农业物联网数字图像传输—小波变换信号滤波处理研究

合集下载

图像处理技术在农业智能化中的应用研究

图像处理技术在农业智能化中的应用研究摘要：农业智能化技术的不断发展和创新推动了农业的现代化转型。

图像处理技术作为一种重要的智能化工具，在农业中的应用越来越受到关注。

本文将探讨图像处理技术在农业智能化中的应用研究，分析其对农业生产效率和质量的影响，并展望未来的发展趋势。

1. 引言农业是人类社会的基础产业，随着人口的增长和经济的发展，对于农产品的需求也越来越大。

为了提高农业生产的效率和质量，农业智能化技术的应用正变得日益重要。

2. 图像处理技术的基本原理图像处理技术是指对图像进行获取、处理、分析和识别的方法和技术。

它基于数字图像处理和计算机视觉等技术，通过对图像进行数字化、增强、滤波、分割、特征提取和模式识别等处理步骤，实现了对图像信息的获取和理解。

3. 图像处理技术在农业智能化中的应用3.1 农田监测和作物生长分析通过无人机、卫星图像等采集到的高分辨率图像，可以对农田进行监测和分析，包括土壤湿度、病虫害情况等。

利用图像处理技术，可以对作物生长过程进行实时监测和分析，提供决策支持。

3.2 无人植保机器人图像处理技术在无人植保机器人中的应用，可以实现对作物病虫害的自动检测和喷洒。

通过对作物图像进行分析，可以检测出植物病虫害的类型和严重程度，准确判断是否需要进行喷洒，从而提高植保效果和资源利用率。

3.3 智能化农业设备监控图像处理技术可以应用于农业设备的监控和管理。

通过对传感器、摄像头等设备采集的图像进行处理和分析，可以实现对农业设备的状态监测和异常检测，提前预警设备故障，提高农业生产的稳定性和可持续性。

4. 图像处理技术在农业智能化中的优势和挑战4.1 优势图像处理技术可以实现对农业数据的高效获取和理解，为农业生产提供精细化和智能化的支持。

它具有无接触、实时性和自动化等特点，可以提高农业生产的生产力和质量。

4.2 挑战图像处理技术在农业智能化中仍面临一些挑战。

首先，图像处理技术的可靠性和准确性需要进一步提高，尤其是在复杂环境下的应用场景。

小波变换在图像处理中的应用与研究

小波变换在图像处理中的应用与研究第一章绪论 (2)1.1研究的目的和意义 (2)1.1.1 研究目的 (2)1.1.2 研究意义 (2)1.2国内外研究现状 (2)1.2.1 国外研究现状 (2)1.2.2 国内研究现状 (3)第二章小波分析的基本理论 (4)2.1傅里叶变换到小波分析 (4)2.1.1 傅里叶变换 (4)2.1.2 短时傅里叶变换 (5)2.1.3 小波分析 (6)2.1.4 小波分析与傅里叶变换的比较 (8)2.2连续小波变换 (9)2.2.1 一维连续小波变换 (9)2.2.2 高维连续小波变换 (11)2.3离散小波变换 (12)第三章小波变换在图像处理中的应用 (14)3.1小波变换在图像压缩方面的应用 (14)3.2图像去噪方面的应用 (16)3.2.1 基于MATLAB的小波去噪函数简介 (16)3.2.2 利用小波去噪函数去除给定图像中的噪声 (16)3.3小波变换在图像增强方面的应用 (19)3.3.1图像钝化 (19)3.3.2 图像锐化 (20)3.4小波变换在边缘检测方面的应用 (20)3.4.1 边缘检测的基本原理 (21)3.4.2 小波多尺度边缘检测算法 (23)结论 (25)参考文献 (26)第一章绪论1.1 研究的目的和意义1.1.1 研究目的随着因特网和多媒体技术的发展，数字图像已经成为人们传递信息的主要载体。

数字图像处理技术应用于各个领域与行业，如信息科学、宇航到生物医学、资源环境科学、物理学、天文学、工业、农业、国防、教育、艺术等，对经济、军事、文化及人们的日常生活产生重大的影响。

小波变换是1980年以来兴起的，是关于信号的时间-尺度（时间-频率）的分析方法，它最大特点是能够进行多分辨率分析，无论在时域还是在频域均有表示信号的局部特征的能力。

小波变换的窗口大小固定不变，但形状可以改变，频率窗和时间窗均可以改变的两域分析方法。

是十几年来国际上掀起的一个前沿研究领域，它给图像处理领域带来了崭新的思想，提供了强有力的工具。

小波变换在数字图像处理中的应用

小波变换在数字图像处理中的应用数字图像处理是一门跨学科的科学，它涉及到数学、计算机科学、物理学等多个领域。

其中，小波变换是数字图像处理中一种非常重要的技术，它在图像去噪、边缘检测、压缩编码等方面都有广泛的应用。

一、小波变换的基本概念小波变换（Wavelet Transform）是一种信号处理技术，它是通过对信号进行分解和重构来描述信号的局部特征。

与傅里叶变换不同，小波变换可以对信号的高频部分和低频部分进行细致的分析。

小波变换的基本思想是将信号分解成不同频率的小波基函数，并利用这些基函数来描述信号的局部特征。

这里的小波基函数是满足正交归一性和母小波的语法结构，它可以用不同的参数来描述不同的频率和尺度。

常用的小波函数包括Haar小波、Daubechies小波、Symlets小波等。

二、1. 图像去噪图像噪声是数字图像处理中普遍存在的问题，它会影响图像的视觉效果和后续处理结果。

小波变换可以对图像进行频域分析，在不同频率和尺度上对信号进行分解和重构，从而去除图像中的噪声。

例如，可以采用离散小波变换对图像进行处理，利用小波基函数的多尺度特性来分解图像，然后通过阈值去噪的方法来去除噪声。

在这个过程中，可以根据具体的应用需求选择不同的小波基函数和去噪方法。

2. 图像边缘检测图像中的边缘是图像中非常重要的信息，它可以用来描述图像中不同物体的边界。

小波边缘检测可以通过对图像的小波变换进行处理，提取出不同尺度的边缘信息，从而实现图像的边缘检测。

例如，可以利用Gabor小波函数来进行图像边缘检测，将图像分解为不同尺度和方向上的小波系数，然后通过计算其幅度和相位来提取边缘信息。

这个过程可以实现图像的边缘检测，并具有良好的鲁棒性和灵敏度。

3. 图像压缩编码数字图像的压缩编码是数字图像处理中广泛应用的技术，它可以减少存储和传输的开销，并提高图像的传输效率。

小波变换也可以应用于图像的压缩编码中，通过小波分解和量化来实现图像压缩。

(完整版)小波变换在信号及图像处理中的应用研究毕业设计

题目小波变换在信号及图像处理中的应用研究所在学院物理与电信工程学院专业班级通信工程专业 1102 班指导教师陈莉完成地点物理与电信工程学院实验室2015 年6月3日毕业论文﹙设计﹚任务书院(系) 物电学院专业班级通信1102班学生姓名李鹏一、毕业论文﹙设计﹚题目小波变换在信号及图像处理中的应用研究二、毕业论文﹙设计﹚工作自 2014 年 12 月 9 日起至 2015 年6 月 10 日止三、毕业论文﹙设计﹚进行地点: 物电学院实验室四、毕业论文﹙设计﹚的内容要求：2、要求以论文形式提交设计成果，应掌握撰写毕业论文的方法，应突出“目标，原理，方法，结论”的要素，对所研究内容作出详细有条理的阐述。

进度安排：1-3周：查找资料，文献。

4-7周：研究现有小波变换在信号处理、小波变换在图像处理的应用。

8-11周：根据现有的算法在MATLAB下仿真验证。

12-14周：分析试验结果，对比各种算法的优点和缺点，尝试改进算法。

15-17周：撰写毕业论文，完成毕业答辩。

指导教师陈莉系(教研室)系(教研室)主任签名批准日期接受论文 (设计)任务开始执行日期学生签名小波变换在信号及图像处理中的应用研究李鹏（陕西理工学院物理与电信工程学院通信工程专业1102班，陕西汉中723000）指导老师：陈莉【摘要】小波分析在信号及图像处理中具有非常重要的应用，小波分析是傅里叶分析思想方法的发展与延拓。

小波分析对图像的处理包括：图像压缩、图像增强及图像分割等。

本文研究了小波变换的理论和小波分析在信号处理和图像处理中的应用。

首先介绍了小波理论及小波变换的多分辨率分析，然后介绍了小波变换在图像增强中的应用，先将图像进行小波分解，再对小波分解后的低频或高频部分按照需要进行增强或抑制处理，从而实现对图像增强的目的。

最后研究了小波的奇异性理论，并根据小波变换模极大值的位置与信号突变之间存在的一一对应关系精确的对机械故障进行检测。

【关键词】小波变换；傅里叶分析；小波奇异性；信号处理；图像处理；Based on the application of wavelet transform in signal and image processing researchLi Peng(Grade11 Class2,Major of Communication Engineering, School of Physics andTelecommunicationTutor: Chen Li【abstract】Wavelet analysis has very important applications in signal and image processing, it is the development and continuation of Fourier analysis Thought. Wavelet analysis of image processing include: image compression, image enhancement and image segmentation. This paper studies the theory and application of wavelet analysis wavelet transform in signal processing and image processing. Firstly the theory of wavelet and wavelet multi-resolution analysis, and then introduces the wavelet transform in image enhancement application, Firstly image is decomposed and then the low-frequency or high frequency part of wavelet decomposition is enhanced or suppressed according to the need .At last, wavelet singularity theory is studied, and according to onerelationship between the wavelet transform modulus maxima position signal. It is achieved that the precise mutation of mechanical failure detection.【key words】Wavelet transform; Fourier analysis; The wavelet singularity; The signal processing; Image processing.目录1.绪论 ..........................................................................................................................................1.1论文研究的背景和意义 .........................................................................................1.2国内的研究状况........................................................................................................1.3论文的主要内容........................................................................................................2.小波变换的基本理论......................................................................................................2.1小波函数 ......................................................................................................................2.2一维小波变换.............................................................................................................2.2.1一维连续小波变换(CWT)...........................................................................2.2.2一维离散小波变换(DWT)...........................................................................2.3二维小波变换.............................................................................................................2.3.1二维连续小波变换.......................................................................................2.3.2二维离散小波变换.......................................................................................2.4小波变换的多分辨率分析 ....................................................................................2.5 小结 ...............................................................................................................................3.基于小波变换的图像处理 ...........................................................................................3.1 Mallat算法 ...............................................................................................................3.2小波变换图像增强原理 ........................................................................................3.3小波变换的图像增强的具体实现.....................................................................3.3.1非线性增强 ....................................................................................................3.3.2图像的钝化 ....................................................................................................3.3.3图像的锐化 ....................................................................................................3.3.4基于小波变换的图像去噪 .......................................................................3.4小结 ...............................................................................................................................4.小波变换在信号处理中的应用................................................................................4.1小波奇异性理论.......................................................................................................4.2 小波函数的选取及小波基波选择的标准.....................................................4.3 不同小波基对信号奇变检测仿真对比..........................................................4.3.1 不同小波基对突变信号突变点进行检测.........................................4.3.2 不同小波基对缓变信号的检测 ............................................................4.4小波在机械故障诊断中的具体实现................................................................4.5小结 ............................................................................................................................... 结束语 ......................................................................................................................................... 致谢 .............................................................................................................................................. 参考文献 .................................................................................................................................... 附录A：英文文献原文 . (2)附录B：英文文献译文 (2)附录C：程序源代码 (3)1.绪论1.1论文研究的背景和意义在我们所处的数字信息社会，因为人们对于信息的获取和交流的要求越来越高，从而促进了信息处理和应用技术的飞速发展。

如何利用小波变换进行图像滤波

如何利用小波变换进行图像滤波图像滤波是数字图像处理中的重要技术之一，它可以用来去除图像中的噪声、增强图像的细节等。

而小波变换作为一种多尺度分析工具，被广泛应用于图像处理领域。

本文将探讨如何利用小波变换进行图像滤波，以实现更好的图像处理效果。

一、小波变换简介小波变换是一种基于多尺度分析的信号处理方法，它通过将原始信号分解为不同频率的子信号，从而实现对信号的分析和处理。

与傅里叶变换相比，小波变换能够更好地捕捉信号的瞬时特征，因此在图像处理中具有更广泛的应用。

二、小波滤波器小波滤波器是小波变换的核心部分，它用于将原始信号分解为不同频率的子信号。

常见的小波滤波器有Haar小波、Daubechies小波等。

这些小波滤波器具有不同的频率响应和时域特性，选择合适的小波滤波器可以实现对图像的不同频率成分的分析与处理。

三、小波变换的图像滤波应用1. 去噪图像中常常存在各种噪声，如高斯噪声、椒盐噪声等。

利用小波变换进行图像去噪可以通过滤波低频子信号来实现。

通过选择合适的小波滤波器，可以将图像中的噪声信号滤除，从而得到更清晰的图像。

2. 边缘检测图像的边缘是图像中的重要信息之一，通过检测图像的边缘可以实现对图像的分割和特征提取。

小波变换可以通过滤波高频子信号来实现对图像边缘的检测。

通过选择合适的小波滤波器，可以提取出图像中的边缘信息，从而实现对图像的边缘检测。

3. 图像增强图像增强是对图像进行处理，以提高图像的视觉效果和信息表达能力。

小波变换可以通过滤波低频子信号来实现对图像的增强。

通过选择合适的小波滤波器，可以增强图像的低频成分，从而提高图像的对比度和细节。

四、小波变换的优势与挑战小波变换在图像滤波中具有一定的优势，它能够更好地捕捉信号的瞬时特征，从而实现对图像的精细分析和处理。

同时，小波变换还具有多尺度分析的特点，可以同时处理不同尺度的信号成分，从而实现对图像的全局和局部处理。

然而，小波变换在图像滤波中也存在一些挑战。

图像处理中的小波变换

图像处理是一门涉及数字图像的科学与技术，它对图像进行获取、压缩、增强和重建等一系列操作。

其中，小波变换作为图像处理领域中的一种重要方法，已经被广泛应用于图像压缩、去噪、边缘检测等方面。

小波变换是一种时间-频率分析的方法，它是一种多分辨率分析的数学工具。

与传统的傅里叶变换相比，小波变换能够更好地捕捉信号的瞬时特征，对于非平稳信号的处理效果更佳。

在图像处理中，图像可以看作是二维的信号，因此小波变换可以更好地对图像进行分析和处理。

小波变换的基本思想是将信号分解为不同频率的子信号，然后对这些子信号进行重建。

在图像处理中，小波变换通过对图像进行多次分解，得到不同频率的图像子带，每个子带表示了图像的不同细节信息。

同时，小波变换还可以通过对子带进行逆变换来重建原始图像。

通过控制小波变换的分解层数和选择合适的小波基函数，可以灵活地控制图像的分辨率和细节。

小波变换在图像压缩中得到了广泛应用。

图像压缩是将图像数据用更少的存储空间表示的过程，可以减小图像的存储空间和传输带宽需求。

小波变换能够将图像分解为不同频率的子信号，其中包含了图像的细节信息。

通过对这些子信号进行丢弃或量化，可以实现图像的压缩。

与传统的离散余弦变换相比，小波变换能够更好地保留图像的细节信息，减少了压缩后的图像质量损失。

此外，小波变换还可以应用于图像去噪。

图像去噪是使得图像中的噪声减少或消除的过程，可以提高图像的质量和清晰度。

小波变换能够将图像分解为不同频率的子信号，其中包含了图像的细节信息和噪声信息。

通过选择合适的阈值对这些子信号进行滤波，可以消除图像中的噪声。

与传统的平滑滤波方法相比，小波变换可以更好地保留图像的边缘和细节信息。

此外，小波变换还可以用于图像边缘检测。

边缘是图像中不同区域之间灰度变化明显的位置，是图像中重要的结构特征。

小波变换能够捕捉到图像的瞬时特征，对于边缘的检测效果更好。

通过选择合适的小波基函数，并对图像进行多次分解，可以得到不同尺度的边缘信息。

数字信号处理中的小波变换与滤波应用

数字信号处理中的小波变换与滤波应用随着计算机技术的发展，数字信号处理（DSP）已经成为了许多领域的必备工具。

其中，小波变换与滤波应用在信号处理中应用非常广泛。

它们可以用于信号的压缩、去噪、特征提取等等，具有重要的实际应用价值。

一、小波变换的基本原理小波变换（Wavelet Transform）是一种信号分析的工具，它可以将信号分解成不同频率的子信号。

与傅里叶变换相比，小波变换可以更好地应对非平稳信号的分析。

其基本原理是将信号与一组称之为小波函数的特定函数进行卷积运算。

小波变换有两个主要特性：尺度变换和平移变换。

其中，尺度变换是指通过缩放小波函数的时间轴来改变小波函数的频率；平移变换是指通过移动小波函数的时间轴来改变小波函数的相位。

利用小波变换可以将信号分解成多个尺度和频率上的子信号，并且可以对这些子信号进行重构。

小波变换具有多分辨率分析的特点，可以在不同分辨率下对信号进行分解和重构。

二、小波变换在信号处理中的应用1. 信号压缩小波变换可以将信号分解成多个尺度和频率上的子信号，这些子信号可以被视为信号的特征。

通过保留重要的子信号，可以实现对信号的压缩。

这种方法被称为小波压缩。

小波压缩的基本步骤是进行小波分解，然后对分解得到的系数进行阈值处理，去除一些小的系数，最后再进行小波重构。

这样可以减小信号的维度，实现信号的压缩。

2. 信号去噪噪声是指不想要的信号成分，会使原信号数据变得不可靠。

小波变换可以将信号分解成多个尺度和频率上的子信号，可以很好地分离出噪声信号。

通过去除噪声信号，可以实现信号的去噪。

信号去噪的基本步骤是进行小波分解，然后对分解得到的系数进行阈值处理，去除一些小的系数，最后再进行小波重构。

这样可以去除噪声信号，实现信号的去噪。

3. 特征提取小波变换可以将信号分解成多个尺度和频率上的子信号，在不同的尺度下，可以捕捉到信号的不同特征。

因此，小波变换可以用来进行信号特征提取。

特征提取的方法是通过小波分解，挑选出某些尺度和频率下的小波系数，然后再将这些系数用于信号的分类、识别等任务中。

基于小波变换的图像处理技术研究

基于小波变换的图像处理技术研究随着计算机技术的不断发展和进步，图像处理技术也得到了广泛的应用和发展。

作为图像处理技术的一种重要手段，小波变换技术因其良好的性能和广泛的应用领域，受到了越来越多的关注和研究。

本文将着重介绍基于小波变换的图像处理技术研究。

一、小波变换的基本概念小波变换是一种基于频域的信号分析技术，其本质是一种将信号分解为不同尺度和频率的方法。

与传统的傅里叶变换相比，小波变换存在着更好的确定性和分辨率，并且能够对信号的瞬时特征进行更好的分析。

因此，小波变换在信号处理、图像处理等领域都有着广泛的应用。

二、基于小波变换的图像处理技术1. 小波去噪小波去噪是小波变换在图像处理中最为常见的应用之一。

通过小波变换，图像信号可以被分解为不同的频率和尺度，进而对其进行去噪处理。

与传统方法相比，小波去噪技术不仅能够更好地去除图像的噪声，同时也能够保留图像的细节特征，从而得到更加清晰的图像。

2. 小波变换与压缩在图像压缩领域中，小波变换也被广泛应用。

通过对图像进行小波分析，可以将其分解为多个子带信号，然后根据不同子带的重要性进行压缩。

与传统方法相比，基于小波变换的压缩技术不仅能够实现更好的压缩比，同时也能够保留图像的细节特征，从而得到更加高质量的压缩图像。

3. 小波变换与特征提取基于小波变换的特征提取技术在图像处理中也有着广泛的应用。

通过对图像进行小波分析，可以将其分解为多个子带信号，进而提取出不同频率和尺度的图像特征。

在物体识别、图像检索等领域中，基于小波变换的特征提取技术能够提高图像识别的准确性和效率。

三、结语总的来说，基于小波变换的图像处理技术具有很多优秀的特性，可以广泛应用于信号处理、图像压缩、特征提取等领域。

与传统的方法相比，小波变换能够更好地保留图像的细节信息，同时也能够更好地处理噪声等干扰因素。

随着计算机技术的不断发展，相信基于小波变换的图像处理技术将会在未来得到更加广泛和深入的应用和研究。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＹＩＤａｇｕｏ，ＺＥＮＧＨｕｉ，ＺＨＵ０Ｈｕｉ，ＨＵＡＮＧＢｉａｏ，ＦＡＮＧＫｕｉ，
（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，ＨｕｎａｎＣｈａｎｇｓｈａ４１０１２８；
Ａｂ￣ｒａｄ：Ｉｎｔｈｅｐｒｏｃｅｓｓｏｆｄｉｇｉｔａｌｉｍａｇｅｔｒａｎｓｍｉｓｓｉｏｎｉｎａｒｉｇｃｕｌｔｕｒａｌｉｎｔｅｒｎｅｔｏｆｈｉｔｎｇｓ，ｔｈｅｒｅｉｓｏｆｔｅｎａｎｏｉｓｅ，ｗｈｉｃｈａｆｆｅｃｔｓｔｈｅｑｕｌｉａｔｙｆｏｉｍａｇｅ．Ｓｕｃｈａｓｅｄｇｅｄｅｔｅｃｔｉｏｎ，ｉｍａｇｅａｎｌｙａｓｉｓａｎｄｐｒｏｃｅｓｓｉｎｇ，ｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｏｔｈｅｒａｓｐｅｃｔｓ，ｔｈｅｎｏｉｓｅｏｆｉｍａｇｅ
２．ＢｉｏｌｏｇｉｃｌａａｎｄＥｌｅｃｔｒｏｍｅｅｈａｎｉｃａｌＰｏｌｙｔｅｃｈｎｉｃｏｆＨｕｎａｎＰｒｏｖｉｎｃｅ，ＨｕｎａｎＣｈａｎｇｓｈａ４１０１２８；
边缘检测、影像分析与处理、机器视觉等方面，噪声的干扰会对图像处理的结果产生畸变与误差。因此，小波变换对于线性与非线性问题中的非平稳信号具有良好的分析能力，故成为信号滤波的常用工具。混合中值滤波与小波变换结合改
ｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓｗｉｌｌｐｒｏｄｕｃｅｄｉｓｔｏｒｔｉｏｎａｎｄｅｒｒｏｒ．Ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｉｓａｃｏｍｍｏｎｔｏｏｌｆｏｒｓｉｇｎａｌｉｆｌｔｅｒｉｎｇｂｅｃａｕｓｅｏｆｉｔｓｇｏｏｄ
・
信息技术・
农业网络信息
ＡＧＲＩＣＵＬＴＵＲＥ ⅣＥ册ＲＫＩＮＦＯＲ朋ＴＩＯＮ
２物联网数字图像传输一小波变换信号滤波处理研究
易大国，曾辉，一，卓辉一，黄彪．一，方逵１，３
３．ＮａｔｉｏｎａｌＲｕｒｌａＡｇｒｉｃｕｌｔｕｒｌａＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＴｅｃｈｎｏｌｏｙｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＨｕｎａｎ，ＨｕｎａｎＣｈａｎｇｓｈａ４１０１２８）
进算法的原理即在实际信号范畴中检索到与小波函数空间匹配的最佳映射，其目的在于使得原有传输信号达到最佳复
原。小波滤波可以近似逼近为一个低通滤波，只是相比普通低通滤波而言，它还能保持原有信号某些尺度与细节特点。关键词：农业物联网；小波变换；去噪；数字图像
（１．湖南农业大学信息科学技术学院，湖南长沙４１０１２８；２．湖南生物机电职业技术学院，湖南长沙４１０１２８；
３湖南省国家农村农业信息化工程技术研究中心，湖南长沙４１０１２８）摘要：在农业物联网数字图像传输过程中，经常存在信号杂波会产生噪声，这对图像的像素与质量产生一定影响，如
中图分类号：ＴＰ３１５文献标识码：Ａ文章编码：１６７２ — ６２５１（２０１５）１１－００４４ — ０５
ＲｅｓｅａｒｃｈｏｎＤｉｇｉｔａｌＩｍａｇｅＴｒａｎｓｍｉｓｓｉｏｎａｎｄＷａｖｅｌｅｔＴｒａｓｆｎｏｒｍＳｉｇｎａｌＦｉｌｔｅｒｉｎｇＰｒｏｃｅｓｓｉｎｇｉｎｔｈｅＡｇｒｉｃｕｌｔｕｒｌａＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ
ａｂｉｌｉｔｙｔｏａｎａｌｙｚｅｎｏｎ— ｓｔａｔｉｏｎａｒｙｓｉｇｎｌｓａｉｎｌｉｎｅａｒａｎｄｎｏｎｌｉｎｅａｒｐｒｏｂｌｅｍｓ．Ｔｈｅｐｒｉｎｃｉｐｌｅｏｆｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｍｅｄｉａｎｉｌｆｔｅｒａｎｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｉｓｔｈｅｂｅｓｔｍａｐｐｉｎｇｏｆｔｈｅｓｐａｔｉａｌｍａｔｃｈｉｎｇｆｏｗａｖｅｌｅｔｆｕｎｃｔｉｏｎｉｎｈｅｔａｃｔｕｌａｓｉｇｎａｌｃａｔｅｇｏｒｙ，ｗｈｉｃｈａｉｍｓｔｏｍａｋｅｔｈｅｏｉｇｒｉｎａｌｔｒａｎｓｍｉｓｓｉｏｎｓｉｇｎａｌｒｅａｃｈｔｈｅｂｅｓｔｒｅｓｔｏｒａｔｉｏｎ．Ｉｎｏｔｈｅｒｗｏｒｄｓ，ｔｈｅｗａｖｅｌｅｔｉｌｆｔｅｒｃａｎｂｅａｐｐｒｏｘｉｍａｔｅｄａｓａｌｏｗｐａｓｓ