[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

摘要

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，本发明为解决现有二维经验模态分解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。本发明采用多变量灰色模型对给定图像进行边界延拓，再对延拓后的图像进行传统的二维经验模态分解，得到延拓的二维本征模态函数和残差，提取与原图像对应位置的二维本征模态函数和残差，作为最终分解结果。本发明充分发挥了灰色理论所需数据量少、短期预测精度高、计算速度快、对原始数据分布无特殊要求的优势，易于实现与推广应用。

主权项

1.一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，其特征在于，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；步骤四、从B＝{B₁，B₂，...，B_l}中随机选取一个小块B_random，random＝1，2，...，l，令B₀＝B_random，B₀作为预填充块；步骤五、以预填充块B₀边界值为多变量灰色模型MGM(1，3)的输入值，预测出预填充块B₀内部各点的像素值，并计算预测误差步骤六、判断预测误差是否小于误差阈值ε₂，误差阈值ε₂＝0.1～0.4，如果是，执行步骤七；否则，令B₀＝B_random，并执行步骤七；步骤七、计算预填充块B₀与迭代图像IM_process(x，y)中待填充区域重叠位置的误差面S，以最小误差路径来缝合预填充块B₀与待填充区域边界，并将预填充块B₀内部各点拼贴到相应的待填充区域，然后返回步骤二；步骤八、令IM_extended(x，y)＝IM_process(x，y)，其中，IM_extended(x，y)为最终延拓图像；步骤九、对最终延拓图像IM_extended(x，y)进行的二维经验模态分解，得到I个延拓了的二维本征模态分量和一个残差r_extended，I个延拓了的二维本征模态分量和一个残差r_extended的尺寸都是(P+2Q)×(P+2Q)；步骤十、提取I个延拓了的二维本征模态分量和一个残差r_extended图像正中间P×P的块作为原始图像IM_original(x，y)的图像特征，即I个延拓了的二维本征模态分量正中间的P×P的块作为原始图像IM_original(x，y)的二维本征模态分量：BIMFⁱ；残差r_extended图像正中间P×P的块作为原始图像IM_original(x，y)的残差r。