一種用于蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于農(nóng)業(yè)機(jī)械領(lǐng)域，涉及果蔬采摘機(jī)器人夜間作業(yè)時(shí)的夜視圖像處理方 法。
【背景技術(shù)】
[0002] 果蔬采摘機(jī)器人自上世紀(jì)60年代問(wèn)世以來(lái)，吸引著國(guó)內(nèi)外眾多學(xué)者的關(guān)注，如今 也已取得很大進(jìn)展。然而當(dāng)前研宄的大都是基于白天自然光下進(jìn)行的采摘，為進(jìn)一步減輕 農(nóng)業(yè)勞動(dòng)者的作業(yè)負(fù)擔(dān)，提高采摘效率，保證蘋(píng)果在成熟期內(nèi)得到及時(shí)采摘，減少經(jīng)濟(jì)損 失，嘗試提出蘋(píng)果采摘機(jī)器人全天候作業(yè)思想，即夜間作業(yè)，以發(fā)揮果蔬采摘機(jī)器人的最大 效用。
[0003] 目前對(duì)于采摘機(jī)器人的夜間作業(yè)研宄相對(duì)較少，夜間作業(yè)主要考驗(yàn)的是采摘機(jī)器 人的圖像識(shí)別系統(tǒng)。由于光線、溫度等外在干擾因素，夜視圖像存在大量的噪聲，這些含噪 圖像直接影響目標(biāo)物的識(shí)別率，進(jìn)而影響采摘機(jī)器人的工作效率，因此，夜間作業(yè)首先考慮 夜視圖像的降噪。
[0004] 夜視圖像所含噪聲一般為混合噪聲，據(jù)可查文獻(xiàn)可知，均以高斯噪聲為主。然而在 實(shí)際應(yīng)用中，目前高斯噪聲的去除仍是一個(gè)難題，還需要進(jìn)一步的改進(jìn)。小波變換（Wavelet Transform，WT)在時(shí)域和頻域同時(shí)具有良好局部化性質(zhì)，可將圖像的結(jié)構(gòu)和紋理表征在不 同的分辨率層次上，因此小波降噪時(shí)可以保存更多的邊緣信息。小波降噪作為圖像處理的 熱點(diǎn)之一，率先開(kāi)啟了圖像的非線性降噪，小波降噪的方法有很多，應(yīng)用最為廣泛的是小波 閾值降噪方法。獨(dú)立成分分析（Independent Component Analysis，ICA)最早且廣泛應(yīng)用 于盲源信號(hào)分離，它是一種基于信號(hào)高階統(tǒng)計(jì)特性的分析方法，去除數(shù)據(jù)間的高階統(tǒng)計(jì)相 關(guān)性，應(yīng)用在圖像處理中可以更加全面地揭示其本質(zhì)結(jié)構(gòu)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是：提供一種針對(duì)蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，解決由于 光線不足，溫度較低而導(dǎo)致的夜視圖像所含噪聲較大的問(wèn)題。其方法簡(jiǎn)單，通用性好，能夠 得到相對(duì)干凈的低噪圖像，利于夜視圖像的進(jìn)一步識(shí)別。
[0006] 本發(fā)明蘋(píng)果采摘機(jī)器人夜視圖像降噪方法的技術(shù)方案為：
[0007] -種蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，包括以下步驟：
[0008] 步驟1，采用彩色CXD攝像頭，以白熾燈作為人工光源，在同一角度對(duì)同一采樣點(diǎn) 連續(xù)采集兩幅圖像；
[0009] 步驟2,由于噪聲的隨機(jī)性，對(duì)采集到的兩幅圖像做減法運(yùn)算，通過(guò)兩幅夜視圖像 相減可得凈噪聲圖像，根據(jù)灰度直方圖判定噪聲類型；
[0010] 步驟3,在上述步驟2的基礎(chǔ)上采用小波軟閾值-獨(dú)立成分分析-小波軟閾值融合 降噪方法，以得到更為干凈的低噪圖像。
[0011] 進(jìn)一步，所述步驟3的具體過(guò)程為：
[0012] 步驟2. 1，利用小波軟閾值方法對(duì)原圖像X進(jìn)行降噪處理，去除所含的椒鹽噪聲， 以及部分高斯噪聲，得到低高斯圖像t ;
[0013] 步驟2. 2,利用獨(dú)立成分分析方法，對(duì)低高斯圖像X'進(jìn)行最大限度的圖像源信號(hào) 與噪聲信號(hào)分離，得圖像源信號(hào)估計(jì)f ;
[0014] 步驟2. 3,圖像源信號(hào)估計(jì)i依然有噪聲存在，再次利用小波軟閾值融合降噪方 法，對(duì)其進(jìn)行降噪處理，最后得到相對(duì)干凈的低噪圖像s。
[0015] 進(jìn)一步，所述小波軟閾值方法為：
[0016] 步驟3. 1，對(duì)二維圖像信號(hào)進(jìn)行小波變換，選擇合適的小波基和分解層數(shù)α，計(jì)算 信號(hào)f到第α層的分解，得到分解后的高頻系數(shù)；
[0017] 步驟3. 2,對(duì)分解后的高頻系數(shù)進(jìn)行閾值量化，對(duì)于從1~α的每一層選擇一個(gè)合 適的閾值，并對(duì)該層的高頻系數(shù)進(jìn)行軟閾值量化處理；
[0018] 步驟3. 3,根據(jù)小波分解的第α層的低頻系數(shù)和經(jīng)過(guò)修改的從第1層到第α層的 各層高頻系數(shù)計(jì)算二維信號(hào)的重構(gòu)，得到低噪圖像。
[0019] 進(jìn)一步，所述獨(dú)立成分分析方法為：
[0020] 步驟4. 1，利用無(wú)噪聲音的訓(xùn)練集V，估計(jì)V的獨(dú)立成分基向量，V = As，獲得A的 估計(jì)并2，
【主權(quán)項(xiàng)】
1. 一種蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，其特征在于，包括以下步驟： 步驟1，采用彩色CCD攝像頭，以白熾燈作為人工光源，在同一角度對(duì)同一采樣點(diǎn)連續(xù) 米集兩幅圖像； 步驟2,由于噪聲的隨機(jī)性，對(duì)采集到的兩幅圖像做減法運(yùn)算，通過(guò)兩幅夜視圖像相減 可得凈噪聲圖像，根據(jù)灰度直方圖判定噪聲類型； 步驟3,在上述步驟2的基礎(chǔ)上采用小波軟閾值-獨(dú)立成分分析-小波軟閾值融合降噪 方法，以得到更為干凈的低噪圖像。
2. 根據(jù)權(quán)利要求1所述的蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，其特征在于，所述步 驟3的具體過(guò)程為： 步驟2. 1，利用小波軟閾值方法對(duì)原圖像X進(jìn)行降噪處理，去除所含的椒鹽噪聲，以及 部分高斯噪聲，得到低高斯圖像t ; 步驟2. 2,利用獨(dú)立成分分析方法，對(duì)低高斯圖像X'進(jìn)行最大限度的圖像源信號(hào)與噪 聲信號(hào)分離，得圖像源信號(hào)估計(jì)X ; 步驟2. 3,圖像源信號(hào)估計(jì)1依然有噪聲存在，再次利用小波軟閾值融合降噪方法，對(duì) 其進(jìn)行降噪處理，最后得到相對(duì)干凈的低噪圖像s。
3. 根據(jù)權(quán)利要求2所述的蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，其特征在于，所述小 波軟閾值方法為： 步驟3. 1，對(duì)二維圖像信號(hào)進(jìn)行小波變換，選擇合適的小波基和分解層數(shù)α，計(jì)算信號(hào) f到第α層的分解，得到分解后的高頻系數(shù)； 步驟3. 2,對(duì)分解后的高頻系數(shù)進(jìn)行閾值量化，對(duì)于從1~α的每一層選擇一個(gè)合適的 閾值，并對(duì)該層的高頻系數(shù)進(jìn)行軟閾值量化處理； 步驟3. 3,根據(jù)小波分解的第α層的低頻系數(shù)和經(jīng)過(guò)修改的從第1層到第α層的各層 高頻系數(shù)計(jì)算二維信號(hào)的重構(gòu)，得到低噪圖像。
4. 根據(jù)權(quán)利要求2所述的蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，其特征在于，所述獨(dú) 立成分分析方法為： 步驟4. 1，利用無(wú)噪聲音的訓(xùn)練集V，估計(jì)V的獨(dú)立成分基向量，V = As，獲得A的估計(jì)并 J，令灰〇 =P，然后令= ，其中A為一個(gè)mXn的混合矩陣，s = [S1, S2，…， sn]T為圖像源信號(hào)； 步驟4. 2,估計(jì)各獨(dú)立分量概率密度^ = wf V，對(duì)含噪原信號(hào)估計(jì)1進(jìn)行ICA變換，計(jì)算 在變換基W下的稀疏變換投影;T = ; 步驟4. 3,運(yùn)用最大似然收縮函數(shù)gij# Si進(jìn)行去噪估計(jì)s i= g Jyi); 步驟4. 4,對(duì)變換求逆，得低噪圖像估計(jì)I = 。
5. 根據(jù)權(quán)利要求2所述的蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法，其特征在于，所述小 波軟閾值融合降噪方法基本步驟為： 步驟5.1，對(duì)二維圖像信號(hào)X進(jìn)行小波變換，計(jì)算信號(hào)X到第α層的分解； 步驟5. 2,對(duì)于每一層選擇一個(gè)合適的閾值，并對(duì)該層的高頻系數(shù)進(jìn)行軟閾值量化處 理； 步驟5.3,第α層的低頻系數(shù)和量化后各層高頻系數(shù)計(jì)算二維信號(hào)的重構(gòu)，得到低噪 圖像X'; 步驟5. 4,利用源圖像訓(xùn)練集，估計(jì)ICA基向量并得到混合矩陣A ; 步驟5. 5,對(duì)低噪圖像X'進(jìn)行ICA變換，利用最大似然估計(jì)，去除噪聲估計(jì)； 步驟5. 6, ICA變換求逆，得圖像源信號(hào)估計(jì)1: 步驟5. 7,對(duì)f重復(fù)步驟5. 1~步驟5. 3,得低噪圖像s。
【專利摘要】本發(fā)明公開(kāi)了一種蘋(píng)果采摘機(jī)器人的夜視圖像降噪方法。該方法在人工光源下通過(guò)攝像頭對(duì)同一采樣點(diǎn)、同一角度連續(xù)采集兩幅夜視圖像；然后利用差影法對(duì)夜視圖像所含噪聲進(jìn)行定性定量分析，判定噪聲類型是以高斯噪聲為主并伴有部分椒鹽噪聲。針對(duì)所含噪聲特點(diǎn)，首先利用小波軟閡值降噪算法去除椒鹽噪聲和部分高斯噪聲，得到低高斯噪聲圖像；然后利用獨(dú)立成分分析方法對(duì)其進(jìn)行最大限度的圖像源信號(hào)與噪聲信號(hào)分離，此時(shí)得到的圖像源信號(hào)依然含有部分高斯噪聲；最后再次利用小波軟閾值降噪算法對(duì)其進(jìn)行降噪處理，得到相對(duì)干凈的低噪圖像。該方法能夠?qū)崿F(xiàn)夜視圖像的降噪功能，為夜視圖像的識(shí)別做準(zhǔn)備，為進(jìn)一步實(shí)現(xiàn)蘋(píng)果采摘機(jī)器人的夜間工作打下基礎(chǔ)。
【IPC分類】G06T5-00
【公開(kāi)號(hào)】CN104766277
【申請(qǐng)?zhí)枴緾N201510104218
【發(fā)明人】趙德安, 賈偉寬, 陳玉, 阮承治
【申請(qǐng)人】江蘇大學(xué)
【公開(kāi)日】2015年7月8日
【申請(qǐng)日】2015年3月10日