基于Delaunay三角化的二维无约束优化EMD方法

胡建平^1,2(),李鑫¹,谢琪^1,3,*(),李玲¹,张道畅¹

1. 东北电力大学理学院, 吉林 吉林 132012
2. 北京航空航天大学虚拟现实技术与系统国家重点实验室, 北京 100191
3. 吉林大学数学学院, 吉林 长春 130012

收稿日期:2018-06-07出版日期:2018-10-01发布日期:2018-06-07
通讯作者:谢琪E-mail:neduhjp307@163.com;xieqi_19820302@126.com
作者简介:胡建平(1981—),男,四川广安人,教授,博士,主要研究方向为计算机图形学与图像处理等. Email: neduhjp307@163.com
基金资助:国家自然科学基金资助项目(61672149);吉林省科技发展计划基金资助项目(20170520052JH);吉林省教育厅十三五科学技术研究基金资助项目(吉教科合字[2016]第97号);北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金资助项目(BUAA-VR-16KF-23)

An unconstrained optimization EMD approach in 2D based on Delaunay triangulation

Jianping HU^1,2(),Xin LI¹,Qi XIE^1,3,*(),Ling LI¹,Daochang ZHANG¹

1. College of Science, Northeast Electric Power University, Jilin 132012, Jilin, China
2. State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing 100191, China
3. School of Mathematical Science, Jilin University, Changchun 130012, Jilin, China

Received:2018-06-07Online:2018-10-01Published:2018-06-07
Contact:Qi XIE E-mail:neduhjp307@163.com;xieqi_19820302@126.com

Supported by:国家自然科学基金资助项目(61672149);吉林省科技发展计划基金资助项目(20170520052JH);吉林省教育厅十三五科学技术研究基金资助项目(吉教科合字[2016]第97号);北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金资助项目(BUAA-VR-16KF-23)

摘要/Abstract

摘要： 提出一种改进的基于Delaunay三角化的二维无约束优化经验模态分解(empirical mode decomposition, EMD)方法,对二维图像极值点重新定义,利用对定义的极值点进行Delaunay三角化构建无约束的优化模型对图像进行迭代分解,能够将原始图像自适应分解为尺度从细到粗的内蕴模态图像分量和一个余量。试验结果表明:本研究提出的方法较原始的二维无约束优化EMD方法具有更强的细节获取能力,能够更好地体现原始图像的不同尺度特征。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1760