学位论文 > 优秀研究生学位论文题录展示

基于二维经验模式分解的图像插值算法研究

作　者: 武明超
导　师: 陈建华
学　校: 云南大学
专　业: 电子与通信工程
关键词: 二维经验模式分解内模函数图像插值放大图像纹理特征均方误差
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

经验模式分解(Empirical Mode Decomposition, EMD)能够自适应的对非线性,非平稳的信号进行分解,将一个复杂的信号按照频率的高低分解成几个不同频率的信号的相加。EMD算法成功应用到了一维信号处理的多个领域。二维经验模式分解(Bidimensional Empirical Mode Decomposition, BEMD)是EMD在二维图像信号处理上的拓展。BEMD在地震监测,生物医学,图像纹理分析等多个领域,也都得到很好的效果。BEMD和EMD的原理相似,通过迭代过程将原始图像按照图像像素频率的高低分解成几幅特征图像的相加,这样的特征图像叫做内模函数(Intrinsic Mode Functions, IMF)。图像经过BEMD处理后,得到的第一幅IMF能够很好的显示图像的纹理特征。因此,本文提出了一种新的图像插值方法。首先对图像进行BEMD处理,然后对得到的第一幅IMF,即最高频率的内模函数,查找不同的边缘纹理,并且对其进行相应的插值。本文通过对像素的观察研究,进行了大量的对比试验,得出了较为适合的图像方向检测和基于方向走势的插值方法。对于之后的频率较低的IMF使用双线性插值,最后将IMF插值后得到的图像相加,就得到了对原图像放大的图像。根据上述的理论,经过实验证明,本文所用的算法与传统的图像插值算法相比,不但可以很好的降低均方误差,并且对于视觉最敏感的边缘纹理特征,也能够尽可能的消除阶梯效应,较大程度的还原图像的边缘纹理特征。

全文目录

摘要  3-4
Abstract  4-5
目录  5-7
第一章概述  7-11
  1.1 研究的目的和意义  7
  1.2 图像插值放大的国内外研究现状  7-8
  1.3 论文的主要工作及创新点  8-10
  1.4 论文的章节结构  10-11
第二章二维经验模式分解(BEMD)  11-18
  2.1 经验模式分解(EMD)  11-12
  2.2 二维经验模式分解(BEMD)  12-17
    2.2.1 极值点的选取  14-15
    2.2.2 径向基函数插值  15-17
  2.3 本章总结  17-18
第三章内模函数方向查找及基于边缘方向的图像插值  18-46
  3.1 内模函数(IMF)提取图像纹理特征的可行性  18-21
  3.2 对内模函数的方向查找及基于方向的图像插值  21-43
    3.2.1 方向查找  21-30
    3.2.2 沿方向的插值  30-43
  3.3 本章总结  43-46
第四章算法的实现及结果对比  46-52
  4.1 算法的实现  46-48
  4.2 与传统图像插值放大方法的对比  48-50
    4.2.1 视觉上的效果对比  48-50
    4.2.2 均方误差(MSE)的对比  50
  4.3 本章总结  50-52
第五章全文总结及算法展望  52-54
  5.1 全文总结  52
  5.2 算法展望  52-54
参考文献  54-57
致谢  57

基于二维经验模式分解的图像插值算法研究

内容摘要

全文目录

相似论文