[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

说明书

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。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。

技术领域

本发明涉及图像分析技术领域，具体地说是一种基于自适应多向经验模式分解的图像纹理分解方法。

背景技术

图像分析的目的是利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息，加强图像判读和识别效果，满足某些特殊分析的需要，适合计算机的理解、分析及后续处理的需求。

目前，基于多分辨率、多尺度分解的分析算法，在图像分析中得到广泛应用。各国研究者提出Wavelet变换、Ridgelet变换、Curvelet变换、Contourlet变换和Bandelet变换等多种小波和超小波变换的处理方法，就是这方面的重要研究成果。但无论是基于哪种小波，在图像分析中都存在一个问题：无法做到数据自驱动。因此，工程界和数学界从未停止过探索更好的分解算法。

1999年，美国宇航局的Norden E.Huang教授发明了经验模式分解算法(EmpiricalMode Decomposition，EMD)，能将非稳定非线性信号按频率做自适应分解。二维经验模式分解是一维EMD分解算法在二维平面上的推广，可用于图像数据的分析和处理，通过将原始图像自适应的分解为有效数量的子图像，可以将图像从高频到低频的局部窄带细节信息内蕴模式分量分解出来，剩余分量表示图像的趋势。分解出来内蕴模式分量具有当前图像的纹理信息。但传统二维经验模式分解有缺陷：分解得到的内蕴模式分量图像中有暗斑。因此严重影响了传统二维经验模式分解在图像处理领域中的应用。后来出现的经验模式分解较好地解决了传统二维经验模式分解的缺陷，又保留了传统二维经验模式分解自适应分解特性，并已在图像分析中得到应用，但在都没有考虑到数据的局部方向，导致图像中固有内蕴分量不能够很好的分解出来。

综上，目前现有的分解技术还存在一些不足，对后续的处理有不理的影响。

发明内容

本发明所要解决的技术问题是提供一种基于自适应多向经验模式分解的图像纹理分解方法，解决现有分解技术不足影响后续处理的问题。

本发明为解决上述技术问题所采用的技术方案是：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；