A new multi‐focus image fusion algorithm based on BEMD and improved local energy

A multi‐focus image fusion method, which is based on bidimensional empirical mode decomposition (BEMD) and improved local energy algorithm, is presented in this paper. First, the source image is decomposed by BEMD. Then maximum criterion combined with weighted average fusion rule based on local energy is applied to bidimensional intrinsic mode function components of the corresponding frequency segment. If the phase of the bidimensional intrinsic mode function coefficients decomposed by BEMD on two source images is the same, the local energy maximum criterion is used in the frequency coefficients of the fused image; else, if the corresponding phase is opposite, bidimensional intrinsic mode function coefficients of the fused image is determined by a weighted average method based on local energy. Finally, the fusion result is obtained by the inverse BEMD transformation on the fusion coefficient. Simulation shows that the proposed algorithm significantly outperforms traditional methods such as the maximum criterion, weighted average, and wavelet fusion rules. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

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.     

一种在扩散加权图像降噪中的算法

扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。     

BEMD在复杂背景下弱小目标检测中的应用

针对复杂背景下的弱小目标检测与识别问题,提出了一种基于二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)的检测算法。待检测的原图像经过BEMD分解筛选出多个二维的内蕴模函数(Intrinsic Mode Functions,IMF)和趋势图像,使用全局门限法分割各个IMF,将处理后的IMFs综合成一个分割出待检测目标的结果图像。实验结果表明,该方法使用简洁的步骤,有效、准确地检测出弱小目标。     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.     

二维EMD分解的数字图像压缩

二维EMD为图像处理提供了一个强有力的工具。图像进行EMD分解后,将会得到一系列的IMF和图像残差。由于分解出来的第一层IMF包含了图像的细节部分,笼统地对其进行压缩会造成图像高频部分损失,压缩图像质量不高。针对这种情况,将第一层IMF与其他层分开处理。通过与块离散余弦变换压缩方法进行比较,得出结论。     

二维经验模态分解边界效应抑制研究

二维经验模态分解中边界效应抑制是一个关键问题,现有方法主要讨论一维信号端点效应抑制,基本思想是信号延拓,不适合对二维信号进行边界效应抑制。提出一种二维图像边界效应抑制方法,该方法根据对称性、局部性原理和牛顿插值理论,对边界点进行插值,获取部分边界极值,采用这些极值对边界进行线性插值获取图像每个边界像素点的极大值和极小值。把这种边界效应抑制方法应用到二维经验模态分解中收到了较好的实验效果。     

基于混沌和BEMD分解的小波域彩色图像数字水印算法

提出了一种基于离散小波变换、混沌系统和二维经验模式分解的彩色图像数字水印算法。首先,对彩色载体图像的G通道进行一级小波分解,将其低频分量进行混沌位置置乱;然后将置乱后的低频分量进行二维经验模式分解,分解成5个基本模式分量和1个残差分量;最后,用水印信息代替第4个中低频基本模式分量实现信息嵌入。利用归一化互相关函数和峰值信噪比对算法进行评定,并对含水印的图像进行攻击。实验结果表明,该算法嵌入容量较大,且具有较好的透明性和鲁棒性。     

脉冲涡流热成像图像的BEMD提升小波阈值去噪

在脉冲涡流热成像检测中,有效抑制红外热图的噪声是最终提取特征量识别缺陷的关键环节之一。将提升小波阈值去噪的思想运用到二维经验模态分解(BEMD)中,提出了一种基于BEMD的提升小波阈值去噪方法。针对传统软、硬阈值法的局限性,引入包括带有可变因子的隶属函数的模糊阈值处理方法。将该方法运用于脉冲涡流热成像信号的实际消噪处理,实验结果表明,该方法与小波阈值去噪相比,去噪效果更明显,图像的细节特征更清晰。     

The complex bidimensional empirical mode decomposition

A new method for computing complex bidimensional empirical mode decomposition (BEMD) is presented in this paper. The proposed complex-BEMD uses four quadrant spectra to apply standard BEMD to four real-valued 2D signals. The so-generated intrinsic mode functions (IMFs) are 2D complex-valued, which facilitates the extension of the standard BEMD to the complex domain. The proposed complex-BEMD can be successful for the analysis of real-world 2D complex-valued signals, such as 2D NMR signals. Moreover, the proposed complex-BEMD can be applied for color image processing. A simple color image fusion algorithm based upon the proposed complex-BEMD has also been developed to have the exhibition of the potential. By our proposed complex-BEMD and image fusion algorithm, the well-fused results can be obtained, if the mode mixing in BEMD is alleviated.