.png){kind=icon}
返回
Enhanced dark soil image processing: A comprehensive algorithm for quality improvement
.png){kind=icon}
PRE
AI
DOI：10.1016/j.optlastec.2026.115354.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
土壤图像的质量对于农业、环境监测和土地管理中的自动化土壤分析至关重要。然而，在低光照或照明条件较差的情况下拍摄的土壤图像常常受到噪声、纹理可见性弱和对比度低的影响，这会不利地影响基于计算机视觉和人工智能的土壤分类系统的性能。为克服这些局限性，本文提出了一种名为Tri-Enhance Soil Algorithm（TESA）的图像增强混合框架。它集成了各向异性扩散（AD）以抑制噪声同时保留关键结构细节，动态随机共振（DSR）以增强暗区域的弱土壤纹理特征，随后使用限制对比度自适应直方图均衡化（CLAHE）以改善特定区域的对比度。当这些策略按顺序使用时，它们可以有效减少噪声，同时使边缘更清晰、纹理更可见、对比度在暗土壤图像中更好。在各种低光和污垢图像上的大量实验表明，TESA在视觉质量和定量评估指标方面均一致优于传统增强方法。此外，TESA增强的图像改善了土壤纹理的视觉清晰度和结构可分离性，这对下游土壤分析任务（如自动分类）有益。所提出的框架为数据驱动的土壤分析和精准农业应用提供了一个强大且实用的预处理步骤。
Keyword:
Anisotropic diffusion
Dynamic stochastic resonance
Contrast limited adaptive histogram equalization
Image enhancement
期刊
O
IF:
5
论文数:
2.0K
被引数:
3.5W
机构
引用论文
暂无论文信息