学术论文

      基于偏微分方程的快速二维经验模态分解方法及其应用

      A Fast Bidimensional Empirical Mode Decomposition Based on Partial Differential Equation and Its Application on Image Processing

      摘要:
      针对现有的二维经验模态分解(BEMD)方法存在边界效应、分解速度慢等缺点,提出一种基于偏微分方程(PDE)的快速二维经验模态分解方法——PDE-BEMD.首先构造极值点所在二维包络曲面所满足的四阶偏微分方程,通过差分迭代方法快速求解偏微分方程,得到图像的上下包络曲面;然后对图像进行筛分,得到固有模态函数图像(IMFs),实现图像的模态分解.将分解得到的图像应用于边缘检测和人脸识别预处理算法中的实验结果表明,PDE-BEMD方法不仅可有效地降低时间和空间的复杂度、提高运算速度,而且避免了BEMD的边界效应,分解出具有清晰边缘信息的IMFs,且剩余图像不会被模糊,具有良好的边缘提取与去噪效果.
      Author: Li Cuiyun Cao Xiaonan Ji Hongbing Zou Qibing
      作者单位: 西安电子科技大学电子工程学院 西安710071
      年,卷(期): 2014, 26(7)
      分类号: TP391
      机标分类号: TP3 O1
      在线出版日期: 2014年9月16日
      基金项目: 国家自然科学基金青年项目,国家自然科学基金,中央高校基本科研业务费专项资金资助