基于小波理论的温室监测图像压缩的研究.pdf

基于小波理论的温室监测图像压缩的研究摘要：以沈阳农业大学北山基地10#棚的温室现场采集图像为原始图像，利用小波理论将温室图像进行压缩仿真试验，通过对分解后的图像进行重构，直接观察温室图像的压缩效果。分析压缩处理数据的峰值信噪比和误差值可知，将小波理论应有于温室图像的压缩处理，具有良好的实用性和可行性。关键词：小波变换；温室监控；图像压缩；仿真试验中图分类号：S126文献标识码：A文章编号：1674-1161（2016）01-0044-02在信息时代，图像传输远远超过了信息交换网络的信息承载能力。图像压缩设计为图像信息的采集和传输奠定了基础，不仅可以缓解图像采集的压力，还可确保图像第一时间传输。图像传输时大多利用小波技术进行压缩，使小波理论在科研和工程应用中备受关注，并引起广泛讨论。20世纪80年代以来，小波变换被广泛应用于图像压缩领域。李志农等提出经验小波变换，该方法继承了EMD和小波分析方法的优点，通过提取频域极大值点自适应地分割傅里叶频谱，从而分离不同的模态，然后在频域自适应地构造带通滤波器组，构造正交小波函数，进而提取具有紧支撑傅立叶频谱的调幅-调频成分。徐小军等为抑制小波变换图像融合方法在下采样过程产生的伪吉普斯效应，解决非下采样图像融合方法融合时间长的问题，提出了基于下采样的分数阶小波变换（FRWT）融合方法。本研究提出基于小波理论的温室环境监测系统图像压缩方法，通过对比分析多贝西小波基中的db4小波基和db10小波基，选择适合温室图像压缩处理的最优小波基。通过对沈阳农业大学北山基地10#棚的温室环境监测系统现场采集的图像进行算例分析，最终实现温室图像的压缩处理。1可行性分析目前，多贝西（DaubechiesWavelet）小波在图像压缩处理技术中的应用范围比较广泛，故对多贝西小波基中的db4小波基和db10小波基进行比较，对这两种小波波形与被分析对象进行匹配，选择适合图像压缩的最优小波基，见表1。由表1可直接看出，采集的标准图像数据量大，经小波分解和重构后图像数据量明显降低。根据其压缩比选择最优小波基时，对于同一原始标准图像进行压缩处理后，db10小波基的压缩比明显高于db4小波基，且db10小波基的重构图像数据明显低于db4小波基的重构图像数据，见表2。从表2可直观看出，db10小波基的峰值信噪比明显高于db4小波基的峰值信噪比，db10小波基的相对误差值明显低于db4小波基的相对误差值。峰值信噪比是指噪声比例到达最大时的信号强度，是信号能够发生的最大功率与损坏效应的噪声功率之比，因此数据丢失的程度随着该比值的升高而降低。综上所述，在本仿真实验研究的db4小波基和db10小波基中，db10小波基比db4小波基更适合应用于图像压缩处理技术。因此，将db10小波基运用于温室环境监测系统现场采集的图像压缩中以实现图像的压缩处理，可以解决温室大图像的压缩问题。2试验仿真与分析采用沈阳农业大学北山基地10#棚的温室监测图像进行重构试验，仿真和分析db10小波基的图像压缩效果。经过压缩后获得需要的压缩比、误差等性能指标。图1为温室监控现场采集图像的原始图像和压缩重构图像。在基于db10小波基的图像压缩处理中，将原始图像与重构图像对比，可以直接观察出压缩重构效果，用肉眼直接观察无明显差别。用一些客观数据评价图像的压缩效果，其峰值信噪比PSNR=3.775db，相对误差值为1.6646e+0.7个像素点。将原始图像使用db10对信号进行3层小波分解，其分解后的图像如图2所示。在分解图像中，除了左上的图像a为分解图像的低频分量以外，其他图像均为分解图像的高频分量。图2包含分解后的全部三层分量：a表示原始图像的三层分解低频分量，包含着全部三层低频分量元素；b表示原始图像的三层分解高频分量，包含全部三层高频分量元素。图像c表示原始图像的两层分解高频分量，包含全部两层高频分量元素。图像d表示原始图像的一层分解高频分量，包含全部一层高频分量元素。3结论详细对比分析db4小波基和db10小波基后，确认db10小波基更适合温室图像的压缩处理。利用db10小波基对沈阳农业大学北山基地10#棚的温室环境监测现场采集图像进行算例分析，将原始的温室图像分解为4块，并对分解图像进行重构。直接观察图像的重构效果及参考数据峰值信噪比和误差值的数据认为，小波理论应用于温室图像的压缩处理，具有良好的实用性和可行性。