基于二维EMD和RBF的纹理分割方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 77-79.

基于二维EMD和RBF的纹理分割方法

胡佳宁,李峰,阳婷婷

长沙理工大学计算机与通信工程学院，长沙 410076

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 胡佳宁

Texture segmentation method based on BEMD and RBF

HU Jia-ning,LI Feng,YANG Ting-ting

Dept. of Computer and Communicational Engineering，Changsha University of Science and Technology，Changsha 410076，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: HU Jia-ning

摘要/Abstract

摘要： 经验模式分解（EMD）是最近提出的新的图像多尺度分析方法。通过对纹理图像进行二维经验模式分解来提取合适的纹理特征，再采用FCM聚类算法进行分割，实验表明，使用径向基函数在筛分过程中进行插值的效果较优。

关键词: 二维EMD, IMF, 纹理分割, 径向基函数

Abstract: A method in which texture image is decomposed into several IMFs by BEMD and features are clustered using Fuzzy C-Means is proposed in this paper.Extrema detection and interpolation plays an important role in the sifting process.Radial Basis Functions（RBF） is chose for interpolation.The features of IMFs are then clustered using FCM.The experimental results indicate that RBF is fit for the interpolation procedure of sifting and the method proposed in this paper is stable，reliable and efficient.

Key words: Bidimensional Empirical Mode Decomposition（BEMD）, Intrinsic Mode Function（IMF）, texture segmentation, Radial Basis Function（RBF）

胡佳宁,李峰,阳婷婷. 基于二维EMD和RBF的纹理分割方法[J]. 计算机工程与应用, 2007, 43(35): 77-79.

HU Jia-ning,LI Feng,YANG Ting-ting. Texture segmentation method based on BEMD and RBF[J]. Computer Engineering and Applications, 2007, 43(35): 77-79.

[1]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	李淑玲. 基于径向基点插值的Chan-Vese模型图像分割算法[J]. 计算机工程与应用, 2018, 54(11): 193-197.
[4]	孙堂乐，李国辉. EEMD与RBF神经网络的太阳黑子月均值预测[J]. 计算机工程与应用, 2017, 53(24): 252-256.
[5]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[6]	郑雪辉，王士同. 基于迁移学习的径向基函数神经网络学习[J]. 计算机工程与应用, 2016, 52(5): 6-10.
[7]	厉征鑫，刘建立，周建，高卫东. 基于二维经验模态分解的织疵分割算法改进[J]. 计算机工程与应用, 2016, 52(24): 217-222.
[8]	徐明亮1，2，赵吉3，唐玉兰1. FRBF神经网络分类器设计新方法[J]. 计算机工程与应用, 2016, 52(13): 157-161.
[9]	杨剑锋，张翠，张峰. 机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制[J]. 计算机工程与应用, 2015, 51(9): 82-86.
[10]	周宇峰1，张志远1，2，3，刘利2，杨广文1，2. 一种应用于地球系统模式的通用插值算法模型[J]. 计算机工程与应用, 2015, 51(6): 217-221.
[11]	李安平1，2，刘国荣1，2，杨小亮1，沈细群2. 一类非等阶分数阶非线性系统的神经网络控制[J]. 计算机工程与应用, 2015, 51(20): 240-245.
[12]	包广清，常勇，杨国金. 基于EMD阈值方法的轴承故障振动信号去噪[J]. 计算机工程与应用, 2015, 51(10): 205-210.
[13]	谭乾1，江弋1，林凡2. 基于AHP-RBF的Swift云存储负载预测[J]. 计算机工程与应用, 2014, 50(8): 35-39.
[14]	李淑玲，李小林. 全局正定径向基函数在图像分割中的应用[J]. 计算机工程与应用, 2014, 50(6): 139-143.
[15]	许楠，刘丽杰. 径向基函数混沌神经元系统及其应用[J]. 计算机工程与应用, 2014, 50(4): 73-76.