方向EMD分解及其在纹理分割中应用.pdfVIP

中国科学 E 辑 信息科学 2005, 35(2): 113~123 113 方向EMD 分解与其在纹理分割中的应用 刘忠轩 彭思龙 (中国科学院自动化研究所 国家专用集成电路中心, 北京 100080) 摘要 提出了方向 EMD(Directional Empirical Mode Decomposition, 简写为 DEMD) 的定义和框架并用来进行纹理分割. EMD 是由Huang 等人提出的新的时 频分析工具. 这种工具使用筛法对信号分解, 再对成分的瞬时频率进行分析. 虽 然已有文章讨论将一维 EMD 推广到二维情况, 但有两个方面还没有考虑: 一方 面是从二维 EMD 中提取特征, 另一方面是考虑图像固有的方向性在二维 EMD 分解中的作用. 文中考虑到这两方面, 提出了DEMD 的方法. 这种方法在分解框 架中考虑了图像的方向性, 并从分解的每个成分中对每个点提出三个特征以进 行图像处理. 使用 DEMD 分解提取的特征进行纹理分割的实验说明了这种方法 对于纹理处理的有效性. 此外, 给出了关于DEMD 区分纹理在视觉上的解释. 关键词 EMD(Empirical Mode Decomposition) 方向EMD IMF(Intrinsic Mode Function) 多尺度 纹理分割 图像处理现在已经成为一门有着系统理论和广泛应用的学科, 其应用领域 包括视频影像处理 医学图像处理 遥感图像处理以及最近得到广泛关注的生 物特征识别技术和视觉监控技术等. 多尺度特性是自然图像的主要特性之一, 因 而图像处理中已提出一系列体现图像多尺度特性的方法, 如: 基于扩散方程的多 [1] [2] [3] 尺度技术 , 基于形态学运算的多尺度技术 , 基于金字塔的多尺度分析方法 以 [4] 及近十年来得到广泛研究的小波多分辨分析框架 . 二维经验模式分解 (Bidimensional Empirical Mode Decomposition, BEMD) [5]是最近提出的新的图像 多尺度分析方法, 其与传统多尺度分析技术区别主要在于: 首先, 极值点距离被 引入进行局部尺度的确定从而使分解具有自适应和完全数据驱动的特性; 其次, 每一成分的提取都使用迭代计算方法, 并使用某种准则确定迭代的终止. 由于这 些原因, BEMD 在自适应的提取图像符合视觉感知的成分上有其独特的优势. 但 2004-08-05 收稿, 2004-11-30 收修改稿 SCIENCE IN CHINA Ser. E Information Sciences 114 中国科学 E 辑 信息科学 第35 卷 作为一种新兴的技术, BEMD 存在一系列难题: 第一, 方法缺乏理论基