基于小波函數(shù)的二維整體經(jīng)驗模態(tài)分解研究.pdf

1、分類號：O212.1單位代碼：單位代碼：10190研究生學號：研究生學號：201402015密級：公開碩士學位論文基于小波函數(shù)的二維整體經(jīng)驗模態(tài)分解研究TheBiDimensionalEnsembleEmpiricalModeDecompositionAnalysisBasedonWaveletFunction研究生姓名研究生姓名：張瑜專業(yè)：統(tǒng)計學指導教師指導教師及職稱及職稱：秦喜文（教（教授）授）培養(yǎng)單位：長春工業(yè)大學長春工業(yè)大學長2

2、017年6月研究生學位論文I摘要現(xiàn)今，黃鍔和他的團隊所提出的希爾伯特黃變換（HHT）成為了各大領域的研究熱點，HHT方法在1998年提出以來，經(jīng)過國內外學者們的深入研究，取得了一系列的研究成效。經(jīng)驗模態(tài)分解EMD方法是希爾伯特黃變換中最重要的且具有創(chuàng)新性的數(shù)據(jù)處理算法。自適應性是EMD算法最主要的特性之一，它主要是將非線性、非平穩(wěn)數(shù)據(jù)序列或信號的進行平穩(wěn)化。由于EMD方法的提出以及廣大學者的廣泛關注，該算法已經(jīng)快速有效的應用在各種的工程

3、領域，并取得一定的研究成果。自適應性是EMD算法最主要的特性之一，它主要是將非線性、非平穩(wěn)數(shù)據(jù)序列或信號的進行平穩(wěn)化。EMD可把復雜的數(shù)據(jù)分解成有限的本征模函數(shù)（IMF）和一個趨勢項，從而使得瞬時頻率這一概念具有了實際的物理意義。但是EMD算法存在著模態(tài)混疊的問題。為了克服了這一缺點，提出了一種改進算法——整體經(jīng)驗模態(tài)分解（EEMD）方法，它是針對EMD方法的缺點而提出的一種噪聲輔助數(shù)據(jù)分析方法。為了將該算法應用在圖像處理方面，本文提出

4、了一種基于小波函數(shù)的二維整體經(jīng)驗模態(tài)分解的方法，主要采用小波函數(shù)為二維EEMD算法中的基函數(shù)，利用最小二乘法原理實現(xiàn)自適應數(shù)據(jù)擬合。本文以人臉表情圖像為研究對象，證明所提出的算法是可行的并且有效的。本文針以人臉面部表情作為研究對象進行研究分析，所研究的人臉表情來源于日本JAFFE人連表情數(shù)據(jù)庫，其中的213個表情來自10個不同的女性。本文利用圖像的尺度歸一化和直方圖均衡化對表情圖像進行預處理，對于處理的結果，首先進行Radon變換，再利