一种新的BEMD筛分停止准则

为优化二维经验模态分解(Bidimensional empirical mode decomposition,BEMD)算法,提出了根据空间位置信息的稳定性制定BEMD筛分停止准则的思想;明确了一维经验模态分解和二维经验模态分解在筛分停止需求上的本质区别.均值曲面的物理状态预示了待筛分曲面极值点数量和分布变化规律,基于此制定出一种BEMD筛分停止准则.实验表明,该准则较传统的停止准则有明显优势.     

一种基于多尺度极值的快速自适应二维经验模式分解方法

现有的二维经验模式分解(Bidimensional empirical mode decomposition, BEMD)算法在极值点查找、内蕴模式筛选和迭代过程中效率低、自适应性有待进一步提高,因此本文提出了一种基于多尺度极值的二维信号经验模式分解方法。首先给出二维多尺度极值二叉树结构的概念和建立方法,进而引出一个新的分解层数和滤波窗口大小的自适应确定原则,由此形成了改进的快速自适应二维经验模式分解方法。对自然图像和合成纹理图像分解的实验结果表明：与现有的快速自适应二维经验模式分解方法相比较,新方法的自适应性和效率都有明显提升。     

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.     

基于改进的BEMD的红外与可见光图像融合方法

将红外图像与可见光图像融合在一起,可增强视觉效果,使人产生更完整的场景感知。基于二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)的图像融合方法运行时间较长,因此,文中提出了一种基于改进的二维经验模态分解的红外与可见光图像快速自适应融合方法,采用顺序统计滤波器和高斯滤波器直接生成均值包络曲面,从而加速图像的分解过程。首先,将可见光图像转化到HIS(Hue-Intensity-Saturation)颜色空间;然后,用改进的BEMD对强度分量I和红外图像进行分解,生成高频分量和低频分量,高频分量和低频分量分别采用自适应局部加权融合规则和算术平均融合规则;最后,将强度分量I与红外图像的融合结果图经过逆HIS变换到RGB颜色空间,从而得到融合图像。仿真实验表明,该融合算法不仅运行速度快,而且融合效果最佳,最大程度地保留了红外图像的边缘细节特征和可见光图像的光谱信息。     

一种改进的二维经验模态分解图像消噪方法

在含噪图像的二维经验模态分解(BEMD)的基础上,从图像BEMD分解系数的统计特性出发,构造图像BEMD系数的概率密度函数模型,提出了一种基于相邻尺度间BEMD系数相关性的图像消噪方法,消噪的过程中同时考虑本层BEMD系数特性以及其父层BEMD系数的值.从而能更好地消除噪声,同时更有效地保留图像边缘、纹理等细节信息.实验结果表明,与经典的小波阈值消噪和BEMD阈值消噪算法相比,经本文方法消噪后图像质量有较好的提高,具有更低的均方误差和更高的峰值信噪比.     

基于BEMD和自适应阈值的多尺度边缘检测

利用了一种称为经验模式分解(Empirical Mode Decomposition,EMD)的技术,在多尺度下对图像进行分解,得到了多尺度信息并结合自适应阈值提取不同尺度下的边缘.将此技术应用于图像过滤和边缘检测中,发展了一种基于二维经验模式分解(BEMD)的算法,在多尺度下或空间频率中提取信号特征.这些特征,称为内蕴模函数,可通过一个过滤过程得到.在二维过滤过程中,利用形态学算子来检测区域极大值并通过径向基函数(RBFs)进行曲面插值运算,然后利用边缘信息的多尺度特征合成多尺度边缘,得到了单像素宽边缘.通过计算机仿真实验,结果表明这种方法不仅能准确地检测出图像边缘,而且还有效地抑制了噪声,这种算法的性能优于传统的边缘检测算法.     

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.     

BEMD分解和W变换相结合的红外与可见光图像融合

目的 针对传统的基于多尺度变换的图像融合算法的不足,提出了一种基于W变换和2维经验模态分解（BEMD）的红外与可见光图像融合算法。方法 首先,为了更有效地提取图像的高频信息,抑制BEMD中存在的模态混叠现象,提出了一种基于W变换和BEMD的新的多尺度分解算法（简称W-BEMD）;然后,利用W-BEMD对源图像进行塔式分解,获得图像的高频分量WIMFs和残差分量WR;接着,对源图像对应的WIMFs分量和WR分量分别采用基于局部区域方差选择与加权和基于局部区域能量选择与加权的融合规则进行融合,得到融合图像的W-BEMD分解;最后,通过W-BEMD逆变换得到最终融合图像。W-BEMD分解算法的主要思想是通过W变换递归地将BEMD分解过程中每层所得低频分量中滞留的高频成分提取出来并叠加到相应的高频分量中,实现更有效的图像多尺度分解。结果 对比实验结果表明,本文方法得到的融合图像视觉效果更佳,既有突出的红外目标,又有清晰的可见光背景细节,而且在平均梯度（AG）、空间频率（SF）、互信息（MI）3个客观评价指标上也有显著优势。结论 本文提出了一种新的红外与可见光图像融合算法,实验结果表明,该算法具有较好的融合效果,在保留可见光图像中的细节信息和突出红外图像中的目标信息方面更加有效。     

二维EMD的指纹边缘检测算法

针对干扰情况下指纹图像边缘提取准确性较差的问题,基于指纹特殊的纹理特征,设计了一种基于二维经验模式分解（ BEMD）的指纹边缘检测算法。首先通过BEMD将指纹图像分解成具有不同特征尺度的、从高频到低频分布的固有模态函数（ IMF）分量和一个残余分量,鉴于高频分量既能有效抑制非对称扰动干扰,又能较好地保留指纹图像的细节特征,接下来取高频IMF分量作为处理对象,通过对获得的IMF分量进行二值化、细化处理,得到指纹边缘检测结果。与传统的边缘检测算法相比,获得的指纹纹线清晰度得到了有效改善,较好保留了指纹的细节特征。     

基于BEMD的图像去噪

通过研究图像信号去噪的原理和过程,提出一种基于BEMD的图像去噪算法.首先利用BEMD方法对图像信号进行分解,然后对分解结果的频谱特性进行选择性的去噪.针对噪声和图像信号混叠,采用一种选取的阀值优于软阀值或者硬阀值的方法.去噪结果能充分保留图像信号本身所固有的非平稳特征,并具有自适应强和灵活、有效的特点.实验证明,该算法是一种比小波去噪法更有效的图像信号去噪方法.     

基于局部积分均值的经验模态分解改进算法

端点效应和模态混叠现象是经验模态分解算法应用中存在的主要问题。在介绍标准经验模态分解算法的基础上,阐述了基于局部积分均值经验模态分解算法的基本原理,提出自适应的端点局部积分均值拟合线的拟合方法。改进算法通过距离相关度函数在待分解信号内部寻找与端点处信号变化趋势相关度最高的一段波形,并用此段波形的局部积分均值拟合线来重新刻画端点处的局部积分均值拟合线,将修正后的局部积分均值拟合线应用于EMD算法筛选过程中。仿真实验结果表明,改进算法有效抑制了模态混叠和端点效应现象,提高了分解的精度和可靠性。     

基于BEMD的染噪混沌时间序列预测方法

基于经验模态分解(EMD)方法对染噪混沌时间序列进行预测时,模态混叠会降低预测精度和最大可预测时间.针对这一问题,将复数据经验模态分解(BEMD)引入到染噪混沌时间序列的预测,在BEMD过程中以高斯白噪声分解的内禀模态函数(IMF)为基函数来驱动染噪混沌信号的分解,从而减小模态混叠对混沌预测的影响.Lorenz混沌时间序列和Henon混沌时间序列的预测实例表明,本方法相对于EMD方法在预测精度和最大可预测时间上都有一定程度的提高.     

基于改进BEMD和灰度级共生模型的纹理分析

该文提出了一种基于BEMD和灰度共生模型的纹理分析。EMD是针对非线性和非平稳数据的分析而提出的新方法[1]。Nunes[2]等人将一维EMD思想应用于二维图像处理中,提出了BEMD。尝试改进了这种分解方法。通过插入径向基函数寻找极值点,修改了原始筛选方法通过插入共生矩阵得到的标准进行纹理分解。     

Image denoising based on improved bidimensional empirical mode decomposition thresholding technology

In this paper, a novel image denoising methodology based on improved bidimensional empirical mode decomposition and soft interval thresholding technique is proposed. First, a noise compressed image is constructed. Then, the noise compressed image is decomposed by means of bidimensional empirical mode decomposition (BEMD) into a series of intrinsic mode functions (IMFs), which are separated into signal-dominant IMFs and noise-dominant IMFs using a similarity measure based on ?2-norm and a probability density function, and a soft interval thresholding technique is used adaptively to remove the noise inherent in noise-dominant IMFs. Finally, a denoised image is reconstructed by combining the signal-dominant IMFs and the denoised noise-dominant IMFs. The performance of the proposed denoising method is evaluated by using multiple images with different types of noise, and results from the proposed method are compared with those of other conventional methods in various noisy environments. Simulation results demonstrate that the proposed denoising method outperforms other denoising methods in terms of peak signal-to-noise ratio, mean square error and energy of the first IMF.

     

Directional EMD and its application to texture segmentation

Image processing has been a subject with systematic theory and extensive applica-tions including video processing, medical image processing, remote sensing image processing and the techniques attracting attention recently such as biometrics and visual surveillance, etc. Since multi-scale is one of the main features of natural images, there have been a series of methods for representing the quality of images such as multi-scale technique based on diffusion equation[1], that based on morphologica…     

经验模式分解与Hilbert谱的分析及应用

为了验证经验模式分解与Hilbert谱分析的有效性,首先,引出它的概念,指出它在时频变换领域的优点;然后,对其进行了详细阐述,包括瞬时频率求解、经验模式分解过程及Hilbert谱绘制;接着,提出了经验模式分解过程中边缘处理和内在模准则确定问题,并给出了解决方法;最后,用Duffing方程平均频率验证和压电智能结构中压电片局部脱胶试验2个实例对该方法进行了理论和试验验证,结果表明:经验模式分解与Hilbert谱是一种有效的时频信号分析方法。     

Chaotic image encryption based on bidimensional empirical mode decomposition and double random phase encoding

In this paper, to enhance the security of double random phase encoding (DRPE), Lorenz system and bidimensional empirical mode decomposition (BEMD) are introduced into an image encryption process. By means of BEMD, the original grayscale image is decomposed into three sub-images, then they are diffused and confused by using the pseudorandom sequences generated by Lorenz system. At last, the three result images are encoded by using DRPE, we obtain the color ciphered image. Thorough experimental tests are carried out with detailed analysis, demonstrating the feasibility and high security of the new scheme.

     

Texture analysis based on local analysis of the Bidimensional Empirical Mode Decomposition

The main contribution of our approach is to apply the Hilbert-Huang Transform (which consists of two parts: (a) Empirical Mode Decomposition (EMD), and (b) the Hilbert spectral analysis) to texture analysis. The EMD is locally adaptive and suitable for analysis of non-linear or non-stationary processes. This one-dimensional decomposition technique extracts a finite number of oscillatory components or well-behaved AM-FM functions, called Intrinsic Mode Function (IMF), directly from the data. Firstly, we extend the EMD to 2D-data (i.e. images), the so called bidimensional EMD (BEMD), the process being called 2D-sifting process. The 2D-sifting process is performed in two steps: extrema detection by neighboring window or morphological operators and surface interpolation by radial basis functions or multigrid B-splines. Secondly, we analyse each 2D-IMF obtained by BEMD by studying local properties (amplitude, phase, isotropy and orientation) extracted from the monogenic signal of each one of them. The monogenic signal is a 2D-generalization of the analytic signal, where the Riesz Transform replaces the Hilbert Transform. The performance of this texture analysis method, using the BEMD and Riesz Transform, is demonstrated with both synthetic and natural images.Received: 6 November 2002, Accepted: 15 November 2004, Published online: 25 February 2005     

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。     

A two‐dimensional empirical mode decomposition method with application for fusing panchromatic and multispectral satellite images

Remote sensing technologies are one of the major research topics in fusing multisource data and generating high‐quality satellite images. In this paper, a new two‐dimensional empirical mode decomposition (EMD) method is presented and used to fuse high‐resolution panchromatic and multispectral images. First, the new two‐dimensional EMD technique, which includes determining the ending criterion of the sifting procedure, the method of boundary effect resolving and seeking extrema, is presented. Then, based on the proposed two‐dimensional EMD, an image fusion method for high‐resolution panchromatic and multispectral images is proposed. Finally, two experiments were conducted to verify the performance of the proposed method. The experimental results demonstrate that the new method is effective and promising in terms of both visual effect and quantitative analysis.