進(jìn)行升2采樣(在相鄰列或行間插入一零列或零行)，然后再按行、按列與一維的低通或高通濾波器進(jìn)行卷積，這樣遞推下去便可重構(gòu)原圖像。3 基于小波變換的果品圖像去噪 圖像去噪的基本原理圖像去噪是基于噪聲和信號(hào)在頻域上的不同分布規(guī)則為依據(jù)的，一般情況下，有用信號(hào)是主要分布在低頻區(qū)域的，而噪聲則是多分布在高頻區(qū)域的，然而由于圖像的細(xì)節(jié)也是分布在高頻區(qū)域的，因此如何在減少圖像噪聲的同時(shí)保留圖像的細(xì)節(jié)問題便成為圖像去噪技術(shù)的研究目標(biāo)。為了進(jìn)一步提高去噪的效果，在變換域中進(jìn)行降噪處理成為有效的方法，圖像變換域去噪就是對(duì)圖像進(jìn)行小波變換，然后將圖像從時(shí)域變換到變換域中，再對(duì)變換域中的圖像變換系數(shù)按照某種方法進(jìn)行處理，最后再對(duì)處理后的系數(shù)按照某種方法進(jìn)行反變換，這樣就實(shí)現(xiàn)了將圖像去除圖像噪聲的目的?；谛〔ㄗ儞Q的圖像去噪過(guò)程可以用圖31表示。 （1）軟閾值函數(shù)定義為： （31）軟閾值函數(shù)是比較含噪信號(hào)的小波系數(shù)與選定的閾值T大小，大于閾值的點(diǎn)收縮為該點(diǎn)值與閾值的差值，小于閾值相反數(shù)的點(diǎn)收縮為該點(diǎn)值與閾值的和，絕對(duì)值小于等于閾值的點(diǎn)變?yōu)榱恪? （a)軟閾值函數(shù) （b)硬閾值函數(shù)圖32 常見的閾值函數(shù) 改進(jìn)的閾值函數(shù)從圖32 中可以看出，軟閾值函數(shù)在小波域連續(xù)，將邊界出現(xiàn)不連續(xù)點(diǎn)收縮為零，不存在間斷點(diǎn)，可有效避免間斷，因此軟閾值函數(shù)估計(jì)的小波系數(shù)整體連續(xù)性好，估計(jì)信號(hào)不會(huì)產(chǎn)生附加振蕩，但它的導(dǎo)數(shù)不連續(xù)，在求高階導(dǎo)數(shù)時(shí)存在困難，并且與信號(hào)的小波系數(shù)存在恒定偏差，造成高頻信息丟失等失真現(xiàn)象，影響重構(gòu)信號(hào)與真實(shí)信號(hào)的逼近程度，導(dǎo)致邊緣模糊?；诖?需要對(duì)傳統(tǒng)的軟硬閾值函數(shù)進(jìn)行改進(jìn),構(gòu)造出效果更好的閾值函數(shù)。根據(jù)指數(shù)函數(shù)具有高階可導(dǎo)的特性，為此給出了改進(jìn)的新的閾值函數(shù)，其函數(shù)表達(dá)式如下： （33）其中，新閾值函數(shù)是介于軟硬閾值函數(shù)之間的一個(gè)靈活選擇。因此改進(jìn)的閾值函數(shù)比傳統(tǒng)的軟硬閾值函數(shù)具有明顯的優(yōu)勢(shì)。利用二維離散小波變換的分解算法即公式（29）對(duì)待去噪的圖像進(jìn)行分解，獲得不同尺度不同方向的子帶系數(shù)，其中分解層數(shù)選擇3層。第二步：閾值函數(shù)處理。而本文新的閾值函數(shù)不僅能實(shí)現(xiàn)閾值函數(shù)的功能，體現(xiàn)出了分解后系數(shù)的能量分布，而且具有高階導(dǎo)數(shù)，是介于軟硬閾值函數(shù)之間的一個(gè)靈活選擇。第三步：圖像重構(gòu)。第四步：效果評(píng)價(jià)。4 應(yīng)用研究 圖像去噪質(zhì)量的評(píng)價(jià)方法在圖像去噪的處理中，需要評(píng)價(jià)去噪后圖像的質(zhì)量。目前對(duì)圖像的去噪質(zhì)量評(píng)價(jià)主要有兩類常用的方法：一類是人的主觀評(píng)價(jià)，它由人眼直接觀察圖像效果，還只是一個(gè)定性的描述方法，不能作定量描述，但它能反映人眼的視覺特性。它是一種數(shù)學(xué)上統(tǒng)計(jì)的處理方法，其缺點(diǎn)是它并不是總能反映人眼的真實(shí)感覺。 主觀評(píng)價(jià)方法主觀評(píng)價(jià)通常有兩種：一種是作為觀察者的主觀評(píng)價(jià)，這是由選定的一組人對(duì)圖像直接用肉眼進(jìn)行觀察，然后分別給出其對(duì)所觀察的圖像的質(zhì)量好或壞的評(píng)價(jià)，再綜合全組人的意見給出一個(gè)綜合結(jié)論。另一種是隨著模糊數(shù)學(xué)的發(fā)展，可以用模糊綜合評(píng)判方法來(lái)盡量減少主觀因素的影響，實(shí)現(xiàn)對(duì)圖像質(zhì)量近似定量的評(píng)價(jià)，不過(guò)它仍然沒有完全消除主觀不確定性的影響，其定量計(jì)算公式中的參數(shù)往往要依賴專家經(jīng)驗(yàn)確定。表41 圖像主觀