二维经验模态分解法在漏磁图像处理中的应用
经验模态分解及其在图像分割中的应用研究
摘 要纹理图像具有图像的基本属性，又具有纹理特性，是一类特殊的图像。
纹理具有粒度、方向性和周期性等复杂特性，纹理图像分割是图像工程的重点研究内容之一，也是一个很难解决的问题。
已有的纹理分割算法从频率特性、多尺度特性出发，采用小波分析、神经网络、模糊理论、分形理论、数学形态学等理论设计了一系列的纹理分割算法，这些算法从某些理想境界出发根据先验知识设计出模型，根据模型实现相应的算法。
先验模型缺少自适应特性，现有纹理分割算法没用充分考虑问题自身独特的属性和特征。
经验模态分解是20世纪90年代中期提出的一种新的信号分析方法，它利用分析信号自身的特性进行信号分解，是一种自适应的多尺度分析方法。
经验模态分解具有自适应特性，是对已有信号分析方法最根本的突破。
具有很强的理论研究意义和工程应用价值。
本文对一维经验模态分解算法进行分析，提出了一种新的二维信号经验模态分解边界抑制算法，并把这种边界抑制算法应用到二维图像信号分解中，取得了较好的分解效果；然后对这种分解算法进行改进，提出了新的多尺度、多方位的二维经验模态分解算法。
根据本文的二维经验模态分解算法，提出了一种新的纹理分割算法。
实验表明，提出的边界抑制算法对经验模态分解有很好的边界抑制作用，减少了二维经验模态分解的计算量；采用新的边界抑制方法的二维经验模态算法快速、高效；基于二维经验模态分解的纹理分割算法提取的特征准确、分割效果良好。
关键词：纹理分割；经验模态分解；固态模函数；边界效应；二维经验模态分解ABSTRACTAs a special kind of image, texture image has the basic attribute of image as well as the typical characteristic of texture. Granularity, directionality and periodicity are features of texture. Texture segmentation is one of the important research subjects in image engineering. And texture image segmentation is also a difficult problem. Existing texture segmentation methods which base on wavelet, neural network, fractal theory, fuzzy theory and mathematics morphology have designed texture segmentation algorithms according the frequency characteristic and multi-scale characteristic. Texture segmentation models are formed according to priori knowledge and a certain unearthly idea ideology. Then, texture segmentation algorithm implements according the corresponding ideal model. However, priori model lack the adaptive characteristic. These algorithms hardly take into account intrinsic attribute and characteristic of problem.Empirical mode decomposition, which decomposes signal by analyzing signal’s own characteristic, is proposed as a new signal analysis method in the middle of 1990s. Empirical mode decomposition is an adaptive multi-scale analysis method. It has adaptive characteristic. And it is regarded as the most radical breakthrough for the existing signal analysis methods. So the research on empirical mode decomposition is of great significance both in theory and in application.In this paper, one-dimensional empirical mode decomposition algorithm has been analyzed. This paper proposes a new border restraint algorithm and uses it in bidimensional empirical mode decomposition for two-dimensional image decomposition. A new fast bidimensional empirical mode decomposition algorithm is proposed.Then, this algorithm is improved. A new multi-scale, multi-directional bidimensional empirical mode decomposition algorithm is proposed. According to bidimensional empirical mode decomposition algorithm, a new texture segmentation algorithm is proposed. Experiment has shown that the border restraint algorithm properly restrains the border effect in the course of bidimensional empirical mode decomposition and decreases the calculation times. Bidimensional empirical mode decomposition which introduces new border restraint algorithm is not only faster but also more effective. Characteristic extraction which bases on bidimensional empirical mode decomposition is very accurate.Texture segmentation effect is very good.Key words: texture segmentation; empirical mode decomposition; intrinsic mode function; border effect; bidimensional empirical mode decomposition目 录摘 要 (I)ABSTRACT (II)第一章 绪 论 (1)1.1选题背景及意义 (1)1.2国内外研究现状 (2)1.3研究内容及结构安排 (3)第二章 图像分割简介 (7)2.1图像分割基础 (7)2.1.1图像分割定义及分类 (7)2.1.2图像分割相关知识 (8)2.1.3 图像分割方法 (11)2.2纹理图像分割 (12)2.2.1纹理的定义和性质 (12)2.2.2纹理描述 (14)2.2.3纹理图像分割方法 (15)2.3本章小结 (18)第三章 经验模态分解 (19)3.1时频分析 (19)3.2经验模态分解 (21)3.2.1基本概念 (21)3.3经验模态分解的关键问题 (23)3.3.1边界抑制 (23)3.3.2极值插值 (25)3.3.3筛选控制条件 (26)3.4希尔伯特-黄变换理论基础探讨 (26)3.5一维经验模态分解算法及其应用 (27)3.5.1一维经验模态分解算法 (27)3.5.2一维经验模态分解算法应用 (28)3.6本章小结 (29)第四章二维经验模态分解算法及其应用 (30)4.1二维经验模态分解定义 (30)4.2现有二维经验模态分解算法及其不足 (31)4.2.1直观二维经验模态分解算法 (31)4.2.2方向经验模态分解算法 (31)4.2.3现有方法的不足 (34)4.3一种新的二维经验模态分解算法 (35)4.3.1一种新的二维图像边界效应抑制方法 (35)4.3.2新的边界效应抑制方法在二维经验模态分解中的应用 (38)4.4一种多尺度多方位的二维经验模态分解方法 (40)4.5本章小结 (44)第五章 基于二维经验模态分解的纹理分割 (45)5.1.1特征提取 (45)5.1.2分类器设计 (46)5.2基于经验模态分解的纹理分割算法 (47)5.2.1基于EMD细化四元数谱的纹理分割 (47)5.2.2基于方向经验模态分解的纹理分割 (49)5.3基于快速二维经验模态分解的纹理分割 (51)5.3.1二维经验模态分解分解算法描述 (51)5.3.2特征提取与聚类分析 (54)5.3.3实验分析 (54)5.4本章小结 (56)第六章总结与展望 (57)6.1总结 (57)6.2展望 (58)参考文献 (60)致 谢 (64)附录A（攻读学位期间发表论文目录） (65)第一章 绪 论纹理图像是一类特殊的图像，它与一般图像的不同之处在于纹理图像有自己独特的纹理结构。
二维经验模态分解在工程表面形貌误差评定中的应用
二维经验模态分解在工程表面形貌误差评定中的应用任志英;高诚辉;罗德海;林有希;张世忠【摘要】针对目前表面微观形貌面形误差分离方法中存在边界畸变及自适应差等缺点,提出了将具有自适应时频分辨能力的二维经验模态分解算法(bidimensional empirical mode decomposition,BEMD)应用于三维工程表面面型误差分离中,同时用Riesz变换构造单演信号,计算信号整体的频率特征,完成对二维经验模态分解算法的终止准则的改进,使其能严格按照ISO4287所规定的截止波长分离三维表面各频段形貌误差.仿真结果表明,本文新方法相比于国标ISO中高斯滤波以及常用小波滤波,在分离三维工程粗糙表面各面型误差时,所得分离图形效果远优于传统方法所得,且各频段误差对应的三维评定参数误差均小于5％.最后对光学镀膜元件实例进行分析,结果表明该算法能够很好地分离各形貌误差的的空间信息,所得参数评定基准面相对传统方法不存在边界畸变等问题,因此该方法在实际工程表面评定应用中具有可行性.%In consideration of the disadvantages such as boundary distortion and poor adaptability in the method for microstructure surface error separation,the bidimensional empirical mode decomposition (BEMD) with adaptive time-frequency resolution capacity was put forward and applied to three-dimensional engineering surface error separation;at the same time,Riesz transform was utilized to construct monogenicsignal,calculated overall frequency characteristics of the signal and improved the termination criterion for bidimensional empirical mode decomposition,thus keeping it in strict accordance with the error specified in ISO4287 for each frequency band of the 3D surface with cutoff wavelength and long separation.The simulation results show thatcompared with Gaussian filter in ISO and commonly-used wavelet filter,this new method can achieve a far better separation effect than traditional methods in error separation for 3D engineering rough surface,and the 3D evaluation parameter errors corresponding to the error in each frequency band are all lower than 5 ％.Finally,an instance analysis was conducted in the optical filming elements,and the results show that the method can well separate the spatial information of each surface error,and the reference surface for parameter evaluation is free from problems such boundary distortion compared with traditional methods.Hence,the application of the method in actual engineering surface error evaluation is of great feasibility.【期刊名称】《光学精密工程》【年(卷),期】2017(025)002【总页数】8页(P425-432)【关键词】二维经验模态分解;三维表面形貌;误差评定;终止准则;Riesz变换【作者】任志英;高诚辉;罗德海;林有希;张世忠【作者单位】福州大学机械工程及自动化学院,福州350108;福州大学机械工程及自动化学院,福州350108;福州大学机械工程及自动化学院,福州350108;福州大学机械工程及自动化学院,福州350108;福建省福光股份有限公司,福州350004【正文语种】中文【中图分类】TH161.14在计量学领域，产品功能特征的评定主要取决于产品表面特征信息。
基于PSO-LS-SVM的漏磁信号二维轮廓重构
基于PSO-LS-SVM的漏磁信号二维轮廓重构纪凤珠;孙世宇;王长龙;王瑾;左宪章【期刊名称】《无损检测》【年(卷),期】2011(033)006【摘要】漏磁检测技术被广泛应用于铁磁材料的无损评估中,用漏磁信号描述缺陷的几何特征一直是漏磁检测的难点.提出应用最小二乘支持向量机对缺陷轮廓重构的方法,并利用粒子群算法来优化LS-SVM的参数及核函数参数.支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系.训练样本由试验数据与仿真数据组成,测试样本为人工裂纹缺陷.该方法实现了人工裂纹缺陷的二维轮廓的重构,并与BP神经网络、GA-LS-SVM两种方法进行了比较.试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法.【总页数】5页(P19-22,34)【作者】纪凤珠;孙世宇;王长龙;王瑾;左宪章【作者单位】军械工程学院，电气工程系，石家庄050003;军械工程学院，电气工程系，石家庄050003;军械工程学院，电气工程系，石家庄050003;军械工程学院，电气工程系，石家庄050003;军械工程学院，电气工程系，石家庄050003【正文语种】中文【中图分类】TG115.28【相关文献】1.基于ACO-LS-SVM的漏磁信号二维轮廓重构 [J], 纪凤珠;孙世宇;苑希超;王瑾;左宪章2.高速漏磁检测的二维缺陷轮廓重构 [J], 王长龙;雷良金;纪凤珠3.基于贝叶斯估计的漏磁缺陷轮廓重构方法研究 [J], 苑希超;王长龙;王建斌4.基于改进人工蜂群算法的漏磁缺陷轮廓重构 [J], 韩文花;汪胜兵;王建;吴正阳;王平5.基于偏差估计的漏磁信号缺陷三维轮廓重构算法 [J], 曹辉;杨理践因版权原因，仅展示原文概要，查看原文内容请购买。
基于二维变分模态分解的矿井图像增强方法
文章编号:１６７３ － ２０５７(２０１９)０６ － ０４４７ － ０５
基于二维变分模态分解的矿井图像增强方法
贾 焕１ ꎬ杨铁梅１ ꎬ李琴琴２
(１. 太原科技大学电子信息工程学院ꎬ太原 ０３００２４ꎻ２. 太原理工大学工程训练中心ꎬ太原 ０３００２４)
摘 要:针对煤矿主皮带图像的低光照、多尘雾、噪声大等问题ꎬ提出一种基于加权引导滤波的二维
第 ４０ 卷 第 ６ 期
２０１９ 年 １２ 月
太
原
科
技
大
学
学
报
ＪＯＵＲＮＡＬ ＯＦ ＴＡＩＹＵＡＮ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＳＣＩＥＮＣＥ ＡＮＤ ＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ. ４０ Ｎｏ. ６
Ｄｅｃ. ２０１９
多学者提出了不同的方法ꎬ有传统图像增强方法、
基于 Ｒｅｔｉｎｅｘ 算法及其改进方法等ꎮ 最常用的传统
方法ꎮ 因此本文提出一种基于加权引导滤波的二
像质量ꎮ
ቤተ መጻሕፍቲ ባይዱ
１ 相关理论
１ １ 引导滤波
引导滤波 [７￣８] 原理简单、在突出边缘细节的同
时提高图像质量ꎬ其滤波半径与灰度值范围无关ꎬ
方法有灰度变换法和直方图均衡化 [３] ꎬ这两种方法
基带ꎬ同时保持重建信号的相似程度ꎮ
重建约束通过二次惩罚函数和拉格朗日乘子
来解决ꎬ并 且 采 用 乘 法 算 子 交 替 方 向 法 优 化 ２Ｄ￣
ＶＭＤ. 二次惩罚函数和拉格朗日乘数可以约束保真
度ꎬ使问题不受限制ꎬ将约束变分问题转换为非约
束变分问题ꎬ因此扩展拉格朗日表达式为:
αｋ ‖∇[ｕＡＳꎬｋ ｅ －ｊ(ω ꎬｘ) ]‖２２
005由于煤矿井下存在光线较弱粉尘大等恶劣情况1?导致摄像机采集回来的视频图像清晰度差?而且在图像转换和传输过程中的操作不当也将导致图像的质量下降2?因而增加了对主皮带裂缝边缘进行提取和检测的难度?在处理传送带跑偏等问题时也遇到同样的问题?所以急需进行煤矿井下图像增强处理?近年来?针对低照度和多粉尘的图像问题?许多学者提出了不同的方法?有传统图像增强方法基于retinex算法及其改进方法等?最常用的传统方法有灰度变换法和直方图均衡化3?这两种方法效果都不错?但是对彩色图像极易引起图像失真?如像素点过饱和引起的图像结构的破坏?retinex算法及其改进方法适应范围广计算精度高?李大军等4通过参数估计进行自适应双边滤波?但高频噪声去除问题没有得到解决?胡韦韦等人5提出了基于双边滤波的retinex图像增强算法?该算法采用双边滤波代替高斯滤波来估计光照?能够有效抑制光晕和色彩失真现象?但算法复杂度高?无法实现实时处理?曹伟等6采用边缘检测加权引导滤波进行指静脉图像增强?能够清晰保存图像的纹理细节?但是参数过多?并且没有给出参数估算的方法?因此本文提出一种基于加权引导滤波的二维变分模态算法来处理煤矿主皮带图像以改善图像质量?1相关理论1????1引导滤波引导滤波78原理简单在突出边缘细节的同时提高图像质量?其滤波半径与灰度值范围无关?滤波时间仅仅依赖图像总像素?因此广泛应用于降噪抠图和hdr压缩等领域?它不能在减少噪声的同时提高边缘细节?而且当图像灰度数值变换过快时有可能出现假性边缘?因此?需要增强边缘特性?本文将自适应正则化因子与区域方差信息相结合?对正则化因子进行加权以突出图像边缘细节纹理?用来改善原引导滤波的缺陷?根据引导滤波算法?设引导图像为i?预处理图像是p?结果图像为q?局部线性模型如下
脉冲漏磁信号的EMD小波阈值去噪研究
中图 分类号： Ｐ９ Ｔ３１
脉 冲漏磁信 号的 Ｅ ＭＤ 小波阈值去噪研 究
张 韬 ，左宪章 ，田贵云 ，张 云 ，费骏 彝
（ 军械工程学院 电气工程系 ，石家庄 ０ ０ ０ ； ． １ ． ５ ０ ３ ２ 纽卡斯尔大学电气电子 与计算机工程 学院，纽卡斯尔 Ｎ Ｉ Ｒ Ｅ Ｕ； ７
ｐ ｒｏ ｍａ ｃ ｏ ｕｓ ｏｓ ｓ ｔｅ ａ ｏ ｖ ｎ ｉｎ ｌ ｖ ｌｔ ｈｅ ｈ ｌ ｅ ｏｓｎ ｔｏ ． ｅｆ ｒ ｎ ｅｆｒｐ ｌｅｎ ｉｅｉｂｅｔｒｔ ｎｃ ｎ ｅ ｔｏ ａ ｈ ｗａ ｅｅ ｒｓ ｏｄｄ ｎ ｉｉｇｍｅｈ ｄ ｔ
｜ ｙｗｏ ｄ ］Ｅ ｉｃｌ ｄ ｃ ｍｐ ｓｔ ｎＥ Ｋｅ ｒ ｓ ｍｐｒ ａ Ｍｏ ｅＤｅｏ ｏｉｏ （ＭＤ） ｄｎ ｉｉｇ ｔ ｅｈ ｌ； ｍｏ ｔｌ ｌ ｐ ｄＡｂｏｕｅＤ Ｖａｉｎｓ ＡＤ）Ｐ ｌ ｇ ｅ ｃＦｕ ｉ ｉ ； ｅｏｓ ；ｈ ｓｏｄ Ｓ ｏｈｙＣｉ ｅ ｓｌｔ ｅ ｉｔ （ｃ ｎ ｒ ｐ ｏ ； ｕｓ Ｍａ ｎｔ ｌｘ ｅ ｉ
第３ ８卷 第 ７期
Ｖ．ｌ ８ ｏ＿ ３
・
计
算
机
工
程
２ｌ Ｏ ２年 ４月
Ａｐｒｌ ｉ ２０１ ２
Ｎ Ｏ． ７
Ｃｏ ｐｕ ｅ ｇｉ ｅ ｒｎｇ ｍ ｔ ｒＥｎ ｎ ｅ ｉ
开 发研 究 与设 计 技术 ・
文章编号： ００ ４８０２７＿２３ ３ 文献标识码： １０—３２（ １０＿０６一ｌ ２ ） Ａ
经验模态分解的 目的是将 待分析信号分解为一系列表征
时间尺度 的本征模态函数分量 ，即：
ｘｔ＝ＥＩ ］ｔ （ （ ） Ｍ１（ ＋ ｆ ￣） ）
ｆ ＝１
是 Ｈ ａｇＮ Ｅ等人提 出的一种新 的信 号分解算法 。它适合用 ｕ ｎ 来分析非平稳 非线性的时变过程 。该方法与小 波分析 的区别 在于它是后验 的，不需要事先选定基函数 ，其最大优点是根
漏磁信号处理中的经验模态分解和能量法阈值
漏磁信号处理中的经验模态分解和能量法阈值
曾小红;陈亮;李兴
【期刊名称】《无损检测》
【年(卷),期】2011(033)003
【摘要】漏磁检测信号通常受多种噪声源污染.为了降低漏磁检测信号中的噪声,提高缺陷的识别效率,采用了经验模态分解方法,对漏磁信号进行去噪处理,来增强漏磁信号的信噪比.试验基于试样上的人工缺陷,漏磁信号被分解成若干固有模态函数(IMF)和一个残余分量,通过能量法选择最小能量的IMF作为阈值.采用该阈值作为IMF分量的选择依据,可以不依赖人为的经验判别.再将阈值后面的IMF分量相加,对漏磁信号进行重构.结果表明,采用该方法重构的漏磁信号的信噪比得到了较大的提高,同时滤波效果优于db3小波滤波.
【总页数】4页(P27-30)
【作者】曾小红;陈亮;李兴
【作者单位】电子科技大学机械电子工程学院,成都,611731;电子科技大学机械电子工程学院,成都,611731;电子科技大学机械电子工程学院,成都,611731
【正文语种】中文
【中图分类】TH7;TG115.28
【相关文献】
1.二维经验模态分解法在漏磁图像处理中的应用 [J], 陈亮;王柯;孟庆愿;曾小红;梁巍
2.经验模态分解在管道缺陷漏磁检测信号处理中的应用研究 [J], 蔡少川
3.基于混合阈值的清除重复间隔阈值经验模态分解去噪方法 [J], 王平根; 吕敬祥
4.时变滤波经验模态分解与对称差分解析能量算子在轴承故障诊断中的应用 [J], 武昆;徐元博;杨娜
5.结合经验模态分解的信号能量法及其在低频振荡研究中的应用 [J], 穆钢;史坤鹏;安军;黎平;严干贵
因版权原因，仅展示原文概要，查看原文内容请购买。
二维经验模态分解技术在混浊度检测中的应用
二维经验模态分解技术在混浊度检测中的应用国强;刁元鹏;赵群;毛良明【摘要】针对液体混浊度检测易受噪声影响这一技术问题,提出了一种基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法,对医疗液体图像进行二维经验模态分解,将液体图像分解成多层本征模态函数(IMF),并利用Robert算子对各分量IMF进行边缘检测,选择性地逐层重构出图像边缘,从而将图像与杂质的边缘细节突显出来.实验结果表明,该方法有效地降低了随机噪声对液体混浊度检测的影响,提高了液体混浊度检测的精度,进而验证了该算法的可行性和有效性.%The liquid turbidity detection is easily affected by the noise,So a Robert operator edge detection algorithm based on Bidimensional Empirical Mode Decomposition (BEMD) to detect medical liquid opacity is proposed,which divides ihe medical liquid images into Intrinsic Mode Function(IMF) by using BEMD.Then we employ a Robert operator to detect the edge of each IMF.The image edge is rebuilt layer by layer selectively.Such process can highlight the edge details of the image and impurities.The experimental results show that the method can effectively reduce the random noise on liquid turbidity detection effect,improving the liquid turbidity detection accuracy,which proves the feasibility and effectiveness of the proposed algorithm.【期刊名称】《哈尔滨理工大学学报》【年(卷),期】2012(017)002【总页数】5页(P5-9)【关键词】二维经验模式分解;Robert算子;混浊度检测【作者】国强;刁元鹏;赵群;毛良明【作者单位】哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;黑龙江省科学院自动化研究所,黑龙江哈尔滨150090;西南电子设备研究所电子信息控制重点实验室,四川成都610036【正文语种】中文【中图分类】TN911.720 引言液体混浊度(turbidity)亦称不透明度，主要用于表示水或其他液体的纯净程度.液体混浊度检测也是医疗领域的关键技术之一.当前，瓶装液体医药生产厂家普遍采用机械设备对瓶子进行自动封口，这种封口方式极有可能会将瓶口部分材料碾碎，并使其落入瓶中污染瓶中液体，或者由于药物结晶、化学反应、物理作用等其他原因而使瓶装液体中存在异物，因此对已经封口的瓶装液体进行检测，找到不合格的产品，将其剔除对液体医药生产厂家至关重要［1］.目前，瓶装液体的异物检测方法主要的有以下4种:①人工灯检法［2］:由人工从生产线上将瓶装液成品取下，将其倒置，对准一定的特殊光源，检验是否存在异物漂浮.这种方法方便简单，但是人工效率低、速度慢、精度低、漏检率高、检测人员容易疲劳，不适用于现代化大型生产线.②光散射法［3］:采用一束单色激光照射溶液，溶液中存在的不溶性物质使入射光发生散射，由于散射的能量与不溶性物质的大小有关.因此通过对溶液中不溶性物质引起的光散射能量的测量，并与规定的阈值比较，以检查可见异物.但光散射法对光学仪器的精度要求较高，并且对光源有一定的要求，不利于工业生产.③高效液相色谱法［4］:目前医药行业的瓶装液异物检测大多采用高效液相色谱技术(HPLC)，但液相色谱法只适用于液体抽检，也不利于工业生产.④基于图像处理的方法［5］:这种方法集成了工业视频图像采集系统、图像处理和照明技术、人工智能系统来自动检测产品.自动化灯显器［5］是液体药品异物检测中基于图像处理方法的典型应用，该类方法也是当前工业生产中瓶装液体检测的主要手段. 本文针对传统液体检测中图像处理易受外部环境如背景光的变化及噪声干扰，难于准确提取图像边缘信息的问题，提出了基于二维经验模态分解(bidimensional empirical mode decomposition，BEMD)的Robert边缘检测算法，它的基本思想是:利用BEMD将摄取的图像分解为一系列不同频带的子图像，在低频段抑制噪声，使其能可靠地识别边缘，在高频段下精确定位，并由粗到细跟踪边缘得到边缘的真实位置［6］，进而检测出液体瓶中的杂质.仿真实验验证了提出的基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法的有效性.1 二维经验模态分解(2-D EMD)二维经验模态分解(2-D EMD)是对一维EMD的扩展［7～10］.其分解筛选过程为1)图像处理初始化:外部初始化:记 r0(x，y)=f(x，y)，为待处理的数字图像.内部初始化:记 h0(x，y)=rj-1(x，y)，j=1 为原始图像.2)具体分解步骤:①利用形态学算法或8邻域象素，找出hk-1中的极大值和极小值点;②分别对极大值点和极小值点进行包络拟合，形成二维图像包络曲面ωmin(x，y)和ωmax(x，y);③确定上下包络的均值④从图像中减去均值得到重复上述过程k次，直到hk(x，y)满足IMF条件，此时有:cj(x，y)=hk(x，y)，则cj(x，y)即为分离出的第一个本征模态函数.否则令k=k+1，重复①步;⑤求残余分量将rj(x，y)作为新的数据，重复上述过程n次，得到最终的表达式:其中:f(x，y)为原图像数据;cj(x，y)是分解后得到的各尺度细节信息;rn(x，y)是大尺度趋势项.上述算法具有平滑不规则振幅、削弱数据奇异性等优点，图像按照尺度从小到大分解为一系列“由细到粗”的细节信息和一个大尺度趋势信息.2 基于二维经验模态分解联合Robert算子的检测算法在实际应用中，从图像的最初摄取到最后的判断，存在着许多干扰因素，如摄取过程中光线的变化、背景的明暗等外部因素，及传输过程中的各种噪声的污染，都会使图像的质量下降，从而有可能导致最终的误判，因此，必须对摄取的图像进行预处理，改善图像质量，最后进行边缘检测，提高检测的精准度.提出的基于二维经验模态分解联合Robert算子的检测算法流程如图1所示.2.1 预处理截取后的图象由于光线或其他某些因素的干扰可能造成图像曝光不均，某些区域过明或者过暗，这时就需要进行灰度变换，使灰度级达到我们所需要的范围.首先可以绘制灰度直方图，观察灰度的分布情况，以决定是否需要进行灰度的线性变换.灰度变换方程为［11］式中:参数fA为线性函数的斜率;fB为线性函数在y轴上的截距;DA表示输入图像灰度;DB表示输出图像的灰度.当fA＞1时，输出图像的对比度将增大;当fA＜1时，输出图像的对比度将减小;当fA=1且fB≠0时，操作仅使所有像素的灰度值上移或下移，其效果是使整个图像更暗或更亮;如果fA＜0，暗区域将变亮，亮区域将变暗.由高到低的噪声子图像，rn(x，y)是图像趋势信息，这样使用Robert算子对每个IMF提取边缘，选择高频分量IMF提取图像边缘，既能去除低频噪声，又可保留细节信息.图1 基于BEMD联合Robert算子的检测算法2.2 基于二维经验模态分解的Robert图像边缘检测对比Sobel算子、Robert算子、Prewitt算子、Log算子、Canny算子和小波包分解6种传统的图像边缘检测效果如图2所示，Robert算子检测的结果与实际我们需要的图像最接近，这是因为对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量;图像平缓变化部分则为低频分量，而Robert算子对具有陡峭的低噪声图像响应最好［11］，因此本文采用 Robert算子做为边缘检测算子，同时由BEMD分解原理可知，各层IMF是频带图2 6种边缘检测对比图基于二维经验模态分解联合Robert算子图像边缘检测算法具体步骤如下:1)初始化原始图像，记为f(x，y);2)利用形态学算法计算出f(x，y)中的极大值点和极小值点;3)采用径向基(RBF)插值算法拟合图像的极大值和极小值点，形成二维图像的上包络曲面和下包络曲面;4)确定上下包络的均值，计算出包络均值曲面;5)从原始图像中减去均值曲面;依IMF条件求取图像本征模态函数;6)重复2)～5)，依次提取出n个本征模态函数IMF(根据具体需要选择不同的分解层数)和残余分量;7)将各个本征模态函数IMF分别进行Robert检测，得到每个本征模态函数的边缘图像;8)以第1层为基准，进行由粗到细的选择性重构边缘图像.该方法利用BEMD将摄取的图像分解为一系列不同频带的子图像，根据实际设备情况，以测试瓶调试为准，确定提取前n层的IMF高频段边缘图像，舍去其后的低频段边缘图像，并由粗到细融合边缘得到边缘的真实位置，从而达到抑制低频段噪声，在高频段下精确定位的效果.实验取其前两层高频段边缘图像.3 实验分析采用上述方法对512×512像素的口服液瓶灰度图像进行实验，并与传统Robert 算子及小波包分解(本文采用小波db4对图像进行一层小波包分解)边缘检测相比较:结果如图3、4所示.图3 Robert算子及db4小波包边缘检测从图3可以看出，利用传统Robert算子对瓶装液体图像进行边缘信息提取时有噪声干扰，并且不能很好地突出物体的内部细节边缘轮廓特征，不利于异物检测的准确性;小波包分解边缘检测对图像中灰度变换缓慢的部分比较敏感，因此在工业生产中对外部环境要求较高.而利用本文的算法(如图4)得到的边缘细节明显优于传统Robert算子及小波包检测，主体轮廓较明显，内部细节清晰，边缘细致连续性好，噪声干扰得到了有效的抑制，检测效果较好，并且较小波包分解检测在工业实现上也较容易.为了验证基于二维经验模态分解联合Robert算子图像边缘检测算法对医药液体中可见异物检测的有效性和可靠性，进行了实验研究.实验中采用10 mL有异物杂质的瓶子、10 mL纯净溶液在外部光照变化及不变化的情况下结合灯检系统进行试验.实验结果如表1.表1 液体异物检测结果样品类型检测数量/瓶误检量/瓶正确率/%杂质样品(光照无变化)60 2 96.7纯净溶液(光照无变化) 60 0 100.0杂质样品(光照有变化) 60 3 95.0纯净溶液(光照有变化)60 1 98.3图4 BEMD分解后Robert算子检测表1中，误检量是指药品中存在可见异物而系统未能检测即当作纯净药品处理的数量.从表1中可以看出，对于无杂质的纯净溶液，系统误检率较低.通过实验验证，对于0.02 mm大小的可见异物，新方法的检测正确率达可达到95%以上，相对于传统检测方法，本方法对医药液休的检测实现了稳定性好、精确度高、误检率低的要求.4 结语目前，二维EMD已被广泛应用在图像处理领域的诸多研究方向，取得了一些成果，因此本文提出一种基于二维EMD联合Robert算子图像边缘检测算法，并将其应用于液体药品质量检测，通过实验结果表明，该算法与传统的边缘检测方法相比，能够有效检测图像边缘，体现边缘的细节，提高检测精确度.但也存在一些缺点，BEMD分解的理论基础还处于发展阶段，BEMD分解过程算法是一个迭代计算过程，计算复杂度比小波分解要高，因此，本文提出的BEMD联合Robert算子图像边缘检测算法提高了检测的精度，但检测的实时性相对有所较低，这也是BEMD算法的主要缺点，我们也将在后续研究过程中研究如何提高计算效率的问题.相信随着经验模态分解理论和技术的逐渐成熟，BEMD算法也将趋于成熟，BEMD算法将会在医疗检测领域中发挥更大的作用.参考文献:【相关文献】［1］杨福刚.医用输液生产中药品安全隐患分析及对策［J］.中国安全科学学报，2010，20(5):102-108.［2］章晶.安瓿注射液异物自动检查机［J］.机电信息，2008(29):17-21.［3］王旭文.注射剂微粒检查方法及检测设备应用问题探讨［J］.机电信息，2010(14):26-28. ［4］魏东斌，肖铭，阴俊霞，等.色谱及联用技术在药物污染检测中的应用［J］. 环境化学，2011，30(1):263-271.［5］黄超灵.基于图像处理的瓶装液体异物检测研究［D］.广东:广东工业大学，2008:21-30. ［6］古昱，汪同庆.基于BEMD的Canny算子边缘检测算法［J］.计算机工程，2009，35(18):212-213.［7］HUANG N E.The Empirical mode Decomposition and the Hilbert Spectrum for Non-linear and Non-stationary Time Series Analysis［J］.Proceedings of Royal Society of London，1998，454(12):903-995.［8］NUNES J C，BOUAOUNE Y，DELECHELLE E，et al.Image A-nalysis by Bidimensional Empirical Mode Decomposition［J］.Image Vision Computing，2003，21(12):1019-1026. ［9］王婷，杨莘元，李冰冰.一种改善EMD端点效应的新方法［J］. 哈尔滨理工大学学报，2009，14(5):23-26.［10］万建，任龙涛，赵春晖.基于二维EMD的人脸图像去光照方法研究［J］.哈尔滨工程大学学报，2009，30(12):1425-1429.［11］付永庆，王咏胜.一种基于数学形态学的灰度图像边缘检测法［J］.哈尔滨工程大学学报，2005，26(5):685-687.。
基于二维经验模态分解的高光谱影像去噪方法
基于二维经验模态分解的高光谱影像去噪方法厉祥;王文波【摘要】高光谱遥感图像同时具有二维空间信息数据和一维光谱信息数据,具有图谱合一的特点且谱间信息具有强烈的相关性,针对高光谱图像的这些特点,提出一种基于二维经验模态分解的高光谱图像降噪方法.该方法利用二维经验模态分解对各波段的高光谱图像分别进行分解,得到不同尺度的固有模态函数;根据含噪声较大的波段和含噪声较小的波段的谱间对应关系计算权系数值,对含噪声较小波段的高频固有模态函数系数进行加权求和,利用加权后的系数值代替含噪声较大的波段的高频固有模态函数系数;利用去噪后的高频系数进行重构得到去噪后的高光谱图像.实验表明,该方法能够对高光谱影像进行有效去噪,同时亦能较好地保留图像细节信息,与经典的小波去噪方法相比,使用该方法去噪后的图像具有更高的峰值信噪比和更好的视觉效果.【期刊名称】《激光与红外》【年(卷),期】2013(043)011【总页数】5页(P1311-1315)【关键词】高光谱图像;二维经验模态分解;加权系数法;去噪【作者】厉祥;王文波【作者单位】武汉科技大学理学院,湖北武汉430065;武汉科技大学理学院,湖北武汉430065【正文语种】中文【中图分类】TP7511 引言高光谱遥感影像具有很高的空间分辨率，而且可以为图像中的每个像元提供高达数百个波段的光谱信息，包括可见光、红外和紫外等区域。
因此，高光谱遥感图像具有图谱合一的特点，该特点使得很多在常规遥感中不能识别的地物，在高光谱遥感图像中可以得到有效的识别［1］。
当前，高光谱遥感图像在军事监测、大气和农业监控等多个领域都得到了越来越广泛的应用［2－4］。
高光谱图像在获得和传输过程中，由于受到大气、电磁辐射等较多复杂因素的干扰，会产生大量的噪声，从而降低图像数据的可靠性、影响图像的后继分析处理，因此对高光谱遥感图像进行去噪对于光谱影像的后续处理非常有必要［5］。
小波分析由于其良好的时频分析特性在高光谱图像去噪中得到了大量的应用［5－7］，但利用小波变换对高光谱图像进行去噪时需要预先给定小波基和分解层数［8］。