基于Delaunay三角化的二维无约束优化EMD方法

• 作者: 张道畅 李玲 李鑫 胡建平 谢琪
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 经验模态分解 无约束优化 Delaunay三角化 内蕴模态图像 多尺度特征
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 9-15,37
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2018.245

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡建平	东北电力大学理学院	69	827	15.0	27.0
3	李鑫	东北电力大学理学院	9	31	3.0	5.0
4	谢琪	东北电力大学理学院	13	17	3.0	3.0
8	李玲	东北电力大学理学院	3	7	2.0	2.0
11	张道畅	东北电力大学理学院	3	5	2.0	2.0