二维经验模式分解(BEMD)在图像处理中的应用
经验模式分解（EMD）方法是 1998年Huang提出的一种新的信号处理方法，在非平稳信号分析方面有良好的性能。该方法能将复杂的非平稳信号分解成若干具有不同特征尺度的平稳的数据分量与趋势项的叠加，具有自适应性，适于处理非平稳信息。
鉴于 EMD方法在一维信号处理方面获得的巨大成功，国内外学者将它推广到二维，提出了二维经验模式分解（BEMD）方法，并应用于二维信号处理。由于二维信号的复杂性，一般的 BEMD方法还存在许多问题有待研究。
首先详细论述了一维经验模式分解和二维经验模式分解的模型和原理。然后给出了二维经验模式分解方法的实现流程。并详细介绍了筛选过程中利用数学形态学方法选取图像局部极值点，平面散乱点集delaunay三角剖分以及通过BB样条插值法求包络曲面等关键技术。另外，根据内禀模式函数的定义提出了一种新的结束条件判别方法，提高了分解速度。
将二维经验模式分解（BEMD）方法应用于图像处理，可将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，与均值滤波、中值滤波和维纳滤波相比，该方法对去除乘性噪声具有较优的效果，图像峰值信噪比（PSNR）得到明显地提高。
经验模式分解;图像处理;非平稳信号分析;数学形态学;中值滤波
华中科技大学
硕士
系统分析与集成
周建中;李衷怡
2007
中文
TP391.41
47
2011-03-14（万方平台首次上网日期，不代表论文的发表时间）