溫室環(huán)境下圖像增強技術的研究與應用.pdf

1、溫室環(huán)境下，對于模糊圖像、陰影圖像和弱光圖像的處理一直是圖像處理的難點之一，解決這些問題，不僅在科學理論上具有重要意義，在現(xiàn)實應用中也有廣闊的市場需求。比如在溫室內水分濃度過強時，拍攝的花卉或農(nóng)作物圖像顯得模糊不清;在光照不均或曝光不足情況下，攝像機拍攝的實際效果圖亮度明顯不足等。這些情況都嚴重影響了圖像的視覺質量，為實時監(jiān)控花卉或農(nóng)作物的健康狀況和后續(xù)病害診斷帶來了巨大的干擾，因此，溫室環(huán)境下的圖像增強技術就成為本領域中的關鍵技術。本

2、文從實際情況出發(fā)，針對上述所涉及的兩個問題，基于Linux嵌入式開發(fā)平臺，最終設計了基于QT4的嵌入式圖像處理系統(tǒng)，該系統(tǒng)成功地運用了本文所研究的圖像增強算法，并取得了預期的效果，此外本文所設計的圖像處理系統(tǒng)，操作簡單，可移植性好，具有非常廣闊的使用價值。
　　對于溫室環(huán)境下，圖像的模糊問題，本文在結合傳統(tǒng)算法的基礎上，提出了一種基于小波變換的中值濾波方法，該方法是結合圖像的時域特性和頻域特性對圖像進行分析。首先對噪聲圖像進行中值

3、濾波，再進行小波變換;然后利用中值濾波原理對分解的二維系數(shù)矩陣進行處理，用新生成的這些小波系數(shù)重構出增強圖像;最后再選擇相應的小波閾值，進行去噪處理，牛成去噪后圖像。對于圖像因光照不均產(chǎn)牛的問題，本文結合Retinex理論與顏色恒常性的相關理論，提出了基于局部特征的Retinex圖像增強算法和基于全局特征的Retinex圖像增強算法。對于算法一，其中心思想是計算各個像素之間的相對明暗關系，然后對像素進行灰度校正，在此基礎上，本文對該算法

4、的線性拉伸環(huán)節(jié)進行了改進，并取得顯著的效果。對于算法二，其中心思想是首先估算出亮度圖像，即圖像的入射部分，然后根據(jù)相應的公式，計算出圖像的反射部分，即增強后圖像。
　　最后，本文以Linux系統(tǒng)作為嵌入式軟件平臺，結合SEED-DVS6446實驗箱，以嵌入式圖形界面開發(fā)為核心，設計了基于QT4的嵌入式圖像增強系統(tǒng)。該系統(tǒng)實現(xiàn)了ARM和DSP之間的通信和QT4在DVS6446平臺上的移植，最終該系統(tǒng)實現(xiàn)了圖像的實時采集、實時顯示和結