具有多尺度信息的二维图像数据分离方法

摘要

本发明所述的具有多尺度信息的二维图像数据分离方法，将一张包含有多种特征尺度信息的二维图像分离成几张尺度分离的“图层”，其中每一张“图层”仅含有相对单一尺度的目标对象信息，从而实现二维数据平稳化预处理与不同尺度叠加信息的分离，为后续数据应用阶段的各个尺度现象相互间比较和研究提供数据源预处理。所述的数据分离方法，其核心技术方案包括有以下两点：一是所分离的图像是由二维数据构成的，所要分离处理的、以及分离出来的均是二维数据所构成的图像。二是图像中包含有多尺度信息，发明目的是将一个二维图像分离成几张尺度分离的“图层”，其中每一张“图层”仅含有相对单一尺度的目标对象信息。

主权项

1、一种具有多尺度信息的二维图像数据分离方法，其特征在于：所述分离方法的执行步骤是，针对二维图像数据矩阵F(x，y)确定每一局部的极值点，并按一定邻接关系连接起来组成剖分三角形，采用在三角形每一条邻接边上二阶光滑的插值方法进行插值，对于图像中极大值点与极小值点进行曲面拟合，从而形成上包络面Xmax(x，y)和下包络面Xmin(x，y)，由上、下包络曲面获得一均值曲面m₁(x，y)；从原图像F(x，y)中去除掉均值曲面m_k(x，y)而得到差值图像h_1k，当k＝1，即通过均值曲面m₁(x，y)而得到差值图像h₁₁。以差值图像h₁₁为下一次数据分离的原始图像，重复上述分离过程而得到均值曲面m₂(x，y)和差值图像h₁₂，直至重复上述分离方法k次而获得均值曲面m_k(x，y)和差值图像h_1k。其中，第k次数据分离得到的差值图像h_1k是以上一次差值图像h_1(k-1)为原始图像的，其中k为常数且k≥2。当差值图像h_1k与上一次得到的均值曲面m_k-1(x，y)所确定的差值图像h_1(k-1)，满足以下相似系数PJ函数表达式时，上述数据分离过程结束： $\mathrm{PJ}=\underset{x=1}{\overset{W}{\Sigma }}\underset{y=1}{\overset{H}{\Sigma }}\left[\frac{{|(h_{m(k-1)}(x,y)-h_{\mathrm{mk}}(x,y)|}^2}{h_{m(k-1)}^2(x,y)}\right]\in [{\alpha }_1,{\alpha }_2]---\left(3.3\right)$ 其中，m是当前处理的层数；k是该层重复处理的次数，且k≥2；W和H分别是图像宽度与高度；而α₁和α₂是进行数据分离前所给定的单一尺度信息的平稳数据层区域界限参数，α₁和α₂均为常数，且α₁＜α₂；差值图像h_mk(x，y)即是具有单一尺度信息的分离数据图像。