改进的经验模式分解方法及其在图像边缘检测中的应用.pdf

《改进的经验模式分解方法及其在图像边缘检测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、改进的经验模式分解方法及其在图像边缘检测中的应用Improvementempiricalmodedecompositionmethodanditsapplicationinimageedgedetection郭艳光，程显生GUOYan-guang,CHENGXian-sheng（内蒙古农业大学职业技术学院，包头014109）摘要：边缘检测是图像处理与识别中最基础的内容之一，二维经验模式分解方法（BEMD）在非平稳信号的处理应用中具有很多独特的优点，但一般的算法速度较慢，本文提出了一种基于经验模式分解的改进算法，实验表明，改进后的算法能快速得到较为理想的边缘信

2、息。关键词：边缘检测；经验模式分解（EMD）；模态函数(IMF)中图分类号：TP273　文献标识码：A　文章编号：1009-0134(2010)12(上)-0019-04Doi:10.3969/j.issn.1009-0134.2010.12(上).070引言1EMD原理图像特征提取是图像处理的关键技术之一，一维EMD的基本思想是：选取区域范围，从图像边缘检测涉及图像中研究对象的特征提取，图像中找出信号中每个区域的局部极大值和局部在实际的数字图像处理中，图像的边缘包含了极小值点，对极大值点和极小值点分别进行曲线图像的位置、轮廓等特征，是图像的基本特征之插值，

3、获得信号的上、下包络线，计算平均包络一，好的边缘检测算法对进行更高层次的图像分线，计算原信号与平均包络线的差值，然后利用析、理解等有不可忽视的实用价值和影响。筛选算法把符合模态函数（IMF）的信号分解出传统的边缘检测算子中Roberts算子、Priwitt算来。循环获得频率逐渐降低的多个模态函数。子、Sobel算子、Canny算子等，将边缘点理解为模态函数必须满足：1）数据序列x(t)的极值灰度突变点，通过不同的算子提取。但是，噪声点数目与零点数目之差少于2个，2）上、下包络也是图像灰度变化中的高频成份，检测结果噪声的均值为零。第二个条件较为苛刻，将其用另外

4、较多；Gauss-Laplace和Canny算子较好的实现的标准代替：了图像边缘提取，但不能满足实际中对图像边缘提取的要求；还有小波方法、基于热传递方法、广义模糊算子方法等同样存在漏检边缘、式中hk(t)是IMF分量提取模块中本次循环过模糊等缺陷。程中求得的平均包络，hk-1(t)是上次循环过程中求二维经验模式分解方法在非平稳信号的处理得的平均包络，0……T是平均包络线所包含的时应用中具有很多独特的优点。因此，把经验模式刻。SD值一般在0.2-0.3。分解方法应用到边缘提取中，能提取出具有良好二维EMD分解实现过程：性质和结果的边缘。但经验模式分解最大的缺点

5、1）对所给图像求取曲面局部极值点，包括所是算法的时间复杂度大。本文将详细阐述EMD的有局部极大值和极小值。原理及其实现方法，介绍一种快速经验模式分解2）求取均值包络曲面。极值点选取之后，对方法并将其应用于图像边缘提取，将图像中的边各极大值点和各极小值点分别进行曲面拟合，经缘快速有效的提取出来。插值后得到极大值点曲面包络和极小值点曲面包收稿日期：2010-07-22作者简介：郭艳光（1974-），女，内蒙古赤峰人，讲师，硕士，主要从事图形图像研究和职业技术教育工作。第32卷第12期2010-12(上)【19】络，将两曲面数据求平均得到均值包络曲面。则计算该wi

6、n行win列矩阵平均值avg。如果最大值3）计算原始曲面与均值包络曲面。和最小值的数目不相等，则win=win+2，跳转到24）与一维相似需计算终止条件。步，当win=3+2N时最大值和最小值的数目还不相重复步骤1～3，直到满足给定的终止条件得等，则计算win行win列矩阵平均值avg(i,j)；到第一个模态函数IMF1,用原图像减去第一个模态（4）循环得到图像中每一点的平均值avg(i,j)；函数得到第一个残余（residue），对残余重复步（5）IMF=r(i,j)-avg(i,j)，求出第一个模式函骤1～步骤4，依次得到图像的N个固有模态函数和数IMF

7、；第N个残余。根据此方法对图像进行分解，结果为4）循环得到i个IMF。下图所示：改进的BEMD部分程序：functionimf=ixagewemd1(x,n)[hg,wd]=size(x);%hg高、行数，wd宽、列数imf=[];img_lin=x;thd=2;forcishu=1:n%提取图中的最大值和最小值，win_max=5+2.*(cishu-1);img_avg=0;max_img=0;min_img=0;fori=2:hg-1forj=2:wd-1if((img_lin(i,j)>=img_lin(i-1,j-1))&(img_lin(i,j)

8、>=img_lin(i-1,j))&(img_lin