学位论文 > 优秀研究生学位论文题录展示

二维经验模式分解（BEMD）在图像处理中的应用

作　者: 周欣
导　师: 周建中；李衷怡
学　校: 华中科技大学
专　业: 系统分析与集成
关键词: 经验模式分解二维多尺度图像分解图像降噪
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 355次
引　用: 6次
阅　读: 论文下载

内容摘要

经验模式分解(EMD)方法是1998年Huang提出的一种新的信号处理方法,在非平稳信号分析方面有良好的性能。该方法能将复杂的非平稳信号分解成若干具有不同特征尺度的平稳的数据分量与趋势项的叠加,具有自适应性,适于处理非平稳信息。鉴于EMD方法在一维信号处理方面获得的巨大成功,国内外学者将它推广到二维,提出了二维经验模式分解(BEMD)方法,并应用于二维信号处理。由于二维信号的复杂性,一般的BEMD方法还存在许多问题有待研究。首先详细论述了一维经验模式分解和二维经验模式分解的模型和原理。然后给出了二维经验模式分解方法的实现流程。并详细介绍了筛选过程中利用数学形态学方法选取图像局部极值点,平面散乱点集delaunay三角剖分以及通过BB样条插值法求包络曲面等关键技术。另外,根据内禀模式函数的定义提出了一种新的结束条件判别方法,提高了分解速度。将二维经验模式分解(BEMD)方法应用于图像处理,可将图像分解为一系列细节信息和趋势信息。由图像的趋势信息重建图像,可达到去除图像噪声的目的。实验结果表明,与均值滤波、中值滤波和维纳滤波相比,该方法对去除乘性噪声具有较优的效果,图像峰值信噪比(PSNR)得到明显地提高。

全文目录

摘要  4-5
ABSTRACT  5-8
1 绪论  8-13
  1.1 课题研究的背景意义  8-9
  1.2 国内外相关研究概况  9-11
  1.3 研究内容及论文结构  11-13
2 经验模式分解（EMD）方法原理及其二维扩展  13-26
  2.1 引言  13-14
  2.2 EMD 方法原理  14-21
    2.2.1 瞬时频率  14-15
    2.2.2 内禀模式函数（IMF，Intrinsic Mode Function）  15-16
    2.2.3 EMD 方法分解过程  16-20
    2.2.4 希尔伯特（Hilbert）频谱分析  20-21
  2.3 EMD 信号分解实例  21-22
  2.4 二维经验模式分解(BEMD)方法模型及原理  22-24
  2.5 本章小结  24-26
3 二维经验模式分解(BEMD)方法实现  26-41
  3.1 分解流程  26-29
  3.2 局部极值点的选取  29-33
    3.2.1 形态学方法理论基础  29-31
    3.2.2 形态学方法选取极值点  31-33
  3.3 插值曲面的构造  33-39
    3.3.1 平面散乱点集的三角剖分  34-36
    3.3.2 基于三角网格的曲面插值  36-39
  3.4 边界问题的处理  39-40
  3.5 本章小结  40-41
4 BEMD 图像分解应用  41-47
  4.1 图像分解实例  41-43
  4.2 图像降噪实例  43-47
5 结论与展望  47-49
致谢  49-50
参考文献  50-53
附录1 攻读学位期间发表的论文目录  53

二维经验模式分解（BEMD）在图像处理中的应用

内容摘要

全文目录

相似论文