|本期目录/Table of Contents|

[1]刘宝锺,徐欣.基于形态学融合滤波的农业图像改进MSR增强算法[J].江苏农业科学,2016,44(01):394-396.
　Liu Baozhong,et al.Improved MSR agricultural image enhancement algorithm based on mathematical morphology fusion filtering[J].Jiangsu Agricultural Sciences,2016,44(01):394-396.
点击复制

基于形态学融合滤波的农业图像改进MSR增强算法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第44卷
期数:
2016年01期
页码:
394-396
栏目:
农业工程与信息技术
出版日期:
2016-01-25

文章信息/Info

Title:
Improved MSR agricultural image enhancement algorithm based on mathematical morphology fusion filtering
作者:
刘宝锺;  徐欣
重庆电子工程职业学院物联网学院，重庆 401331
Author(s):
Liu Baozhong; et al
关键词:
形态学融合滤波; 农业图像; MSR算法; 局部像素最大化原则
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
农业图像增强对于提高图像识别与分析结果的准确性有很大帮助。多尺度Retinex(muti-scale retinex，MSR)算法由于对噪声具有较强的敏感性，容易在增强图像信息的同时放大噪声，为此结合形态学滤波思想对MSR算法进行改进。首先分别采用半径为1、2的棱形结构元素构建了开启-闭合、闭合-开启的形态滤波器，将它们分别对含有噪声的农业图像进行滤波，获得了滤波图像1、滤波图像2；然后根据局部像素最大化原则对滤波图像1、滤波图像2进行融合，得到滤波后图像；最后采用MSS算法对滤波后的图像进行增强。分别采用图像标准差(standard deviation，SD)、归一化均方根误差(normalized mean square error，NMSE)对增强后的图像进行客观性评价。结果表明，该算法对于低对比度且含有噪声的农业图像的增强效果明显优于形态学滤波、MSR算法。
Abstract:
-

参考文献/References:

［1］张宏群，陶兴龙. 基于形态学和分形理论的农产品图像去噪［J］. 湖北农业科学，2013，52(5)：1168-1171.
［2］成敦杰. 农产品检测图像智能化预处理方法研究［J］. 江苏农业科学，2014，42(6)：384-386，387.
［3］石永华，王波，王阿珍，等. 基于Contourlet变换的农业图像增强方法研究［J］. 安徽农业科学，2011，39(30)：18985-18986，19007.
［4］毛丽民，刘叔军，浦宇欢，等. 基于FPGA的水果图像增强方法研究［J］. 江苏农业科学，2014，42(6)：395-398.
［5］Louverdis G，Andreadis I. Soft morphological filtering using a fuzzy model and its application to colour image processing［J］. Formal Pattern Analysis & Applications，2004，6(4)：257-268.
［6］Chen D，Zhang L Q，Wang Z，et al. A mathematical morphology-based multilevel filter of LiDAR data for generating DTMs［J］. Science China：Information Sciences，2013，56(10)：1-14.
［7］Herscovitz M，Yadid-Pecht O. A modified Multi Scale Retinex algorithm with an improved global impressionof brightness for wide dynamic range pictures［J］. Machine Vision and Applications，2004，15(4)：220-228.
［8］王小兵，孙久运，汤海燕. 一种基于数学形态学与小波域增强的滤波算法［J］. 微电子学与计算机，2012，29(7)：64-67.
［9］钟微宇，沈汀. 基于NSCT域邻域收缩的SAR图像去噪［J］. 计算机工程与应用，2014，50(12)：188-193，206.

相似文献/References:

[1]徐欣,刘宝锺.基于改进Prewitt算子的农业图像去噪算法[J].江苏农业科学,2016,44(01):406.
　Xu Xin,etal.Agricultural image denoising algorithm based on improved Prewitt operator[J].Jiangsu Agricultural Sciences,2016,44(01):406.
[2]潘玫玫.基于自适应改进小波阈值模型的农业图像去噪[J].江苏农业科学,2015,43(10):504.
　Pan Meimei.Denoising of agricultural figure based on auto-adaptive wavelet threshold model[J].Jiangsu Agricultural Sciences,2015,43(01):504.
[3]裴连群,高洪玉.1种基于邻域相关性改进的农业图像中值滤波算法[J].江苏农业科学,2015,43(09):442.
　Pei Lianqun,et al.An improved agricultural image median filtering algorithm based on neighboring correlation[J].Jiangsu Agricultural Sciences,2015,43(01):442.
[4]张倩,张凡.农业图像NSCT-DWT域自适应滤波增强算法[J].江苏农业科学,2015,43(09):448.
　Zhang Qian,et al.Study on agricultural image adaptive filtering algorithm based on NSCT-DWT domain[J].Jiangsu Agricultural Sciences,2015,43(01):448.
[5]刘春茂,郝倩.农业图像新型自适应混合滤波算法的应用[J].江苏农业科学,2015,43(08):424.
　Liu Chunmao,et al.Study on new agricultural image adaptive filter algorithm[J].Jiangsu Agricultural Sciences,2015,43(01):424.
[6]刘华锋,苏艳刚.结合边缘检测的农业图像非局部均值滤波算法[J].江苏农业科学,2015,43(06):402.
　Liu Huafeng,et al.Study on agricultural image nonlocal average filtering algorithm combined with edge detection[J].Jiangsu Agricultural Sciences,2015,43(01):402.
[7]王爱新,李春友,张喆.基于计算机视觉的农业图像害虫定位检测算法[J].江苏农业科学,2016,44(07):361.
　Wang Aixin,et al.Agricultural image pest location detection algorithm based on computer vision[J].Jiangsu Agricultural Sciences,2016,44(01):361.

备注/Memo

备注/Memo:
收稿日期：2014-12-27
作者简介：刘宝锺(1982—)，男，重庆人，硕士，讲师，研究方向为物联网技术、数字图像处理算法。E-mail：liubaoteacher@126.com。
更新日期/Last Update: 2016-01-25