关键基于二维小波变换的图像矢量分解消噪方法

介绍了MATLAB二维小波工具箱在含噪图像预处理中的应用,并提出了一种基于二维小波变换的图像消噪的矢量分解方法。仿真结果表明,该矢量分解消噪方法确实可行,达到了理想的效果。     

一种改进型经验模态分解及其在信号消噪中的应用

针对非线性非平稳信号的消噪问题, 基于经验模态分解提出一种模态单元滤波新方法. 该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元, 并以之作为基本分析对象, 通过对模态单元振幅的阈值处理来判断模态单元的类型, 进而建立模态单元滤波模型. 分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律, 并建立了一种用于高斯消噪的阈值选取规则. 为验证本文方法的有效性, 进行了数字仿真与实例应用实验. 仿真和实验结果均表明, 所提方法的消噪效果整体上优于最优小波阈值消噪方法, 同时模态单元滤波消噪算法具有自适应性, 是一种有效的信号消噪新方法.     

基于快速二维经验模态分解的纹理分割

经验模态分解是一种数据驱动的信号分解方法,具有局部性和瞬时性等特性,非常适合非稳态非线性信号分析.提出了一种新的快速二维经验模态分解方法,在新方法中,采用了新的边界抑制算法,改进了经验模态分解算法的筛选条件.将该方法应用于纹理分割,取得了满意的实验效果.     

基于二次二维经验模态分解去噪的湍流退化图像复原算法

为实现大气湍流环境下的高质量成像,将自适应光学波前探测技术与数字图像处理技术相结合,并提出了一种基于二次二维经验模态分解去噪的湍流退化图像复原算法。通过在光学系统中使用哈特曼—夏克波前传感器探测波前信息,进而计算光学系统点扩散函数;然后使用改进的二次二维经验模态分解算法进行图像去噪,最后利用R-L算法实现对湍流退化图像的复原。通过搭建光学实验系统,对实际拍摄的湍流退化图像进行了复原实验。结果表明,该算法能够有效减弱噪声放大现象,得到更加稳定的高质量大气湍流退化图像复原结果。     

二维经验模态分解边界效应抑制研究

二维经验模态分解中边界效应抑制是一个关键问题,现有方法主要讨论一维信号端点效应抑制,基本思想是信号延拓,不适合对二维信号进行边界效应抑制。提出一种二维图像边界效应抑制方法,该方法根据对称性、局部性原理和牛顿插值理论,对边界点进行插值,获取部分边界极值,采用这些极值对边界进行线性插值获取图像每个边界像素点的极大值和极小值。把这种边界效应抑制方法应用到二维经验模态分解中收到了较好的实验效果。     

一种改进的经验模态分解方法

针对经验模态分解中存在的端点效应及模态混叠现象,提出一种新的改进方法。利用镜像延拓方法对信号两端数据进行延拓后,结合余弦窗函数以解决端点效应对分解结果的影响,再利用高频谐波法结合掩膜信号法抑制EMD分解过程中存在的模态混叠。通过实验对比验证了该方法的有效可行性。     

基于EEMD与改进提升小波的脑电信号消噪方法

为消除混杂在脑电信号中的噪声,提出一种总体平均经验模态分解(EEMD)与改进提升小波相结合的脑电信号消噪方法。利用EEMD算法将含噪脑电信号分解为若干个内蕴模式函数(IMF)分量,通过自相关函数特性法提取出由噪声主导的高频IMF分量,并运用改进提升小波进行消噪处理,将保留的低频IMF分量与消噪后的高频IMF分量进行叠加,从而得到消噪后的脑电信号。实验结果表明,与传统提升小波消噪方法以及改进的提升小波消噪方法相比,该方法的信噪比较高,均方根误差较低。     

二维经验模态分解域的新型HMT模型图像去噪

二维经验模态分解(Bidimensional Empirical Mode Decompositio,BEMD)是一种优秀的多尺度几何分析工具,特别适用于非线性、非平稳信号的分析处理。以BEMD与新型隐马尔可夫树(Hidden Markov Tree,HMT)模型理论为基础,提出了一种基于BEMD的新型HMT模型的图像去噪算法。该算法的基本思想是,首先对含噪图像进行BEMD变换,然后采用新型HMT模型对BEMD系数进行建模,并通过期望最大(EM)算法对图像BEMD的HMT模型参数进行估计,最后对训练后的BEMD系数进行逆变换,以获得去噪图像。仿真实验结果表明,该算法不仅拥有较强的抑制噪声能力,而且具有较好的边缘保护能力,其整体性能优于现有HMT图像去噪方案。     

基于偏微分方程的快速二维经验模态分解方法及其应用

针对现有的二维经验模态分解(BEMD)方法存在边界效应、分解速度慢等缺点,提出一种基于偏微分方程(PDE)的快速二维经验模态分解方法——PDE-BEMD.首先构造极值点所在二维包络曲面所满足的四阶偏微分方程,通过差分迭代方法快速求解偏微分方程,得到图像的上下包络曲面;然后对图像进行筛分,得到固有模态函数图像(IMFs),实现图像的模态分解.将分解得到的图像应用于边缘检测和人脸识别预处理算法中的实验结果表明,PDE-BEMD方法不仅可有效地降低时间和空间的复杂度、提高运算速度,而且避免了BEMD的边界效应,分解出具有清晰边缘信息的IMFs,且剩余图像不会被模糊,具有良好的边缘提取与去噪效果.     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

基于EMD-CLEAN的图像去噪方法

噪声的存在会影响对图像中有用信息的提取。针对经验模态分解(Empirical Mode Decomposition, EMD)方法噪声抑制后图像质量下降的问题,提出了一种基于EMD-CLEAN的图像去噪方法。首先利用EMD对含噪图像进行分析,将其自动分解为一系列本征模函数(Intrinsic Mode Function...     

基于心动周期和经验模式分解的心电信号去噪处理

针对现有心电信号（Electrocardiogram,ECG）去噪方法难以精准剥离与之频带重叠的肌电干扰并无损提取到“干净”ECG的问题,提出了利用心动周期和经验模式分解对含噪ECG进行去噪处理。本文方法首先对含噪ECG进行经验模式分解,然后利用心动周期判断固有模态函数分量属于噪声还是有用信号,最后将有用信号的固有模态函数分量重构ECG。为验证本文去噪方法,首先采用ECG动力学仿真模型评估本文方法在不同参数噪声下的去噪效果;其次选取MIT-BIH数据库中的基线漂移信号bw,肌电干扰信号ma和105号、107号、123号ECG分别构建3组真实含噪ECG进行实验。评估与实验结果均表明本文方法可以简单、有效地同时去除ECG中的肌电干扰和基线漂移,去噪效果优于普通经验法。     

Pores-Preserving Face Cleaning Based on Improved Empirical Mode Decomposition

In this paper,we propose a novel method of cleaning up facial imperfections such as bumps and blemishes that may detract from a pleasing digital portrait.Contrasting with traditional methods which tend to blur facial details, our method fully retains fine scale skin textures(pores etc.) of the subject.Our key idea is to find a quantity,namely normalized local energy,to capture different characteristics of fine scale details and distractions,based on empirical mode decomposition,and then build a quantitat...     

基于二维经验模式分解的图像去噪

通过二维经验模式分解(BEMD),可将被噪声污染的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.实验结果表明该方法对去除高斯白噪声、乘性噪声具有较好的效果,峰值信噪比(PSNR)得到明显提高.     

一种快速的二维经验模式分解算法

作为分析非线性、非平稳信号的有效方法,经验模式分解将原始信号解析成不同时间尺度下的平稳的数据分量及趋势项集合.将其应用到图像处理领域,图像可以被分解成一系列的图像细节信息及趋势信息.这种层次式的图像表示形式,使得图像在融合、边缘检测、滤波及纹理分析等方面产生更优的结果.提出一种邻域限制顺序统计滤波器的快速自适应二维经验模式分解算法.算法在时域内对每次分解的最大邻域进行了限制,首先在最大邻域内计算出局部极大值点集和局部极小值点集,然后对局部极值点集采用基于顺序统计滤波器的包络估计算法来计算信号的上下包络.实验结果证明,本文算法具有较快的分解速度,有效的防止了灰度斑在分解结果中出现,同时具有较强的信号细节保持能力.     

一种改进的小波阈值图像去噪方法

分析小波阚值去噪特点,针对软、硬阈值去噪存在伪吉布斯和边界模糊现象,提出一种改进的阈值函数和阈值估计方法,该阈值函数具有连续可导且偏差可变的特性,新的阈值估计方法具有较好的自适应性.实验结果表明,该方法可以有效地去除白噪声干扰,无论从视觉效果上还是信噪比上,都优于软、硬阈值去噪方法.     

基于经验模态分解和小波分析的靶船外弹道测量数据去噪方法

针对舰船外弹道测量数据误差性质复杂,表现为非平稳信号,难以用模型准确进行描述的问题,提出基于经验模态分解和小波去噪的靶船外弹道测量数据处理方法。首先对测量数据进行经验模态分解,得到测量数据不同频率的本征模函数,接着采用小波间值去噪原理对含有噪声的高频本征模函数去噪,最后将经过去噪的本征模函数与剩下的没有经过去噪的本征模函数和趋势项相加,重构去噪后的靶船测量数据。经实验数据分析,本方法在很大程度上克服了小波阈值降噪的缺陷,保留了高频分量中包含的有用信息,是分析非平稳、多频段的靶船外弹道测量的有效方法。     

基于高阶导数改进的经验模态分解算法

经验模态分解(Empirical mode decomposition,EMD)自提出以来已广泛用于信号检测与处理,但其存在很多的缺陷,如频率混叠现象等.为了减轻混叠现象,提取真实的频率成分,本文分析了信号及其一阶导数和二阶导数的关系,作出一种用信号二阶导数的极值点处的信号值取代原EMD算法中的信号极值点进行三次样条插值的方法,其余计算流程不变,仍采用镜像拓延法改善端点效应.仿真结果与原EMD计算结果对比表明,基于信号二阶导数改进的算法能准确分解出信号中幅值分量表现不明显的高频信号,具有实用价值.