基于BEMD的圖像邊緣提取.pdf

1、圖像的邊緣是圖像最基本也是最重要的特征,圖像的邊緣檢測一直是計算機視覺和圖像處理領域的經(jīng)典研究課題。圖像邊緣檢測的目的是去發(fā)現(xiàn)圖像中關于形狀和反射或透射比的信息,是圖像處理、圖像分析、模式識別、計算機視覺以及人類視覺的最基本步驟,其結果的正確性和可靠性將直接影響到機器視覺系統(tǒng)對客觀世界的理解。本文利用J.C Nunes等人提出的一種二維經(jīng)驗模態(tài)分解方法計算圖像的相位一致,然后通過圖像的相位一致來進行圖像邊緣的提取。
　　Morro

2、ne和Owens發(fā)現(xiàn)邊緣特征往往出現(xiàn)在Fourier分解各分量相位一致性最大的地方,Peter Kovesi提出采用Log-Gabor濾波器取代Gauss濾波器的小波方法來計算圖像的相位一致。本文將經(jīng)過Bidimensional Empirical Mode Decomposition分解得到的內蘊模態(tài)函數(shù)看成一個Fourier分量,并利用具有各向同性性質的單性信號的振幅來計算圖像的相位一致。
　　經(jīng)驗模態(tài)分解是Hilbert-H

3、uang變換的關鍵部分,其特點是基于信號局部特征的,能對信號進行自適應的、高效的分解,而且它特別適用于分析非線性、非平穩(wěn)的信號,具有重要的理論價值和廣闊的應用前景。國內外學者將它推廣到二維中,用它分析二維中的非線性、非平穩(wěn)信號。本文改進了Bidimensional Empirical Mode Decomposition方法,用三角剖分插值代替徑向基函數(shù)插值。
　　本文利用改進的Bidimensional Empirical Mo