二维局部均值分解算法
为了获取不同尺度下的特征信息用于滤噪、边缘提取等图像处理,在一维局部均值分解基础上提出一种二维局部均值分解算法.首先用快速8-邻域窗算法或者灰度形态学重构算法提取图像的局部极值点;然后通过Delaunay三角剖分将求得的极值点划分成三角网格来确定每一个极值点的相邻极值点,进而得到相邻极值的局部均值函数和包络估计函数;最后采用一种综合考虑二维乘积函数极值点空间特征和包络估计函数极值大小的停止筛分条件,通过迭代寻优方法得到相应的二维乘积函数,将图像分解成不同尺度下的成分.在Tree,Cameraman等经典图像上的实验结果表明,该算法能快速有效地实施图像多尺度分解,性能好于二维局部均值分解算法及传统的二维经验模态分解算法.
多尺度图像分析、局部均值分解、二维经验模态分解、局部极值点
30
TP391.41(计算技术、计算机技术)
国家自然科学基金51375290,71777173
2018-11-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
1859-1869