《表3 实验所用图像：一种基于多尺度极值的快速自适应二维经验模式分解方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于多尺度极值的快速自适应二维经验模式分解方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证和分析改进FABEMD方法，即IFABEMD方法的有效性，下面分别给出原FABEMD方法和IFABEMD方法对典型的自然图像与合成纹理图像的分解对比结果。其中，FABEMD方法选用极值点最近距离矩阵dadj-max和dadj-min最小值中的最小值作为滤波窗口尺寸，并且筛选次数为1，迭代次数以分解效果与本文分解的最高级分量相当时为标准；IFABEMD方法不需要筛选过程，迭代次数为多尺度极值点集最高级数n-1（避免滤波窗口尺寸过大使分解速度快速下降）。实验图像如图6，7所示，图像参数如表3所示。FABEMD方法和IFABEMD方法的分解结果如图8—11所示。分解速度如表4所示。