基于BEMD和灰度共生矩阵的图像特征提取

Ｃｏｍｐｕｔｅｒ

ＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用

２００９，４５（１６）

２０１

基于ＢＥＭＤ和灰度共生矩阵的图像特征提取

龙鹏飞，贺

亮，吕回，张纯

ＬＯＮＧＰｅｎｇ－ｆｅｉ，ＨＥ

Ｌｉａｎｇ，ＬＶ

Ｈｕｉ，ＺＨＡＮＧ

Ｃｈｕｎ

长沙理工大学计算机与通信工程学院，长沙４１００７６

ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ

ａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７６，Ｃｈｉｎａ

Ｅ－ｍａｉｌ：１９３００２３５＠ｑｑ．ＣＯＢ

ＬＯＮＧＰｅｎｇ－ｆｅｉ，ＨＥＬｉａｎｇ，ＬＶＨｕｉ，ｅｔａ１．Ｉｍａｇｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎ

ＢＥＭＤ

ａｎｄｇｒａｙ

ｌｅｖｅｌｃｏ－ｏｃｃｕｒｒｅｎｃｅ

ｍａｔｒｉｘ．

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００９，４５（１６）：２０１—２０３．

Ａｂｓｔｒａｃｔ：Ａｎｅｗｍｅｔｈｏｄｉｓ

ｐｒｏｐｏｓｅｄｆｏｒｉｍａｇｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｗｉｔｈＢｉｄｉｍｅｎｓｉｏｎａｌＥｍｐｉｒｉｃａｌ

ＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ（ＢＥＭＤ）ａｎｄ

Ｇｒａｙ

ＬｅｖｅｌＣｏ—ｏｃｃｕｒｒｅｎｃｅＭａｔｒｉｘ．Ｎａｍｅｌｙｔｈｅ

ｉｍａｇｅｉＳ

ｄｉｓａｓｓｅｍｂｌｅｄｉｎｔｏ

ｔｈｅ

Ｉｎｔｒｉｎｓｉｃ

ＭｏｄｅＦｕｎｃｔｉｏｎ（ＩＭＦ）ｄｏｍａｉｎ，ｔｈｅｎ

ｔｈｅ

ｆｅａｔｕｒｅｏｆ

ｅａｃｈ

ＩＭＦｉＳｅｘｔｒａｃｔｅｄｗｉｔｈ

Ｇｒａｙ

Ｌｅｖｅｌ

Ｃｏ—ｏｃｃｕｒｒｅｎｃｅＭａｔｒｉｘ

ｍｅｔｈｏｄ．Ｔｏｖａｌｉｄａｔｅ

ｔｈｅ

ａｖａｉｌａｂｉｌｉｔｙｏｆｔｈｅａｒｉｔｈｍｅｔｉｃ．

ａｕｔｈｏｒｓ

ｅｘｔｒａｃｔ

ｔｈｅ

ｆｅａｔｕｒｅｏｆ

ｔｈｅｃｏｍｐｌｅｘ

ｔｅｘｔｕｒｅ

ａｎｄｔｈｅ

ＳＡＲｉｍａｇｅｏｎ

ｐｉｘｅｌｌｅｖｅｌ．Ａｎｄａｃｈｉｅｖｉｎｇｔｈｅ

ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ

ｗｉｔｈ

ＫＦＣＭ．ｔｈｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｏｆｉｍａｇｅｓｖａｌｉｄａｔｅｓｔｈａｔｔｌｌｅ

ｍｅｔｈｏｄｉＳ

ｅｆｆｅｃｔｉｖｅ．

Ｋｅｙ

ＷＯｒｄｓ：Ｂｉｄｉｍｅｎｓｉｏｎａｌ

Ｅｍｐｉｒｉｃａｌ

Ｍｏｄｅ

Ｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＢＥＭＤ）；Ｉｎｔｒｉｎｓｉｃ

Ｍｏｄｅ

Ｆｕｎｃｔｉｏｎ（ＩＭＦ）；ＧｒａｙＬｅｖｅｌ

Ｃｏ—ｏｃｃｕｒｒｅｎｃｅ

Ｍａｔｒｉｘ；ｃｏｍｐｌｅｘｔｅｘｔｕｒｅ；ＳＡＲ

ｉｍａｇｅ；Ｋｅｒｎｅｌ－ｂａｓｅｄＦｕｚｚｙ

Ｃ—Ｍｅａｎｓ（ＫＦＣＭ）；ｉｍａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎ

摘要：提出了一种新的图像特征提取方法，用二维经验模式分解将图像分解到固有模态函数（Ｉｎｔｒｉｎｓｉｃ

Ｍｏｄｅ

Ｆｕｎｃｔｉｏｎｓ，ＩＭＦ）

域，即将图像分解成一系列的ＩＭＦ和一个残差。并结合灰度共生矩阵对所提取到的各ＩＭＦ图像和残差图像进行特征提取。为了验

证算法的有效性，将其推广到像素级，对合成纹理和遥感图像进行了特征提取，并结合核模糊聚类（ＫＦＣＭ）算法对提取的特征向量做聚类分析，实现了图像的有效分割。

关键词：二维经验模式分解；固有模态函数；灰度共生矩阵；合成纹理；遥感图像；基于核的模糊Ｃ一均值聚类；图像分割ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２—８３３１．２００９．１６．０５９

文章编号：１００２—８３３１（２００９）１６—０２０１—０３

文献标识码：Ａ

中图分类号：ＴＰ３９１．４１

１引言

ＳＡＲ图像的有效分割。

特征提取的基本原理是选择合适的变换来减少或去除信息冗余，例如遥感图像，图像中每一个位置上的像素都有很大２一维经验模式分解

的相关性。因此，如果把像素直接作为特征，就会有很大的冗余经验模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）由信息，这样将大大降低识别的精确率。时频变换是在特征提取Ｈｕａｎｇ等人提出嘲，通过筛选过程从信号中提取出一系列内蕴中常常用到的工具，由于小波变换具有多分辨率分析的特点，模函数及其残差，它完全由数据驱动，由于从信号本身的尺度而且在时、频域都具有表征信号局部特征的能力，是一种时间特征出发对信号进行分解，该方法具有良好的局部适应性，加窗和频率窗都可以改变的时频局部分析方法，在图像特征提取

上瞬时频率的引入，使得可以从时频两方面同时对信号进行分方面已经得到了广泛的应用。如Ｍｏｏｎ—ＣｈｕｅｎＬｅｅ等提出计算

析，增加了处理信号的灵活性和有效性。该方法吸取了小波变小波包分解系数的能量特征来实现纹理的分类Ⅲ；ＰｕｎＣ等提换多分辨的优势，同时又克服了在小波变换中需要选择小波基出了一种应用小波包分解系数计算五种不同的纹理能量测度的困难。在一维信号的处理中，从经典的非线性方程组到自然来提取纹理图像的特征嘲。文中采用一种新的时频分析方法，即现象的数据表示，均获得了较好的结果。短短几年来，它已被成二维经验模式分解（ＢｉｄｉｍｅｎｓｉｏｎａｌＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉ—功地应用于地震、地质、海洋、生化、医学、语音、石油勘探等诸ｔｉｏｎ，ＢＥＭＤ）方法来分解图像，把图像分解成从高频到低频的多方面。大量实践证明该方法是一种非常有效的非线性、非稳

多个固有模态函数（Ｉｎｔｒｉｎｓｉｃ

Ｍｏｄｅ

Ｆｕｎｃｔｉｏｎｓ，ＩＭＦ）和一个残差

态信号的时频分析工具。该方法认为任何复杂的时间序列都是

的形式。然后采用灰度共生矩阵对分解得到各ＩＭＦ成分提取由一些相互不同的、简单的、并非正弦函数的固有模态函数组

其相关的纹理特征，并推广到像素级，实现了对合成纹理和

成（ＩｎｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎ，ＩＭＦ）。基于此可从复杂的时间序列

基金项目：湖南省教育基金项目（Ｎｏ．０６Ｃ１１５

ｏ

作者简介：龙鹏飞（１９６０一），男，高级工程师，硕士生导师，研究方向：计算机软件、面向对象技术、决策支持系统等；贺亮（１９８３一），男，硕士研究生，

研究方向：计算机应用技术；吕回（１９８２一），男，硕士研究生，研究方向：图像处理与模式识别，信息安全；张纯（１９８４一），女，硕士研究生，研究方向：基于网络的计算机技术。

收稿１３期：２００８—０４—０３

修回日期：２００８—０６—１６

２０２

２００９，４５（１６）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｗｍｉｏｎｓ计算机工程与应用

直接分离成从高频到低频的若干阶固有模态函数，即基本时间

序列。固 …… 此处隐藏：7201字，全部文档内容请下载后查看。喜欢就下载吧 ……