[发明专利]一种基于自适应多向经验模式分解的图像纹理分解方法

摘要

一种基于自适应多向经验模式分解的图像纹理分解方法：采用自适应多向经验模式分解对源图像I进行多尺度多向分解，获得源图像的内蕴模式函数分量imfj和剩余分量rj，其中j＝1,2,…,n，n为分解得到的内蕴模式函数分量imf的级数。本发明有益效果：采用本发明分解方法分解过程继承了传统经验模式分解的优点，解决了传统经验模式分解算法出现频率混叠问题，对于后续图像处理具有重要意义和实用价值；利用本发明分解方法分解的结果细节清晰，无畸变，最优地分析出图像中的内蕴分量。

主权项

1.一种基于自适应多向经验模式分解的图像纹理分解方法，其特征在于：

采用自适应多向经验模式分解对源图像I进行多尺度多向分解，获得源图像的内蕴模式函数分量imf_j和剩余分量r_j，其中j＝1,2,…,n，n为分解得到的内蕴模式函数分量imf的级数，具体步骤为：

步骤一、初始化：令r₀＝I,j＝1；

步骤二、根据分解层数，进行以下操作：

(a)令h₀＝r_j‑1,i＝1，其中i表示内部第i次筛选，j为分解第j级内蕴模式分量；

(b)更新h_i＝h_i‑1‑m_i‑1,i＝i+1，其中m_i‑1为运用方向滤波器计算的h_i‑1的平均包络；

(c)重复步骤(b)直到h_i的极值数小于3或i＝AI，则s_j＝h_i,imf_j＝h_i,j＝j+1，其中AI为规定的筛选次数；

步骤三、更新r_j＝r_j‑1‑s_j；

步骤四、重复步骤二和步骤三直到r_j的极大值和极小值之和小于3。

2.根据权利要求1所述的一种基于自适应多向经验模式分解的图像纹理分解方法，其特征在于：所述步骤(b)中运用方向滤波器计算h_i‑1的平均包络m_i‑1的方法为：

(1)提取h_i‑1的所有局部极值点，并统计极值点的个数m，计算滤波器窗口其中M和N为输入源h_i‑1的像素大小；

(2)计算窗口为w的八向滤波器组bdf_p，p＝0,1,2…7；

(3)在窗口w下运用Riesz变换得到h_i‑1中所有点的局部方向，得到局部方向点集d_i‑1；

(4)以当前点作为中心点，根据点集d_i‑1中当前点的方向所在方向范围选取方向滤波器bdf；

(5)遍历所有数据点，计算局部方向上极值包络umax_i‑1和下极值包络lmin_i‑1；

(6)遍历所有数据点，根据方向点集d_i‑1选取的方向滤波器bdf平滑上极值包络umax_i‑1和下极值包络lmin_i‑1，得到平滑上包络u_i‑1和下包络l_i‑1；

(7)计算平均包络

3.根据权利要求2所述的一种基于自适应多向经验模式分解的图像纹理分解方法，其特征在于：所述步骤(2)中计算窗口为w下的八向滤波器组的方法为：

(a)计算扇形滤波器

其中ω₁，ω₂的取值为[‑π,π]均匀间隔的w个数，λ影响ff₀(ω₁,ω₂)和ff₁(ω₁,ω₂)的频率响应，λ越大，ff₀(ω₁,ω₂)和ff₁(ω₁,ω₂)越趋近于理性扇形滤波器；

(b)计算棋盘滤波器：

其中

(c)计算平行四边形滤波器：其中k＝0,1,2,3，

(d)计算八向滤波器组：

(e)计算二值八向滤波器组其中p＝0,1,2…7，(ns/2,ns/2)是滤波器的中心点。

4.根据权利要求2所述的一种基于自适应多向经验模式分解的图像纹理分解方法，其特征在于：所述的步骤(5)计算局部方向上极值包络umax_i‑1和下极值包络lmin_i‑1的具体方法为：

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南科技大学，未经河南科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711408087.6/，转载请声明来源钻瓜专利网。