多通道图像信号EMD方法及其应用

经验模态分解论文 多通道图像论文
论文详情
经验模态分解(Empirical Mode Decomposition,EMD)是一种用于处理非线性非平稳信号的方法,被认为是信号处理领域的一个重要革新,已成为信号分析与处理领域的研究热点。该方法能够摆脱Fourier分析、短时Fourier分析以及小波分析等传统时频分析方法本质上对平稳数据处理方法的依赖和模仿,不再依赖具体的基函数,已经在地质数据、气象数据、海洋数据、电力数据等信号分析和处理领域中得到了广泛应用。由于EMD方法在一维信号分析和处理方面的突出表现,学者们纷纷尝试将其推广到二维单通道或者多通道图像信号的分析和处理中。然而,现有的EMD方法在对多个通道图像组成的多通道图像信号(如彩色图像)的分解和处理中,通常针对每个通道图像单独进行处理,忽略了各通道图像之间的相关性,导致不同通道图像通过EMD方法分解所得的IMF个数不统一,不能得到反映图像整体变化趋势的余量。本文针对该问题进行了研究,取得的主要成果如下:(1)提出了一种新颖的多通道图像EMD方法。方法采用双拉普拉斯算子插值计算多通道图像的上下包络,并通过建立考虑各通道图像相关性的整体筛分停止准则进行筛分,使信号能够自适应地分解为数目不多的内蕴模态函数分量和一个余量,其中内蕴模态函数分量体现了原始图像不同尺度的特征信息,余量体现了图像的整体变化趋势。通过本文方法和其他一些EMD方法的多通道图像分解实验比较结果说明了该方法的有效性。(2)提出了一种基于多通道图像EMD方法的图像处理框架,能够进行图像锐化、夜景图像增强、图像融合和图像色彩编辑的应用。该框架利用本文提出的基于双拉普拉斯算子的多通道图像EMD方法,将多通道图像分解为若干个描述图像不同尺度特征的内蕴模态函数图像和一个余量,通过对它们进行不同的处理,能够增强图像不同尺度的特征,提高夜景图像的质量,得到不同聚焦图像的融合图像,也能编辑生成一些新的有意义的彩色图像。通过本文方法和其他一些图像处理方法的实验比较结果说明了该方法的潜力。
摘要第6-7页
Abstract第7-8页
第1章 绪论第11-15页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-14页
    1.3 本文内容安排第14-15页
第2章 EMD基础知识第15-21页
    2.1 一维EMD方法第15-18页
        2.1.1 时间特征尺度第15-16页
        2.1.2 瞬时频率第16页
        2.1.3 内蕴模态函数第16-17页
        2.1.4 一维EMD方法筛分过程第17-18页
    2.2 二维EMD方法第18-20页
        2.2.1 BEMD方法筛分过程第19页
        2.2.2 BEMD方法的关键问题第19-20页
    2.3 本章小结第20-21页
第3章 多通道图像EMD方法第21-27页
    3.1 极值点定义第21-22页
    3.2 基于双拉普拉斯算子的图像包络计算第22-23页
    3.3 筛分停止准则第23页
    3.4 多通道图像EMD方法步骤第23-24页
    3.5 实验结果第24-26页
    3.6 本章小结第26-27页
第4章 多通道图像EMD方法的应用第27-39页
    4.1 图像锐化第27-30页
    4.2 夜景图像增强第30-33页
    4.3 图像融合第33-36页
    4.4 色彩编辑第36-38页
    4.5 本章小结第38-39页
结论第39-41页
参考文献第41-45页
攻读硕士学位期间发表的论文第45-46页
致谢第46页
论文购买
论文编号ABS4359210,这篇论文共46页
会员购买按0.30元/页下载,共需支付13.8
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付23
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656