基于小波變換的雜草圖像邊緣檢測.pdf

1、隨著除草劑廣泛應(yīng)用于除草中，雖然減輕了人工勞動(dòng)量，但也帶來成本增加、作物品質(zhì)和農(nóng)業(yè)生態(tài)環(huán)境的污染等問題。本文利用計(jì)算機(jī)圖像處理技術(shù)和小波分析工具對(duì)小麥田間常見雜草進(jìn)行邊緣檢測，為雜草識(shí)別的實(shí)現(xiàn)打下基礎(chǔ)。 針對(duì)田間攝取圖像時(shí)的隨機(jī)擾動(dòng)，圖像中含有的噪音，為了提高識(shí)別效果，本文對(duì)所獲得的圖像進(jìn)行一些前期的預(yù)處理。首先要把用照相機(jī)獲得的真彩色圖像狄度化，然后用中值濾波法對(duì)灰度圖像濾波，去除了高斯白噪聲對(duì)圖像的影響。為了使農(nóng)作物雜草等綠

2、色植物和土壤背景分離，采用閾值分割按灰度級(jí)分為若干部分，本文中為了減少計(jì)算量，將雜草圖像變成僅含有目標(biāo)和少量高頻噪聲的二值圖像。 本文重點(diǎn)就幾種經(jīng)典的圖像邊緣檢測微分算子作了分析和優(yōu)缺點(diǎn)對(duì)比，基于這些算子都是在原始圖像上(時(shí)域)進(jìn)行的，不能在頻域上對(duì)信號(hào)分析，作者利用小波分析的“自適應(yīng)性”和“數(shù)學(xué)顯微鏡性質(zhì)”對(duì)圖像檢測邊緣算法進(jìn)行研究。第一種算法是基于B樣條函數(shù)的多尺度分析和數(shù)學(xué)形態(tài)學(xué)理論，選擇2階B樣條小波作為小波基函數(shù)，對(duì)雜

3、草圖像進(jìn)行Mallat快速變換，為了避免濾掉弱的邊緣，本文把B樣條小波邊緣檢測算法和數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法進(jìn)行融合，最后得到了綜合各個(gè)尺度特征的理想邊緣。第二種算法是小波分析模極大值邊緣檢測方法，根據(jù)李氏指數(shù)與小波變換關(guān)系，采用小波模極大值在不同尺度下傳播的特性，檢測出圖像在水平和垂直方向的極大值，然后利用模糊算法構(gòu)造相應(yīng)的隸屬函數(shù)，提取弱邊緣信息，最后得到不同尺度下的邊緣圖像，仿真結(jié)果表明這種方法可檢測出弱邊緣。第三種算法是基于小波包