基于改进BEMD的Gabor-2DPCA掌纹识别

为了提高掌纹识别的准确率,提出一种基于二维经验模式分解(bidemensional empirical mode decomposition,BEMD)的掌纹重构改进算法。该算法首先对预处理掌纹图像采用改进二维经验模式分解算法分解,提取前4个本征固有模态分量重构掌纹;其次,将重构掌纹通过二维Gabor滤波器分解成20个特征子图,利用二维主成分分析(two-dimensional principal component analysis,2DPCA)算法数据降维,提取掌纹特征;最后,计算样本的欧氏距离,实现掌纹识别。采取香港理工大学的PolyU掌纹数据库中的600张掌纹图像实验,结果表明,该算法重构掌纹含有更多纹理特征,在训练样本不同的情况下识别率均有提升,最高可达99.33%。提出的改进算法可以应用于掌纹识别。     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟 水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低 频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

一种改进BEMD的指纹边缘检测算法

为了解决二维经验模式分解(bidimensional empirical mode decomposition,BEMD)算法在指纹图像边缘检测中存在边缘连续性差、运算时间长等问题,提出一种改进算法。该算法首先采用Delaunay三角剖分法构造指纹图像局部极值点三角网格来求得局部均值;其次,通过滑动平均法来取代插值函数算法求取均值包络面,以局部包络均值和极值点数目差来确定筛分的终止;最后,对分解获得的前两层高频内在模态分量进行重构作为边缘检测原始图像,与指纹图像处理的二值化、细化技术相结合得到指纹图像边缘检测结果。从指纹库CFV2002中随机选取30组像素不同的指纹图像进行实验,仿真实验结果表明,与BEMD算法相比,改进BEMD算法的指纹图像边缘检测Pratt品质因数提高了0.067 7,运算时间提高了17.03s。所提出的改进算法可应用于指纹图像边缘检测。     

基于改进BEMD的视频镜头转场检测算法研究

对二维经验模式分解(BEMD)算法进行了改进,采用限定域的Delaunay三角剖分和三次插值得到极大值和极小值包络面,用基于限邻域经验模式分解(NLEMD),即通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,给出了图像BEMD分解后内蕴模函数(I MF)1和2的Hilbert谱,以I MF2的瞬时振幅作为图像的特征向量,计算镜头转场中图像序列帧特征向量间的欧式距离。采用大量的视频镜头转场的样本进行实验,结果表明,剪切镜头查准率和查全率皆为98%;渐变镜头查准率86.4%,查全率87.6%。     

基于奇异值分解和双三次插值的图像缩放算法改进

在图像检索系统中往往需要生成不同比例大小的图像,文件数目多、占用空间大。针对该问题,给出一种改进的图像缩放算法:先对RGB图像矩阵进行奇异值分解和重构,再基于分解后矩阵进行三次插值运算,得到缩放矩阵,据此进行图像重构,得到缩放后的图像。利用该算法和常用压缩算法在刑侦现勘图像库上,对原始图像进行5倍、2倍、0.5倍、0.2倍的缩放处理对比,结果显示,所给改进算法在图像压缩率方面有显著提升,且在均值、标准差、平均梯度和熵等指标上也有一定程度的优化。     

水下图像边缘特征提取的BEMD自适应算法

针对应用二维经验模式分解算法进行水下图像边缘检测时需要人工设定检测阈值的问题,提出一种BEMD与ROC曲线分析相结合的自适应图像边缘检测新方法.首先通过BEMD算法将水下图像分解成多层内禀模式函数(IMF)分量图像,然后利用不同参数组合的Canny检测算子对IMF分量图像进行细化处理,生成各层IMF分量的二值化图像集,最后利用ROC曲线分析技术求得IMF分量图像的最佳检测阈值,从而确定了理想的BEMD边缘特征提取图.实验结果表明:该算法能够避免人工设置检测阈值带来的操作误差,可实现图像边缘特征提取检测阈值的自适应设定.水下图像处理实例验证了所提方法的正确性和有效性.     

基于FABEMD的纹理图像分类算法

针对二维经验模式分解算法应用于纹理图像分类中存在运算时间长、准确率低的问题,将快速自适应二维经验模式分解(fast and adaptive bidimensional empirical mode decomposition,FABEMD)方法应用到纹理图像分类中。该方法首先将纹理图像分解成3个二维固有模态函数(bidimensional intrinsic mode function,BIMF)和1个余量;其次使用灰度共生矩阵提取各BIMF的能量、熵、对比度和相关性这4个纹理特征参数,组成特征向量,最后采用最小距离分类器进行纹理图像分类。实验采用Brodatz纹理图像库,选取10幅纹理图像作为样本图像,仿真实验结果表明,与二维经验模式分解方法相比,所提的算法查准率为86.28%,同时缩短了运算时间。     

基于窗口经验模式分解的医学图像增强

提出了基于窗口经验模式分解(WEMD)的医学图像增强算法。用WEMD算法分解医学图像,能够自适应地提取图像的内涵模式函数(IMF)分量。利用IMF分量图像的直方图服从正态分布的特性,结合直方图匹配算法的增强能力处理前几个IMF分量,经处理的IMF分量中的高频细节信息得到增强。将处理后的IMF分量和剩余分量重构,获取增强的医学图像。实验表明,WEMD算法增强效果优于目前的图像增强算法。 更多还原     

结合奇异值分解和二维变分模态分解的紧凑图像哈希算法

图像哈希是通过将图像提取为简短数列,从而快速地从图库中区分出与原图相似或不同图像的方法。利用奇异值分解(SVD)来分解重构减小图像信息的冗余性和二维变分模态分解(2D-VMD)可以将图像分解成一系列不同中心频率的子模态的特性,从时域和频域提取出图像的主要信息序列来构成哈希。仿真结果表明,相比于其他方法,通过SVD和2D-VMD的紧凑图像哈希算法具有较短的运行时间、较好的鲁棒性和唯一性。     

基于变分模态分解的心冲击信号和呼吸信号分离

为了在睡眠时以非侵入方式监测心冲击信号（BCG）和呼吸信号,使用电阻式薄膜压力传感器嵌入床垫中,将变分模态分解（VMD）算法引入到二维生理信号提取过程. 信号经床垫中的柔性压力传感器,通过硬件低通滤波、数字去趋势（DFA）后,利用VMD算法分解出生理信号中心冲击信号与呼吸信号的潜在分量,通过自适应选取有效分量重构BCG信号与呼吸信号. 基于Hilbert变换,对比VMD、经验模态分解（EMD）、互补集合经验模态分解（CEEMD）分量的瞬时频率. VMD在0~3.0 Hz内的混叠情况相对于EMD与CEEMD得到改善. 采用Bland-Altman法,对标准结果和实验重构结果进行一致性评价. 结果表明,利用VMD法所得BCG与呼吸信号分别有93.75%和92.5%的点在95%一致性标准界限内,有较高的一致性.     

基于Delaunay三角化的二维无约束优化EMD方法

提出一种改进的基于Delaunay三角化的二维无约束优化经验模态分解(empirical mode decomposition, EMD)方法,对二维图像极值点重新定义,利用对定义的极值点进行Delaunay三角化构建无约束的优化模型对图像进行迭代分解,能够将原始图像自适应分解为尺度从细到粗的内蕴模态图像分量和一个余量。试验结果表明:本研究提出的方法较原始的二维无约束优化EMD方法具有更强的细节获取能力,能够更好地体现原始图像的不同尺度特征。     

经验模态分解和神经网络在滚动轴承故障诊断中应用研究

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解的滚动轴承故障诊断方法,对采集的信号范围进行了筛选。利用经验模态分解将振动信号分解为多个平稳的固有模态函数。选取包含主要故障信息的IMF分量分析其时域和频域特征。将时域信号特征量和频谱图峰值对应的频率归一化处理,输入Elman神经网络进行工作状态的自动判断。     

具有独立分量的经验模态分解算法研究

在经验模态分解算法中用极值包络平均近似局部平均,不能保证分解分量之间的正交性,固有模态分量存在冗余.这种情况对信号成份分析尤为不利,冗余部分的物理意义无法解释,或可能作出错误的解释.将独立分量分析方法引入经验模态分解算法中,利用其良好的分解独立特性,使模态分量不仅正交而且相互独立,消除了冗余.仿真试验表明,改进算法的模态分量彼此独立,特别对于混有突变信号的周期信号,在得到周期分量的同时,也得到突变分量,说明了改进算法比原算法优越,且具有较好的工程应用前景.     

基于改进的经验模态分解的虹膜识别方法

首先,采用先行后列的方法对归一化虹膜图像进行经验模态分解,得到不同尺度的固有模态分量;找出有利于识别的分量,将其进行二值化处理生成特征图像;然后对特征图像进行水平和垂直移位匹配,得到海明(Hamming)距离匹配向量,计算匹配向量的改进标准差,以此标准差进行虹膜识别。最后分别对CASIA1、CASIA2、CASIA3-interval、MMU1库进行了识别,结果表明:该方法能够有效地提取图像的二值特征,具有速度快、识别率高等优点。     

基于改进EMD和LS-SVM的刀具磨损状态识别

针对经验模态分解(empirical mode decomposition, EMD)的端点效应、停止准则和虚假分量作了改进处理, 通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission, AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsic mode function, IMF)分量, 利用IMF分量和原始信号的相关系数作为判断依据, 剔除分解中产生的虚假分量, 然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(least squares support vector machine, LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态.     

具有间断事件检测和分离的经验模态分解方法

针对在经验模态分解（EMD）筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法．该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数（IMF）的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经端点延拓重新做EMD分离出间断信号,从而在后续的EMD中消除该间断信号的影响．将该方法与小波法消除间断信号的结果进行了比较,显示其滤除结果的信号失真较小,并可将间断信号分解为一固有模态函数．     

基于区域边界运动信息的视频分割

为了实现视频编码标准MPEG 4中语义对象的自动提取,提出了一种基于区域边界运动信息的视频分割算法.在空域上通过开闭双重建方法获取形态梯度图像,抑制原始图像中的噪声,然后进行阈值变换和尺度等级划分的非线性处理,克服了细密纹理的影响.同时提出了改进的分水岭浸没算法进行标记以获得区域边界信息,在时域上以区域边界的运动信息判定区域的运动性,并联合时空信息建立区域投影运算提取视频序列中的语义运动对象.仿真结果表明,算法提取的运动对象完整准确.     

基于峰值信噪比改进的图像增强算法

在图像增强技术中,现有的图像增强算法在对图像进行增强时,总是伴随着原图像亮度的丢失和过度增强效果。提出一种改进的图像增强算法,该方法解决了传统图像增强过程中造成的过度增强、局部过度不自然、原始图像亮度降质的问题。实验结果证明,基于峰值信噪比的改进的图像增强方法优于现有的算法,并且该算法可以在对图像增强的基础上有效的维持原始图像的亮度。