基于偏微分方程的肉品图像去噪对比研究

肉品中含有水分,或者切割过程中产生的脂肪碎屑或结缔组织,其可见光图像容易产生噪声。基于偏微分方程模型的算法去噪同时能够保持图像的某些特征,常见的有Perona-Malik模型、全变差ROF模型、Y-K四阶模型。通过对Lena图像加入高斯噪声和椒盐噪声,对比了三种模型的信噪比、方法噪声及运算时间。在此基础上,以猪肉图像为去噪对象,比较三种算法的性能。结果表明:ROF模型在去除噪声的同时,保持细节的能力强于其他两种模型,YK四阶偏微分方程模型能够去除噪声,但是图像模糊。去噪效果最差的是P-M模型。

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。

改进的规范割方法提取肉品图像中肌肉和脂肪

肉品图像中脂肪与肌肉的精确提取是无损检测的关键技术之一,针对这一问题,在规范割方法(Normalized cut,Ncut)的基础上,为了减少计算复杂度,提出了一种改进算法。首先,利用基于矩的阈值选择方法将肉品区域从背景中分割出来;其次,量化色彩等级,为肉品区域创建彩色直方图;最后,计算彩色直方图的相似度矩阵,并使用规范割做为谱聚类测度对直方图进行划分,按照直方图划分结果提取肌肉和脂肪。实验表明,和基于像素的谱聚类算法相比,改进算法不但降低了计算复杂度,且能有效提取肌肉与脂肪。

改进的样本块修补算法去除肉品图像反光

由于肉品中存在水分,在可见光下采集图像就会产生反光区域,进而导致肌肉信息部分丢失。为了提高获取肉品图像相关信息的准确性,需尽量还原反光区域。在基于样本块的图像修补算法基础上,结合肉品图像特点,提出改进算法:用Prewitt算子代替Robert算子,使信息缺损区域的线性结构得到更好的保持;采用二次匹配法减少搜索最佳匹配块过程中的扫描数据量,比原算法节约约2/3的修复时间;在修复过程中加入α剪裁均值滤波消除接缝效应,使得修复结果更好地满足视觉心理学要求。实验结果表明,改进的修补算法在效率和修复效果上优于原算法,不仅可用于肉品图像反光区域的修复,对其他图像的修复也有效。