一种用于苹果采摘机器人的夜视图像降噪方法

文档序号:8446224阅读:356来源:国知局
一种用于苹果采摘机器人的夜视图像降噪方法
【技术领域】
[0001] 本发明属于农业机械领域,涉及果蔬采摘机器人夜间作业时的夜视图像处理方 法。
【背景技术】
[0002] 果蔬采摘机器人自上世纪60年代问世以来,吸引着国内外众多学者的关注,如今 也已取得很大进展。然而当前研宄的大都是基于白天自然光下进行的采摘,为进一步减轻 农业劳动者的作业负担,提高采摘效率,保证苹果在成熟期内得到及时采摘,减少经济损 失,尝试提出苹果采摘机器人全天候作业思想,即夜间作业,以发挥果蔬采摘机器人的最大 效用。
[0003] 目前对于采摘机器人的夜间作业研宄相对较少,夜间作业主要考验的是采摘机器 人的图像识别系统。由于光线、温度等外在干扰因素,夜视图像存在大量的噪声,这些含噪 图像直接影响目标物的识别率,进而影响采摘机器人的工作效率,因此,夜间作业首先考虑 夜视图像的降噪。
[0004] 夜视图像所含噪声一般为混合噪声,据可查文献可知,均以高斯噪声为主。然而在 实际应用中,目前高斯噪声的去除仍是一个难题,还需要进一步的改进。小波变换(Wavelet Transform,WT)在时域和频域同时具有良好局部化性质,可将图像的结构和纹理表征在不 同的分辨率层次上,因此小波降噪时可以保存更多的边缘信息。小波降噪作为图像处理的 热点之一,率先开启了图像的非线性降噪,小波降噪的方法有很多,应用最为广泛的是小波 阈值降噪方法。独立成分分析(Independent Component Analysis,ICA)最早且广泛应用 于盲源信号分离,它是一种基于信号高阶统计特性的分析方法,去除数据间的高阶统计相 关性,应用在图像处理中可以更加全面地揭示其本质结构。

【发明内容】

[0005] 本发明的目的是:提供一种针对苹果采摘机器人的夜视图像降噪方法,解决由于 光线不足,温度较低而导致的夜视图像所含噪声较大的问题。其方法简单,通用性好,能够 得到相对干净的低噪图像,利于夜视图像的进一步识别。
[0006] 本发明苹果采摘机器人夜视图像降噪方法的技术方案为:
[0007] -种苹果采摘机器人的夜视图像降噪方法,包括以下步骤:
[0008] 步骤1,采用彩色CXD摄像头,以白炽灯作为人工光源,在同一角度对同一采样点 连续采集两幅图像;
[0009] 步骤2,由于噪声的随机性,对采集到的两幅图像做减法运算,通过两幅夜视图像 相减可得净噪声图像,根据灰度直方图判定噪声类型;
[0010] 步骤3,在上述步骤2的基础上采用小波软阈值-独立成分分析-小波软阈值融合 降噪方法,以得到更为干净的低噪图像。
[0011] 进一步,所述步骤3的具体过程为:
[0012] 步骤2. 1,利用小波软阈值方法对原图像X进行降噪处理,去除所含的椒盐噪声, 以及部分高斯噪声,得到低高斯图像t ;
[0013] 步骤2. 2,利用独立成分分析方法,对低高斯图像X'进行最大限度的图像源信号 与噪声信号分离,得图像源信号估计f ;
[0014] 步骤2. 3,图像源信号估计i依然有噪声存在,再次利用小波软阈值融合降噪方 法,对其进行降噪处理,最后得到相对干净的低噪图像s。
[0015] 进一步,所述小波软阈值方法为:
[0016] 步骤3. 1,对二维图像信号进行小波变换,选择合适的小波基和分解层数α,计算 信号f到第α层的分解,得到分解后的高频系数;
[0017] 步骤3. 2,对分解后的高频系数进行阈值量化,对于从1~α的每一层选择一个合 适的阈值,并对该层的高频系数进行软阈值量化处理;
[0018] 步骤3. 3,根据小波分解的第α层的低频系数和经过修改的从第1层到第α层的 各层高频系数计算二维信号的重构,得到低噪图像。
[0019] 进一步,所述独立成分分析方法为:
[0020] 步骤4. 1,利用无噪声音的训练集V,估计V的独立成分基向量,V = As,获得A的 估计并2,
【主权项】
1. 一种苹果采摘机器人的夜视图像降噪方法,其特征在于,包括以下步骤: 步骤1,采用彩色CCD摄像头,以白炽灯作为人工光源,在同一角度对同一采样点连续 米集两幅图像; 步骤2,由于噪声的随机性,对采集到的两幅图像做减法运算,通过两幅夜视图像相减 可得净噪声图像,根据灰度直方图判定噪声类型; 步骤3,在上述步骤2的基础上采用小波软阈值-独立成分分析-小波软阈值融合降噪 方法,以得到更为干净的低噪图像。
2. 根据权利要求1所述的苹果采摘机器人的夜视图像降噪方法,其特征在于,所述步 骤3的具体过程为: 步骤2. 1,利用小波软阈值方法对原图像X进行降噪处理,去除所含的椒盐噪声,以及 部分高斯噪声,得到低高斯图像t ; 步骤2. 2,利用独立成分分析方法,对低高斯图像X'进行最大限度的图像源信号与噪 声信号分离,得图像源信号估计X ; 步骤2. 3,图像源信号估计1依然有噪声存在,再次利用小波软阈值融合降噪方法,对 其进行降噪处理,最后得到相对干净的低噪图像s。
3. 根据权利要求2所述的苹果采摘机器人的夜视图像降噪方法,其特征在于,所述小 波软阈值方法为: 步骤3. 1,对二维图像信号进行小波变换,选择合适的小波基和分解层数α,计算信号 f到第α层的分解,得到分解后的高频系数; 步骤3. 2,对分解后的高频系数进行阈值量化,对于从1~α的每一层选择一个合适的 阈值,并对该层的高频系数进行软阈值量化处理; 步骤3. 3,根据小波分解的第α层的低频系数和经过修改的从第1层到第α层的各层 高频系数计算二维信号的重构,得到低噪图像。
4. 根据权利要求2所述的苹果采摘机器人的夜视图像降噪方法,其特征在于,所述独 立成分分析方法为: 步骤4. 1,利用无噪声音的训练集V,估计V的独立成分基向量,V = As,获得A的估计并 J,令灰〇 =P,然后令= ,其中A为一个mXn的混合矩阵,s = [S1, S2,…, sn]T为图像源信号; 步骤4. 2,估计各独立分量概率密度^ = wf V,对含噪原信号估计1进行ICA变换,计算 在变换基W下的稀疏变换投影;T = ; 步骤4. 3,运用最大似然收缩函数gij# Si进行去噪估计s i= g Jyi); 步骤4. 4,对变换求逆,得低噪图像估计I = 。
5. 根据权利要求2所述的苹果采摘机器人的夜视图像降噪方法,其特征在于,所述小 波软阈值融合降噪方法基本步骤为: 步骤5.1,对二维图像信号X进行小波变换,计算信号X到第α层的分解; 步骤5. 2,对于每一层选择一个合适的阈值,并对该层的高频系数进行软阈值量化处 理; 步骤5.3,第α层的低频系数和量化后各层高频系数计算二维信号的重构,得到低噪 图像X'; 步骤5. 4,利用源图像训练集,估计ICA基向量并得到混合矩阵A ; 步骤5. 5,对低噪图像X'进行ICA变换,利用最大似然估计,去除噪声估计; 步骤5. 6, ICA变换求逆,得图像源信号估计1: 步骤5. 7,对f重复步骤5. 1~步骤5. 3,得低噪图像s。
【专利摘要】本发明公开了一种苹果采摘机器人的夜视图像降噪方法。该方法在人工光源下通过摄像头对同一采样点、同一角度连续采集两幅夜视图像;然后利用差影法对夜视图像所含噪声进行定性定量分析,判定噪声类型是以高斯噪声为主并伴有部分椒盐噪声。针对所含噪声特点,首先利用小波软阂值降噪算法去除椒盐噪声和部分高斯噪声,得到低高斯噪声图像;然后利用独立成分分析方法对其进行最大限度的图像源信号与噪声信号分离,此时得到的图像源信号依然含有部分高斯噪声;最后再次利用小波软阈值降噪算法对其进行降噪处理,得到相对干净的低噪图像。该方法能够实现夜视图像的降噪功能,为夜视图像的识别做准备,为进一步实现苹果采摘机器人的夜间工作打下基础。
【IPC分类】G06T5-00
【公开号】CN104766277
【申请号】CN201510104218
【发明人】赵德安, 贾伟宽, 陈玉, 阮承治
【申请人】江苏大学
【公开日】2015年7月8日
【申请日】2015年3月10日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1