一种改进的快速二维经验模态分解方法技术

一种改进的快速二维经验模态分解方法，确定将要进行筛分的数据。检测数据ri-1(x,y)的局部极值点。使用均值滤波器从hi(x,y)中获取均值包络mmean(x,y)。在获取均值包络之后，计算新的信号hi'(x,y)。计算生成的新信号是否满足筛分停止准则SD，若SD小于给定的阈值ξ，则有hi'(x,y)是第i层BIMF；令hi(x,y)＝hi'(x,y)；与现有的二维经验模态分解方法相比，本方法应用一个基于快速卷积的均值滤波器来获取均值包络，相较于传统二维经验模态分解方法中基于RBF获取均值包络，极大的减少了时间复杂度，在得到相似实验结果情况下的提高了算法的计算速率，且应用曼哈顿距离来计算均值滤波器的窗口大小，使得整个算法不需要人工干预而自适应完成。

【技术实现步骤摘要】

本专利技术是，属于数字图像处理领域中的新 型时频分析方法。
技术介绍
随着计算机技术的不断发展及其在各个应用领域中的不断扩展，数字图像处理技 术也得到了迅猛的发展。经验模态分解算法（EMD)是一种适用于分析非线性/非平稳信号 的新型时频分析方法，该方法被认为是对以线性和平稳假设为基础的傅里叶分析与小波变 换等传统时频分析方法的重大突破，它是基于自身的时间尺度特征，完全由数据驱动，可自 适应的通过"筛"过程将复杂的信号分解为有限个固态模式函数（IMF)及一个残差趋势项 之和。图像可看做一个二维信号，二维经验模态分解算法（BEMD)是EMD在二维信号处理上 的推广，近些年来成为图像处理领域中的研究热点。 传统的二维经验模态分解算法，在筛分的过程中，首先需要求取局部极值点，然后 通过局部极值求取上/下包络，接着求取均值包络，最后判断均值包络是否满足筛分停止 准则。常见的二维经验模态分解算法，在寻找局部极值后都是通过一组径向基函数（Radial Basis Function，简称RBF)来获取包络，但是这种方法需要使用插值法来近似获取包络，因 此，极大的增加了算法的计算时间。此本文档来自技高网...

【技术保护点】
一种改进的快速二维经验模态分解方法，其特征在于：该方法的实施过程如下，1)确定将要进行筛分的数据；进行筛分的数据为标准的试验图像；设待处理的原始图像为f(m,n)，其中m为图像的行坐标，n图像列坐标，令i＝1，那么将要进行筛分的数据为r0(x,y)＝f(m,n)，其中x为图像的行坐标，y图像列坐标；2)检测数据ri‑1(x,y)的局部极值点；检测数据ri‑1(x,y)中，x和y分别为待检测数据的行坐标和列坐标；极值点的检测包括对数据中局部极大值点检测与局部极小值点的检测；对于上述检测数据ri‑1(x,y)采用2‑D模式进行表示，那么其中amn表示ri‑1中m行n列的像素，采用邻域法来检测极值点...

【技术特征摘要】

【专利技术属性】
技术研发人员：袁家政，刘宏哲，邱静，张勇，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京;11