1、經(jīng)驗模式分解（Empirical Mode Decomposition，EMD）算法是一種新的信號處理技術(shù)。EMD可有效地將非線性非平穩(wěn)信號中每一點的時（空）局部振蕩模式提取出來，得到一系列內(nèi)蘊模式函數(shù)分量（Intrinsic ModeFunction，IMF），經(jīng)Hilbert變換后，使得瞬時頻率有了確切的物理意義。傅立葉變換能夠在頻域內(nèi)得到非常高的分辨率，但是在時（空）域內(nèi)卻失去了分辨能力。由于窗口傅立葉變換的窗函數(shù)是固定的，它只提

2、供了有限的時（空）頻分辨率。小波變換具有多尺度多分辨能力，在不同尺度下的時（空）域和頻域內(nèi)同時具有較好的分辨率，但由于基函數(shù)是固定的，對分析的結(jié)果產(chǎn)生不利的影響。EMD分解依靠數(shù)據(jù)自身局部時間尺度特性進行分解。與小波變換相比，EMD不但具有小波變換的多尺度多分辨能力，而且消除了小波變換的缺陷，使得IMF分量可有效地反映出原信號的物理特征。因此，EMD比傅立葉變換和小波變換更有優(yōu)勢。
　　 由于EMD算法是靠經(jīng)驗得到的，缺陷不可避

3、免：一、算法的運行速度很慢；二、無法解決兩個頻率相差很大的信號在一定的條件下疊加后不能夠分離的問題，稱其為“信號隱藏”。影響EMD算法在圖像處理中的應用。本文通過對EMD算法缺陷成因的探討，提出了一種新的經(jīng)驗模式分解算法-窗口經(jīng)驗模式分解。實驗表明，新算法較之已有的算法具有優(yōu)越性。我們將新算法應用到數(shù)字圖像處理領(lǐng)域中，結(jié)果顯示它在數(shù)字圖像處理領(lǐng)域應用中具有潛力。
　　 本文主要工作與創(chuàng)新點有：
　　 一.針對二維EMD算

4、法中的缺陷，分析成因，研究解決方法。新算法利用窗函數(shù)思想，配合EMD算法的結(jié)構(gòu)，提出一種新的經(jīng)驗模式分解-窗口經(jīng)驗模式分解（Window Emoirical ModeDecomposition，WEMD），WEMD算法有兩大優(yōu)點：一，算法的運行速度比傳統(tǒng)的算法要快得多，能滿足工程應用的需要；二，解決了傳統(tǒng)算法無法解決的“信號隱藏”問題。
　　 二.傳統(tǒng)的二維EMD算法得到的分解圖像由于“信號隱藏”問題，使得分解圖像中不可避免要產(chǎn)

5、生灰斑，影響了它的應用范圍。本文根據(jù)WEMD算法的高頻信息強獲取能力和多尺度多分辨率特性，研究該算法在數(shù)字圖像中的應用：
　　 A.圖像邊緣提取：根據(jù)第一個IMF分量圖像具有很好的邊緣特性，提出了兩種邊緣提取算法：1）直接利用閾值提取IMF圖像邊緣；2）利用二維Hilbert變換和非極大值抑制算法提取圖像邊緣。
　　 B.圖像融合：利用WEMD算法的多尺度多分辨率特性和高頻細節(jié)信息的強獲取能力，運用本文提出的背景/細節(jié)融

6、合規(guī)則對前幾層IMF分量進行處理，將融合后的IMF分量重構(gòu)得到融合圖像。
　　 C.圖像去噪：根據(jù)噪聲圖像經(jīng)WEMD分解得到IMF分量圖像中的噪聲呈現(xiàn)斑點噪聲的特性，運用Gamma濾波對前幾層IMF分量圖像進行處理，將處理后的IMF分量重構(gòu)得到去噪圖像。
　　 D.圖像增強：根據(jù)IMF分量圖像的直方圖服從正態(tài)分布的特性，運用直方圖匹配算法，使IMF分量圖像中的細節(jié)得到增強，將增強后的IMF分量重構(gòu)得到增強圖像。
　

7、　 以上提出的基于WEMD的圖像處理算法，實驗證明無論是運用主觀分析，還是運用客觀分析，其效果都優(yōu)于已有的算法。
　　 三結(jié)合密碼學思想和EMD算法的結(jié)構(gòu)，將每一層IMF分量篩選停止條件“SD”值作為密鑰，運用不同的SD值得到每一層IMF分量。用同樣大小的秘密圖像代替其中的一個IMF分量，最后將IMF分量重構(gòu)得到含有秘密圖像的載體圖像。載體圖像滿足人眼視覺系統(tǒng)，外人無法分辨出載體圖像中是否含有秘密信息。當需要恢復秘密圖像時，秘