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.