农业图像去噪是农业信息化、自动化最基础、最重要问题之一，至今还未很好解决。本项目针对农业图像去噪经典算法常常丢失细节、图像变模糊，而小波变换方法虽然在去噪的同时保留了细节，但在信号空间上是近似最优而非最优，同时也未考虑农业图像本身的复杂性、生物性，导致去噪MSE、PSNP低等问题，主要开展以下研究：（1）研究从图象处理角度提炼杂交育种学原理，结合小波变换和农业图像去噪的特点，进一步研究"杂交"操作算子、"基因重组（包括交叉、变异等）"操作等算子，建立一种新的图像去噪算法模型，即杂交小波变换算法模型；（2）研究证明该算法模型基因优化过程的收敛性和有效性，包括优质基因的导入（杂交）、基因的重组与互作、劣质基因的被"吞噬"（基因优化）等；（3）红枣图像去噪具有典型性和代表性，本项目拟应用所提出的杂交小波变换算法最终实现红枣图像的去噪。该研究结果为最终解决农业图像的去噪问题提供科学、有效方法。

为解决现有图像去噪方法去噪效果不明显、容易丢失图像的细节特征等问题，提出基于杂交小波变换的农业图像去噪算法。本算法综合小波去噪能较好保留图像细节特征和Wiener 滤波器可得到最优解的优势，分别以经小波变换、Wiener 滤波处理后的图像作为杂交小波变换初始种群的父本和母本，通过编码从图像空间映射到编码空间，依次通过选择、杂交、变异算子对亲本进行迭代操作，直到获得满足约束条件的子代，再将子代还原到图像空间，得到问题的近似最优解。本项目建立了该去噪算法的理论模型，即“杂交小波变换”算法模型，并对此算法的核心算子进行了数学理论分析和证明，从理论层面上证明了编码算子的完备性和杂交算子、变异算子的收敛性。本项目搭建了果品自动分级装置和彩色立体机器视觉系统等硬件实验平台，同时开发了软件系统“基于杂交小波变换的图像去噪分析系统”。所搭建的实验平台为今后进一步的研究提供了好的条件，同时为进一步的拓展应用—农机的视觉导航创造了条件。本项目将所提出的算法应用于农产品图像去噪和农机典型零部件图像去噪，去噪后的图像峰值信噪比（PSNR）均优于邻域平均法、中值滤波法等传统去噪方法。实验结果表明，基于杂交小波变换的图像去噪算法应用于农业图像去噪具有信噪比高、噪声低、边缘清晰、视觉效果好等优点，是有效的、可行的。研究成果无论对进一步提高农业信息化、自动化基础研究水平，还是对果品的自动分级、精细农业中杂草的自动识别等等，都有着重大的意义。