基于局部梯度极值点的经验模式分解图像增强
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

装备发展部“十三五”预研共用技术(41416030204)


Image Enhancement of Empirical Mode Decomposition Based on Local Gradient Extreme Point
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为解决传统2 维经验模式分解获取图像细节能力不足的问题,提出一种基于局部梯度极值点的改进BEMD 图像增强方法。根据梯度对图像细节信息的强挖掘能力,基于像素点4 个2 维方向上的极值条件来寻找图像的局部 极值点,对图像进行经验模式分解并确定内蕴模式函数,结合大尺度梯度保留、小尺度梯度去除的思路,达到在图 像增强的同时又抑制噪声的目的。实验结果表明:与传统的图像增强算法相比,该方法具有更强的细节捕捉能力。

    Abstract:

    Aiming at the inadequacy of traditional 2D empirical mode decomposition in acquiring image details, the improved BEMD image enhancement algorithm based on local gradient extreme point is proposed. Based on the strong ability of gradient to mine image detail information, according to four 2D extreme conditions of pixel point to find out image local extreme point, carry out empirical mode decomposition of image and ascertain connotation mode function, combine with large-scale gradient preservation and small-scale gradient removal, achieve the purpose of image enhancement and noise suppression. The experiment results show that the proposed method has better detail capture ability than the traditional image enhancement algorithm.

    参考文献
    相似文献
    引证文献
引用本文

崇 元.基于局部梯度极值点的经验模式分解图像增强[J].,2020,39(03).

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-11-08
  • 最后修改日期:2019-12-30
  • 录用日期:
  • 在线发布日期: 2020-05-06
  • 出版日期:
文章二维码