摘要：农产品图像的去噪是农产品图像处理中最基本、最重要的工作之一。为了更有效地去除农产品图像中的噪声。受二维离散Wiener滤波器计算方法的启发，提出了一种基于小波变换的Wiener滤波方法。该方法采用小波变换和Wiener滤波相结合的方法，具有稀疏性、多分辨率、去相关性、选基灵活性和在MSE意义上对图像进行最优估计的优点。该方法首先对含噪农产品图像ano做第一次小波变换得到低频图像a1和水平、垂直和对角三方向的高频图像hd1、vd1及dd1；其次对低频图像a1做Wiener滤波得到alw，再对3个高频图像分别做Wiener滤波并合成得到glw；接着对低频的alw和高频glw做小波逆变换，得到滤波图像“alw＋glw”。同时，考虑到噪声主要在高频部分，所以直接把低频的a1和高频glw做小波逆变换，得到滤波图像“a1＋glw”。这是对含噪图像ano做第1次小波变换的情况，其第2次、第3次及第4次变换的情况与此类似。这样可以得到许多滤波图像，然后根据图像信噪比PSNR和视觉效果，最终确定去噪效果最好的农产品图像。该方法应用于红枣、小麦杂草等农产品图像的去噪中，结果PSNR为158．23（视觉效果清晰），好于邻域平均法（PSNR为154．14）、中值滤波法（PSNR为155．82）、数学形态学（PSNR为154．07，视觉效果偏黑）、高斯滤波法（PSNR为153．79，视觉效果太黑）、直接维纳去噪（PSNR为154．14）和小波去噪（PSNR为158．18）等多种方法。试验结果表明，基于小波变换的Wiener滤波方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点；基于小波变换的Wiener滤波方法用于农产品图像去噪是有效的、可行的。

关键词：小波变换 wiener滤波 图像去噪 红枣 杂草 

单位：西北农林科技大学机械与电子工程学院; 杨凌712100; 西北工业大学计算机学院陕西省语音与图像信号处理重点实验室; 西安710072