[发明专利]一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法

说明书

技术领域

本发明涉及一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，属于图像处理领域。

背景技术

近年来，非线性非平稳数据分析方法在信号处理领域得到了广泛关注。由诺顿·黄等人在1998年提出的经验模态分解(Empirical Mode Decomposition，EMD)，以其强大的信号处理能力而成为继Fourier变换、小波变换、Wigner-Ville变换等方法之后，又一新的研究热点。2003年，Nunes等人将EMD扩展到二维情形，提出了二维经验模态分解(Bi-dimensional Empirical Mode Decomposition，BEMD)，将给定图像分解为有限个频率由高到低的二维本征模态函数(Bi-dimensional Intrinsic Mode Function，BIMF)以及一个趋势图像的和。BIMF满足两个约束条件：1)极大值点都为正，极小值点都为负(没有骑波)，且极大值点和极小值点的个数大体相等；2)上、下包络面的局部均值为零。

作为一种新兴的图像处理技术，BEMD一经提出便得到了广泛的应用，如图像压缩、纹理分析、图像融合等。同时也存在一系列公开问题，而端点效应是BEMD面临的重大挑战之一。在BEMD迭代过程中，当以极值点为节点做二维样条插值构造上、下包络面时，无法确保边界附近存在极值点(即使存在，也可能很稀疏)，这就导致由插值方法计算得到的包络面可能无法覆盖整个图像区域，使得包络面在端点处的插值精度很差，容易发生“过冲”或“欠冲”现象。更为严重的是，随着迭代次数的增加，这种“过冲”或“欠冲”现象会“扩散”到图像内部，而对整幅图像都造成“污染”，导致分解结果严重失真。

BEMD的端点效应阻碍了其在工程领域的进一步应用，虽然很多研究者已经认识到了该问题的严重性，但目前尚无一套完整公认的解决办法，这更加促使端点效应成为BEMD亟待解决的问题。已有的端点效应抑制算法不多，主要是基于镜像延拓的方法和基于纹理合成的延拓方法。其中，镜像延拓方法将最靠近图像边界的N行(或列)像素对称地映射到图像外部，然后对延拓后的图像进行传统的BEMD，得到一些延拓的二维本征模态函数BIMFs和一个延拓残差，最后提取出与原始图像对应的BIMFs和最终残差作为分解结果；基于纹理合成的延拓算法则以一种非采样的纹理合成方法一圈圈地将原始图像向外扩展，接下来也是对扩展的图像作BEMD，得到扩展的BIMFs和残差，最后提取出对应的BIMFs和残差作为最终结果。以上两种方法都有各自的缺点，前者速度较快，但精度偏低；后者精度适中，但速度较慢。

发明内容

本发明目的是为了解决现有二维经验模态分解(Bi-dimensional Empirical Mode Decomposition，BEMD)方法受端点效应影响而无法有效提取图像本征信息的问题，提供了一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法。

本发明所述一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，该方法包括以下步骤：

步骤一、将原始图像IM_original(x，y)进行延拓迭代，初始化

IM_process(x，y)＝IM_original(x，y)，

其中，原始图像IM_original(x，y)的大小为P×P，

IM_process(x，y)为迭代过程中生成的迭代图像；

步骤二、判断迭代图像IM_process(x，y)是否已经被延拓成(P+2Q)×(P+2Q)的图像，如果是，执行步骤八；否则，执行步骤三；

步骤三、以光栅扫描的方式查看整个原始图像IM_original(x，y)，计算出待填充小块边界与原始图像IM_original(x，y)中小块边界之间的误差，并在容错误差为ε₁的范围内，从原始图像IM_original(x，y)中搜索出l个大小为T×T的小块B＝{B₁，B₂，...，B_l}，

其中，容错误差ε₁＝0.05～0.2，T＜Q；