二維經驗模式分解及其在圖像分析中的應用.pdf

1、二維圖像的非平穩(wěn)性、非線性性和多尺度性使得圖像分析一直是計算機視覺中富有挑戰(zhàn)性的問題。由于圖像灰度值在空域上的變化是隨機的，尺度和幅值變化都沒有規(guī)律可言，因此可以將其看作二維平面上的非平穩(wěn)非線性信號。對非平穩(wěn)非線性信號來說，時頻分析方法的局域性和自適應性是最為關鍵的。而現有分析方法如傅立葉分析、小波分析等由于依賴于預先設定的基函數，都不具備自適應的特點。如何將非平穩(wěn)非線性信號的幅值和頻率都表示為時間的函數，是分析此類信號的首要任務。二維

2、圖像的幅度-頻率聯合調制表示法（AM-FM Representation）就是將二維圖像表示成一系列局部協調的復指數函數之和，從而可進一步得到圖像局部的幅度和瞬時頻率。
　　 本文即采用二維經驗模式分解方法（BEMD）對圖像進行分析。二維經驗模式分解是一維經驗模式分解方法（EMD）在二維平面上的擴展，它將原始圖像分解為一系列AM-FM函數之和，然后從中得到幅值和頻率的時間函數，對圖像特征進行定位。
　　 本文工作的重點是

3、研究二維經驗模式分解算法的實現及其在圖像分析中的應用。論文提出了二維經驗模式分解算法框架中幾個關鍵算法的實現?？紤]自然圖像的實際特點，極值點的提取采用了較簡單的8鄰域比較法；邊界問題采用鏡像對稱擴大原圖像的方法進行解決；采用基于三角的立方插值計算包絡曲面；采用固定迭代次數的方法來解決過度分解問題。此外，論文還提出了BEMD分解完成后，將其應用于圖像濾波的預處理方法。即將BEMD分解的最終表達式抽象為一個通用濾波器，根據數據的數值特征和實