二维EMD的纹理分析及图像瞬时频率估计

将一维经验模式分解(EMD)方法和Hilbert-Huang变换(HHT)直接应用于二维图像处理中,提出了一种新的二维EMD算法,将提取出图像的多尺度空间频率信息分别用HHT和直接法来估计多分量图像AM-FM形式的瞬时频率.最后用文中算法分别对合成图像和自然图像进行了实验.

二维EMD分解方法的比较与改进

该文给出了二维经验模态分解(BEMD)的实现方法,针对实现二维EMD的两种常用插值方式?三角剖分插值和径向基函数插值,通过理论和计算实践分析比较了两种插值方式的速度、视觉效果等,提出两种方法相结合的BEMD实现方法。同时,针对径向基函数插值方式提出了一种快速方法。该方法避免了求解大型线性方程组以及大矩阵的产生,较好地降低了时间和空间复杂度,提高了计算速度。实验结果证明了该方法的可行性和优越性。

二维EMD应用在图像边缘特征提取中的仿真研究

图像边缘特征提取是图像处理理论和应用研究的主要内容之一,传统的特征提取方法简单易行,但提取的图像精度不高。为此,提出了一种基于二维EMD及Riesz变换的双重复合图像边缘特征提取方法。首先通过二维EMD将图像分解成多层IMF分量,然后利用Riesz变换的局部"高保真性",替代Hilbert变换进行各分量的局部特性分析,给出更高分辨率的图像边缘特征提取算法。最后,仿真分析验证了该算法的可行性和有效性。

基于二维EMD的人脸图像去光照方法研究

去除光照影响是人脸图像增强和识别的关键技术.二维经验模态分解(2-D EMD)可根据图像特征自适应地将其分成多个尺度的分量,各分量重建可实现图像增强或去噪的功能.基于二维EMD的原理及特征,研究了2种新的人脸图像去光照算法,即基于原始图像的直接二维EMD重建和基于Lambert光照模型的对数二维EMD重建,并运用特征脸识别对去光照算法的效果进行了测试和比较分析.仿真结果表明,运用二维EMD重建可较好地去除人脸图像中的光照影响,而对数二维EMD重建算法相对具有更明显的稳健性和适用性.

一种基于二维EMD的图像融合方法

图像融合是图像处理中的一个重要内容,常用的小波图像融合主要是基于像素级融合,这种方法容易失去局部特征相关性较强的特性,融合后会出现局部斑点现象.该文应用二维EMD方法在像素级也进行了讨论,并且针对EMD分解的特殊性,提出了一种用二维EMD(two-dimensional EMD)进行图像融合的方法,采用对IMF(intrinsic model function)分量在对应频率段上进行线性加权融合,提出了几种常用计算加权系数的方法.通过实验分析和性能评价表明,基于二维EMD的图像融合较小波图像融合效果较好,更能提取图像细节.

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。

二维EMD方法在微尺度波斜率波数谱提取中的应用

进行海面微尺度波频率分析时,为消除重力波影响,引入二维EMD(经验模态分解)方法滤除造成频率混叠的长重力波,然后进行傅立叶变换,得到海面微尺度波谱,进一步处理得到斜率波数谱。斜率波数谱提取结果表明:采用二维EMD方法可以有效滤除图像中混叠的长波信息,在此基础上进行微尺度斜率波谱计算的结果与国外已有结果基本一致。文中还将二维EMD方法与小波方法的处理结果进行了比对,结果表明在滤除长波的影响时,二维EMD方法具有其较明显的优势。

基于二维EMD和RBF的纹理分割方法

经验模式分解(EMD)是最近提出的新的图像多尺度分析方法。通过对纹理图像进行二维经验模式分解来提取合适的纹理特征,再采用FCM聚类算法进行分割,实验表明,使用径向基函数在筛分过程中进行插值的效果较优。

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时,往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪,提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变,只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪,从而更好地对含噪影像进行去噪。两组试验对比分析表明:本文算法具有较大的峰值信噪比、平均梯度和结构相似性,具有较小的均方根误差;并且边缘检测结果也表明,噪声在被滤掉的同时,经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息,具有更好的去噪效果。

基于二维EMD分解的图像压缩研究

综合Anna的极值点压缩算法和多抽样重叠块压缩算法,提出了一种新的基于二维EMD分解的数字图像压缩方法。先对自然图像进行二维EMD分解,对分解后的IMF抽样点进行熵编码。与两种压缩方法所得的结果比较分析,在确保图像质量的前提下,找到了一种更好的方法,对图像进行压缩。

遥感影像浅水河道提取二维经验模态分解方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声,Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。

基于BEMD的多聚焦图像融合算法研究

多聚焦图像融合就是将源目标图像的清晰区域组合成一个各处都清晰的融合图像。论文首先利用bemd(bivariate emd)算法,将图像映射为一个复数信号,在分解中利用复数信号实部和虚部的互相关系,通过循环迭代将待融合图像分解成从高频到低频的有限个二维图像本征函数(bivariate intrinsic mode functions,BIMFs)。再根据每一个空间点的局部方差计算融合的权值系数,最终得到融合图像。这种融合图像算法不需要预先定义小波基函数或滤波器等先验信息,具有良好自适应性。实验结果表明该算法与传统的融合算法相比性能更加优越,可提高融合图像的质量。

基于二维经验模态分解的三维面形测量

采用结构光投影的三维面形测量，为了得到包含待测物体高度信息的基频成分，变形条纹图中通常含有随机噪声和背景信息需要去除。提出一种基于二维经验模态分解（2D—EMD）的三维面形测量方法。2D—EMD用于去除低频背景分量并抑制噪声影响，再结合二维希尔伯特变换提取三维面形的相位信息，最后根据相位与高度的映射关系得到被测物体的三维形貌。2D—EMD采用完全的二维分析方法，考虑了条纹图行与行之间的相关性，能有效提取任意方向条纹图中的调制相位。由于不需要像聚合EMD（EEMD）反复添加噪声再分解的去噪过程，缩短了数据的处理时间。计算机仿真结果表明，与傅里叶变换轮廓术（FTP）相比，较大陡跳误差从-40mm降到了-1～1mm。实验结果也证明了本文方法的有效性。

基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

针对传统多尺度图像融合方法容易损失可见光图像细节、弱化红外目标信息和降低图像对比度的问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红外与可见光图像融合的算法。首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和趋势项(低频成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图像的本征模;最后,通过BEMD逆变换得到融合图像。实验结果表明,与传统的多尺度融合方法相比,在主观上视觉上,本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息,提高融合图像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法。