期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
改进的CLAHE无芒隐子草叶切片图像增强 被引量:4
1
作者 张文霞 王春光 +2 位作者 王海超 殷晓飞 宗哲英 《农机化研究》 北大核心 2022年第1期25-30,共6页
无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响。为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了... 无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响。为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了基于自适应亮度调整的CLAHE图像增强算法。该算法首先将图像RGB空间转换到HSV空间,提取图像的亮度分量,再根据图像的亮度值,自适应调整RGB通道图像整体亮度,最后应用CLAHE算法实现图像增强。采用50张无芒隐子草叶切片图像为样本进行试验,结果表明:该算法相比于传统的CLAHE算法,图像信息熵、图像对比度、图像平均梯度和图像的峰值信噪比均显著提高,有效克服了传统CLAHE算法对过暗图像增强效果不佳问题,能使图像局部细节信息和清晰程度得到明显提高,不仅适合无芒隐子草叶切片低对比度图像增强,也可为其他植物叶切片图像增强提供参考。 展开更多
关键词 图像处理 图像增强 CLAHE算法 对比度 切片图像 无芒隐子草
在线阅读 下载PDF
小波域非局部均值无芒隐子草叶切片盲去噪
2
作者 张文霞 王春光 +4 位作者 殷晓飞 王海超 王圆 郭华 赵晓宇 《农机化研究》 北大核心 2019年第10期35-39,共5页
在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小... 在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪。实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为σ∈[1. 5,3. 5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0. 990 7;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为σ∈[1. 5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 d B,而NLM和本文提出的算法不适用;当噪声标准差为σ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7. 5d B,应用Beyes Shrink算法提高了6. 5 d B;而当σ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10. 53d B,是NLM算法的1. 4倍、Beyes Shrink法的1. 3倍。本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础。 展开更多
关键词 小波变换 无芒隐子草 噪声识别 图像去噪 非局部均值
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部