BEMD方法的若干研究及改进

对传统的二维经验模态方法进行研究.首先,对于边界效应主要通过对图像进行镜像延拓的方法减小边界对内部数据的污染；其次,观察相邻两次分解的图像极值点,比较在位置分布上的重合度和在数量增减速率上的变化情况,得出分量分解的收敛性规律；最后,结合大量分解实验与实际需求,得出满足实时性、准确性要求的分量筛选停止准则和分解过程停止准则的表达式.通过改进的优化方法,使传统方法得到一定程度的改善,也使二维经验模式分解(two-dimensional empirical mode decomposition,简称BEMD)理论方法得到完善,为图像处理以及其他二维信号的分析提供了精准、有效的分析方法.