基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法:将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解(ABEMD)估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。

基于基图像提取的二维经验模式分解方法

在图像处理中,传统经验模式分解(BEMD)方法存在图像边缘处的跳跃特性而造成的原图像细节丢失,以及分解图像中存在的严重"灰度斑"现象和原图像边缘信息无法保留在分量中等问题。提出一种先利用加权最小二乘估计提取基图像后进行BEMD分解的方法用来克服上述问题。实验证明,这种方法可以很好地保留细节和边缘信息,并极大减弱了"灰度斑"现象。

基于区域的二维经验模式分解的图像融合算法

为改进红外与微光/可见光的图像融合效果,在对二维经验模式分解及图像区域分割研究的基础上,提出了一种基于区域的二维经验模式分解的图像融合算法。利用此算法对红外图像与微光/可见光图像进行融合,先将源图像分别进行二维经验模式分解,再对残余图像进行加权融合,而后用模糊C均值聚类的方法对融合后的残余图像进行区域分割,将此分割结果映射到各层本征模式函数图像上,随后运用一定的区域融合准则将各层图像融合,最后再重构出融合图像。对仿真实验结果使用客观评价的方法进行评价,评价结果表明,该算法能够提升融合图像中的信息量以及凸显图像细节,较其它传统算法具有一定的优势。

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.

基于二维经验模式分解的重力资料多尺度分析

重力资料是从地表到深部所有密度不均匀体引起的重力效应的叠加。针对不同的工作任务,需要利用不同尺度的重力资料进行研究。二维经验模式分解能够自适应地对非线性、非平稳信号实现多尺度分解。文章研究将二维经验模式分解应用于重力资料的多尺度分析,对重力数据进行二维经验模式分解以得到各级固有模态函数和剩余分量,利用径向对数功率谱分析方法估计各级模态函数所反映的地下场源的近似深度,定性地解释不同深度下的场源产生的异常,较好地揭示场源赋存的地质信息。模型数据和实际数据的测试佐证了该方法技术的可行性。

基于二维集合经验模式分解的距离正则化水平集磁共振图像分割

针对现有磁共振(MR)图像分割算法大多直接在原图像上进行处理,分割效果受噪声影响较大的问题,本文引入二维集合经验模式分解(BEEMD)算法,提高距离正则化水平集(DRLSE)方法对MR图像的分割精度.算法中首先使用BEEMD将待分割MR图像分解为多个二维固有模式函数(BIMF),通过对各BIMF赋予不同加权系数重构待分割图像,从而增强分割目标;然后在DRLSE的边界指示函数中添加部分BIMF分量,恢复因高斯平滑被模糊的目标轮廓,并使用DRLSE方法对重构图像进行分割.通过对仿真图像和临床MR图像分割验证,表明本文算法具有较高的分割精度和鲁棒性,能有效实现对临床MR图像的分割.

一种改进的二维经验模式分解方法

根据J.C.Nunes等提出的二维经验模式分解(BEMD)的基本思想,对高分辨率的图像分解提出了一种改进的BEMD方法。该方法按照图像极值点的分布将图像划分成若干块,分块处理,避免了求解大型线性方程组以及大矩阵产生,较好地降低了时间复杂度和空间复杂度。

地基观测红外目标二维经验模式分解检测方法及应用

针对复杂条件下的地基观测红外图像目标检测问题,引入二维经验模式分解(BEMD)方法对复杂条件下的目标红外实测图像进行了处理分析:首先对目标观测原始红外图像进行中值滤波,对原始红外图像进行噪声抑制预处理;然后利用BEMD算法对预处理后红外图像进行自适应分解,获得按频段分布的二维基本模式分量与残余图像,并对分解后的红外图像进行有效重构,获取处理后的红外目标图像;最后利用点锐度方法定量评估目标红外图像处理效果,并与原始红外图像进行比对分析。基于实测红外图像处理结果表明,BEMD方法有效抑制了云层背景杂波噪声,且有效检测出清晰的红外目标,处理后的红外图像清晰度较原始红外图像显著提高。

一种基于二维经验模式分解的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二维经验模式分解的人脸识别方法。首先利用二维经验模式分解对人脸图像进行分解,再提取各分解子图像的能量作为人脸特征向量,并采用支持向量机进行训练和识别。经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别率高于小波方法,正确率达到98.6%。

二维经验模式分解算法的改进研究

提出了一种改进的二维经验模式分解算法。经验模式分解的核心是固有模式函数,可以应用在非线性系统分析中。应用数学形态学算法来寻找极值,并且采用Delaunay三角插值算法对极值点进行拟合,得到上下包络面,计算出上下包络面的平均值,进而计算出一系列固有模式函数和残差分量。实验结果表明,这2种方法的结合使用极大地降低了算法的时间复杂度,提高了运算效率。

基于二维经验模式分解的手背静脉提取

静脉血管成像是散射光成像,因此静脉血管图像和普通的光入射直接成像不同,静脉血管图像模糊,没有清晰的血管结构。二维经验模式分解能够自适应地把一幅图像按尺度分解为一系列IMF子图像和残余图像,IMF子图像带有原始图像的细节信息,残余图像表达了原始图像的趋势信息,代表了图像的基本结构。为此,针对手背静脉图像,提出利用经验模式分解得到的残余图像代表原始图像的基本结构这一特性来提取出静脉结构,并与传统的静脉提取方法进行对比。最后,仿真分析验证了该方法的可行性和有效性。

基于二维经验模式分解的图像水印嵌入算法

提出一种基于二维经验模式分解(BEMD)的图像水印嵌入算法,完成水印的嵌入和提取。对水印进行置乱并对原图像进行分块处理,再对置乱后的水印和分块后的原图像分别做BEMD分解,获得其相应若干固有模态函数(IMF),将水印的IMF分别嵌入分块后的原图像中,完成水印的嵌入。实验证明,该方法较以往的方法在水印的嵌入量上有了提高且鲁棒性较好,同时具有不可见性和较高的安全性。

基于二维经验模式分解的医学图像融合方法

基于多尺度多分辨率的图像融合是医学图像融合的重要方法,二维经验模式分解(BEMD)方法是一种新的多尺度多分辨率图像分解方法.本文提出了一种基于BEMD的医学图像融合方法.首先将待融合的两幅图像进行BEMD分解,获得多个BIMF分量和一个剩余分量;然后针对BIMF分量和剩余分量采用不同的融合规则进行图像融合;最后对融合后的各分量进行BEMD逆变换,得到最终的融合结果.实验结果表明,本文方法可得到较好的融合效果,融合图像清晰,含有的更多信息.

一种基于多尺度极值的快速自适应二维经验模式分解方法

现有的二维经验模式分解(Bidimensional empirical mode decomposition,BEMD)算法在极值点查找、内蕴模式筛选和迭代过程中效率低、自适应性有待进一步提高,因此本文提出了一种基于多尺度极值的二维信号经验模式分解方法。首先给出二维多尺度极值二叉树结构的概念和建立方法,进而引出一个新的分解层数和滤波窗口大小的自适应确定原则,由此形成了改进的快速自适应二维经验模式分解方法。对自然图像和合成纹理图像分解的实验结果表明:与现有的快速自适应二维经验模式分解方法相比较,新方法的自适应性和效率都有明显提升。

基于二维经验模式分解的图像去噪

通过二维经验模式分解(BEMD),可将被噪声污染的图像分解为一系列细节信息和趋势信息。由图像的趋势信息重建图像,可达到去除图像噪声的目的。实验结果表明该方法对去除高斯白噪声、乘性噪声具有较好的效果,峰值信噪比(PSNR)得到明显提高。

基于改进二维经验模式分解的IC焊点检测方法

为了解决集成电路IC(integrated circuit)焊点检测问题,提出了一种改进二维经验模式分解方法的IC焊点检测算法。为了简化IC引脚图像和消除干扰,提出了一种无约束优化的二维经验模式分解算法,该算法能够将图像按高频到低频分解,适用于非线性非稳态信号处理,可获得特征更明显的IC焊点预处理图像。在分析空焊焊点与合格焊点之间的差异性的基础上,结合焊点反射光线原理,定义了一种颜色空间算法,在感兴趣区域内提取颜色通道延迟上升的特征,通过阈值判断实现IC焊点缺陷检测。试验结果表明,将改进二维经验模式分解用于IC引脚预处理可以得到特征更明显的预处理图像,并且通过颜色空间可以直接获得量化特征,该方法在IC焊点检测性能上优于其他方法 。

图像处理中二维经验模式分解(EMD)算法分析与改进

在二维EMD的应用处于初步阶段的基础上,根据二维经验模式分解(EMD)方法在图像处理中的应用,对二维EMD算法及其改进进行了分析和探讨。

基于二维经验模式分解的明暗截止线特征检测研究

明暗截止线的准确定位是汽车前照灯检测中极为重要的技术内容。针对模糊明暗截止线识别准确度不高的问题,提出使用二维经验模式分解算法对近光灯图像进行分解的特征信息提取方法。首先,分析了现有明暗截止线检测算法的不足,简要阐述了二维分解模式进行图像分解的基本原理。然后,给出了二维经验模式分解的算法构造及其实现过程。与Canny算子和LoG算子的对比证实了二维经验模式分解得到的图像边缘特征更为丰富、准确。应用分析表明二维经验模态分解的近光灯明暗截止线提取的结果更为符合汽车前照灯检测的实际需求。

基于二维经验模态分解的织疵分割算法改进

针对纺织行业织物疵点检测自动化的需求,提出了基于二维经验模态分解(BEMD)的织物疵点分割方法的改进。在BEMD算法中,使用基于Delaunay三角化(DT)的三次样条分段插值替代基于径向基函数(RBF)的全局插值,以提高计算效率和分解有效性。在BEMD的分解结果中,选择第二个和第三个内蕴模式函数(IMF)进行融合后进行分割以提高疵点分割结果的完整性。实验中以多幅典型的疵点织物为样本,对比了不同插值方法和分割对象的检测误差率(DER),结果显示改进后的疵点分割方法具有更好的计算效率和鲁棒性。

二维经验模态分解技术在混浊度检测中的应用

针对液体混浊度检测易受噪声影响这一技术问题,提出了一种基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法,对医疗液体图像进行二维经验模态分解,将液体图像分解成多层本征模态函数(IMF),并利用Robert算子对各分量IMF进行边缘检测,选择性地逐层重构出图像边缘,从而将图像与杂质的边缘细节突显出来.实验结果表明,该方法有效地降低了随机噪声对液体混浊度检测的影响,提高了液体混浊度检测的精度,进而验证了该算法的可行性和有效性.