基于经验模态分解提取纹理的图像融合算法

为了提升医学图像融合质量,采用了一种基于2维经验模态分解（BEMD）特征分类和复合型脉冲耦合神经网络的医学图像融合算法。首先将多模医学图像经过BEMD分解成2维内蕴模函数（BIMF）和残差项,然后分别将BIMF层和残差项值输入脉冲耦合神经网络（PCNN）中,得到各自的点火映射图,再将相同点火次数的像素提取归类,点火次数大的对应图像纹理,归为纹理类,其余归为背景类;统计各个纹理类集合中的像素极值确定灰度分布范围,最后将两幅图像中纹理类像素集合处于灰度分布范围的像素通过PCNN进行融合,其它像素通过双通道PCNN进行融合。结果表明,该算法解决了PCNN对偏暗图像的处理效果不理想的问题,与传统融合算法相比,性能具有优势,且能够较大幅度提高融合图像的质量。     

复数二维经验模态分解在SAR目标识别中的应用

提出基于复数二维经验模态分解（C-BEMD）的合成孔径雷达（SAR）图像目标识别。C-BEMD作为传统BEMD的复数域推广,能直接处理原始SAR图像（包含幅度和相位信息）。采用C-BEMD对原始SAR图像进行分解,获得多层次复数内蕴模函数（BIMF）,反映目标时频二维特性。各层次BIMF既有独立描述能力,反映目标不同类型的特征;同时也具有内在关联性,即反映同一目标的固有属性。为此,分类算法基于联合稀疏表示设计,可利用内在关联性约束提高各层次BIMF的表征精度。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件（SOC）和扩展操作条件（EOC）均可保持可靠的识别性能。     

基于二维经验模态分解的高光谱影像去噪方法

高光谱遥感图像同时具有二维空间信息数据和一维光谱信息数据,具有图谱合一的特点且谱间信息具有强烈的相关性,针对高光谱图像的这些特点,提出一种基于二维经验模态分解的高光谱图像降噪方法。该方法利用二维经验模态分解对各波段的高光谱图像分别进行分解,得到不同尺度的固有模态函数;根据含噪声较大的波段和含噪声较小的波段的谱间对应关系计算权系数值,对含噪声较小波段的高频固有模态函数系数进行加权求和,利用加权后的系数值代替含噪声较大的波段的高频固有模态函数系数;利用去噪后的高频系数进行重构得到去噪后的高光谱图像。实验表明,该方法能够对高光谱影像进行有效去噪,同时亦能较好地保留图像细节信息,与经典的小波去噪方法相比,使用该方法去噪后的图像具有更高的峰值信噪比和更好的视觉效果。     

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。     

Multivariate empirical mode decomposition and application to multichannel filtering

Empirical Mode Decomposition (EMD) is an emerging topic in signal processing research, applied in various practical fields due in particular to its data-driven filter bank properties. In this paper, a novel EMD approach called X-EMD (eXtended-EMD) is proposed, which allows for a straightforward decomposition of mono- and multivariate signals without any change in the core of the algorithm. Qualitative results illustrate the good behavior of the proposed algorithm whatever the signal dimension is. Moreover, a comparative study of X-EMD with classical mono- and multivariate methods is presented and shows its competitiveness. Besides, we show that X-EMD extends the filter bank properties enjoyed by monovariate EMD to the case of multivariate EMD. Finally, a practical application on multichannel sleep recording is presented.     

基于二维统计经验模态分解的三维面形测量

提出一种基于二维统计经验模态分解(BSEMD,bidi mensional statistical empirical mode decomposition)的三维面形检测方法。BSEMD在 构造上下包络时不是直接采用插值的方法而是 引入了平滑过程,因此比传统的经验模态分解(EMD)方法有更好的抑噪效果。首先对采集到 的结构光变形条纹进行BSEMD后,去掉背景分量可得到含有被测物体高度信息的基频分量; 然后结 合希尔伯特变换得到调制相位;最后通过相位和高度的映射公式计算出物体的高度。计 算机模拟和实验都验证了本文方法的有效性。     

基于多元EMD方法的遥感图像融合

在原有的EMD算法基础上,利用多元EMD算法对遥感图像进行融合,该算法将图像看做多元变量,并将其投影到相应的方向向量上,从而获得相应的固有模式函数及残余分量。通过遥感全色图像与多光谱图像的融合证明该算法在既保持了光谱信息的同时,又增强了其空间细节。     

基于经验模式分解的Wigner-Ville分布交叉项抑制方法

时频分析作为时变非平稳信号分析的有力工具,成为现代信号处理研究的一个热点.这种分析方法提供了时间域与频率域的联合分布信息,为我们清楚地描述了信号随时间变化的关系.Wigner-Ville分布由于其良好时频集聚性,在非平稳信号分析中得到广泛应用,本文针对Wigner-Ville分布中的交叉项问题,提出了基于经验模式分解的Wigner-Ville分布,即对多分量信号运用经验模式分解,将其分解为单分量信号,再对每个单分量信号求Wigner-Ville分布进行线性叠加.提出运用相关系数法对经验模式分解伪分量进行剔除,提高了该方法的精度,并将该方法与Cohen类方法进行比较,阐述了该方法的优点.     

Hierarchical decomposition based on a variation of empirical mode decomposition

Adaptive methods of signal analysis have proved a very useful tool for analysis of non-stationary signals. This is due to the ability of these methods to adapt to the local structures of the signals being analysed, as these methods are not constrained by a fixed basis. Empirical mode decomposition (EMD) is among the more recent data-adaptive signal decomposition methods, which decomposes a given signal into modes which are hierarchically arranged based on their frequency content. In this paper, we will present a novel adaptive hierarchical decomposition scheme based on a novel modification of EMD, namely empirical mode decomposition-modified peak selection (EMD-MPS). EMD-MPS allows a time-scale-based signal decomposition, thereby allowing control over the decomposition process, not possible in the original EMD algorithm. Using time-scale-based decomposition and the properties of EMD-MPS, a given signal can be decomposed into octave frequency bands, with the centre frequency of the separated modes given by the frequency separation criterion of EMD-MPS. The spectral limits of the separated bands are established, and their relation with the centre frequency derived empirically. The method is validated by its application to simulated and real signals.     

一种经验模式分解下的海杂波小目标检测方法

利用海杂波有效探测海上小目标是目前雷达探测领域的热点问题,具有重要的应用价值。鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥整体平均经验模式分解的优势,将海杂波分解为若干个不同尺度的独立分量。通过研究发现有目标时,分解出的前5个分量与未分解前信号的相关系数明显减小,因此提出了一种新的海杂波背景下的目标检测方法。通过实测和模拟的海杂波数据进行训练和测试,研究结果表明,该方法能有效地实现海杂波下目标的探测,性能优于经典时域下、分数阶傅里叶变换域下以及平均经验模式分解后的广义Hurst指数的目标检测方法。     

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合。该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。     

基于二维经验模态分解的三维面形测量

采用结构光投影的三维面形测量,为了得到包含待 测物体高度信息的基频成分,变形条纹图中通常含有随机噪声和背景信息需要去除。提出一 种基于二维经验模态分解(2D-EMD)的三维面形测量方法。2D-EMD用于去除低频背景分量 并抑制噪声影响,再结合二维希尔伯特变换提取三维面形的相位信息,最后根据相位与高度 的映射关系得到被测物体的三维形貌。2D-EMD采用完全的二维分析方法,考虑了条纹图行 与行之间的相关性,能有效提取任意方向条 纹图中的调制相位。由于不需要像聚合EMD(EEMD)反复添加噪声再分解的去噪过程,缩短了 数据的处理时间。计算机仿真结果表明,与傅里叶变换轮廓术(FTP)相比,较大陡跳误差从 －40mm降到了－1～1mm。实验结果也证明了 本文方法的有效性。     

Estimation of instantaneous frequencies using iterative empirical mode decomposition

A novel instantaneous frequency-based time–frequency representation is proposed for the analysis of multicomponent signals. The concept of frequency translation is innovatively combined with the empirical mode decomposition algorithm to formulate an iterative procedure, referred to as the iterative empirical mode decomposition, to separate the components present in a signal at a suitably selected frequency resolution. The instantaneous frequency and amplitude estimated on the separated components are used to form the new time–frequency representation. The iterative empirical mode decomposition is assessed for component resolvability, and the performance of the aforementioned time–frequency representation is compared with several other time–frequency representations based on visual inspection and using objective criteria. The Hilbert spectrum formed using the iterative empirical mode decomposition not only provides high concentration of energy about the components’ instantaneous frequencies at high signal-to-noise ratio, but also good resolution while keeping the interference terms at a minimum.     

极点均值型经验模式分解及其去噪应用

使用经验模式分解（EMD）对信号进行去噪时,由于EMD 本身会产生模态混叠,往往很难将噪声完全分离。针对这一问题,提出了一种新型的极点均值型EMD 方法,并且给予固有模态函数（IMF）一个新的定义。首先,将相邻极点平均以求得均值包络,然后迭代相减进而获得IMF。最后用原始信号减去分离出的高频IMF 实现去噪。随机信号仿真以及激光雷达回波信号去噪实验表明,该方法与EMD 分解相比,可以更好地将噪声分离,有效地抑制模态混叠,更可以极大地减小均方误差。因此,极点均值型EMD 拥有很好前景。     

基于经验模态分解的激光干涉信号处理

为了去除激光干涉测速系统提取的小波脊的大量高频噪声,提高系统测量精度,采用一种基于经验模态分解的小波脊优化的方法,对高频噪声强度进行了很好的抑制,测量误差为原来未优化误差的42.3%,较大幅度提高了激光干涉测速系统的测量精度.结果表明,该方法对经过时频分析的信号去噪有重要的实用价值.     

极值斜率经验模式分解结合独立分量分析的单通道盲分离

针对单通道盲分离领域先验信息不足的问题,提出了一种基于极值斜率经验模式分解和独立分量分析的单通道盲分离算法。首先通过极值斜率经验模式分解算法以不同尺度逐次分解混合信号的波动和趋势,得到一组固有模态函数。然后将其作为独立分量分析算法的输入信号,从得到的独立分量中萃取出与源信号相似的独立分量,通过重构算法恢复源信号,达到分离目的。实验信号采取仿真信号和实际信号,实验结果表明,该算法不需任何先验信息,鲁棒性强,能较快地得到良好的分离效果。     

Automatic analysis of human posture equilibrium using empirical mode decomposition

The present study proposes a new approach for the assessment of the human balance control. This approach is based on the decomposition of the center of pressure displacement using empirical mode decomposition (EMD) that provides an effective time-frequency analysis of non-stationary signals. Twenty-eight healthy subjects performed quiet standing in four conditions—feet apart/together with respect to eyes open/closed—while recording the stabilometric signals in the anteroposterior (AP) and mediolateral (ML) directions. The EMD method decomposes each stabilometric signal into several subsignals called intrinsic mode functions (IMFs). Stabilogram-diffusion analysis technique is applied to generate the diffusion curve of each IMF signal. Each diffusion curve is modeled as a second-order system and provides representative features, such as the gain parameter. Analysis of the gain parameter shows the major effect of visual input and feet conditions on the strategy to control/stabilize the balance. Significant differences were found between young and elderly, and between women and men. In addition, the impact of feet position seems to be higher in ML direction than in AP direction.     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

经验模式分解用于激光雷达大气回波处理

为了提高激光大气回波处理的时效性,采用了经验模式分解方法,分析了经验模式分解的原理,研究了经验模式分解在激光雷达大气回波信号实时处理中的应用.进行了理论分析与仿真验证,取得了经验模式分解和100次信号平均处理后的结果,并进行了比较.结果表明,经验模式分解处理后的重构信号与100次信号平均结果接近,相关系数为0.99,同时处理时间缩短为1%,可以满足某些情况下的实时处理要求,并且能够抑制回波中一些薄云的干扰.这一结果对激光雷达大气回波信号实时处理是有帮助的.