[发明专利]粮虫图像增强技术

说明书

技术领域

本发明属于储粮害虫在线检测领域，主要涉及粮虫图像增强技术。

背景技术

我国是粮食生产大国，也是粮食消费大国，粮食储藏关系着国家安全和社会稳定。搞好粮食存储具有重要意义。中国粮食产量大并连续多年丰收，粮食总产量从2001年的45263万吨，到2008年的52585万吨，并且储藏量达到年产量的一半。根据资料显示，全世界每年至少有5％的粮食被害虫糟蹋，其中中国约为18％。可见搞好害虫的防治工作很重要，目前常见的害虫检测主要是基于图像处理和模式识别的检测系统，其首要要求是获得较高质量的图像，实际上由于各种原因得到的图像往往质量比较差。这就需要对储粮图像进行增强，以便更好地对储粮害虫进行识别。因为没有通用的增强算法，所有针对不同类型的图像，人们提出了各种不同的算法，并取得了一定的效果，但这些算法是对图像比较模糊的图像进行增强，其增强效果不理想。

发明内容

本发明的目的在于提供一种能适应于图像较为模糊的粮虫图像增强技术。

为了实现上述目的，本发明对粮虫图像增强处理的具体步骤如下：

步骤1：将原始图像f进行奇异值分解，得到酉矩阵U_f，V_f和对角矩阵A^f；

步骤2：将高斯噪声叠加到原始图像得到噪声图像g；

g＝f+n

其中，n为均值为0的不同方差的高斯噪声。

步骤3：将噪声图像g进行奇异值分解，得到酉矩阵U_g，V_g和对角矩阵A^g；

步骤4：计算U_f×A^g×V′_f，其结果为增强后的图像。

本发明采用奇异值分解分别对原始图像和噪声图像进行分解，并将噪声图像的高频系数代替原始图像的高频系数，再进行图像重构，得到粮虫增强图像。实验结果表明，本发明可以根据需要通过调整高斯噪声的方差来获得不同的图像增强效果，算法实时性好，简单快速。

附图说明

图1是本发明的流程图；

图2是粮虫增强对比图，其中：

图2(a)为原始图像

图2(b)为本发明增强后的效果；

图2(c)为拉普拉斯算子增强后的效果；

图2(d)为理想高通滤波器增强后的效果；

图2(e)为模糊图像；

图2(f)为本发明增强后的效果；

图2(g)为拉普拉斯算子增强后的效果；

图2(h)为理想高通滤波器增强后的效果。

图3是高斯噪声的方差对粮虫图像增强的效果图，其中：

图3(a)是加入方差为0.01的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(b)是加入方差为0.02的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(c)是加入方差为0.03的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(d)是加入方差为0.04的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(e)是加入方差为0.05的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(f)是加入方差为0.06的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(g)是加入方差为0.07的高斯噪声后经本发明获得的粮虫图像增强效果图；

图3(h)是加入方差为0.08的高斯噪声后经本发明获得的粮虫图像增强效果图。

具体实施方式

参照图1，本发明的具体过程包括：

步骤1：将原始图像f进行奇异值分解，得到酉矩阵U_f，V_f和对角矩阵A^f；

步骤2：将高斯噪声叠加到原始图像得到噪声图像g；

g＝f+n

其中，n为均值为0的不同方差的高斯噪声。

步骤3：将噪声图像g进行奇异值分解，得到酉矩阵U_g，V_g和对角矩阵A^g；

步骤4：计算U_f×A^g×V′_f，其结果为增强后的图像。

结合算法的流程图，应用matlab进行编程，具体程序如下：

F＝im2double(imread(‘lean.bmp’))；％读取图像lean.bmp