Dr.Norden Huang于1998年提出了一种新的非平稳信号分析方法--经验模分解法.这种方法将一个复杂的非平稳信号逐级分解成若干平稳的数据层与剩余的最终趋势项的叠加.其中每一个平稳数据层被称为一个内部模式函数,它们代表了信号不同尺度的特性.另外,经验模分解法能使时-频同时局部化,具有自适应性,可以把奇异信号对处理结果的污染控制在很小的范围.将经验模分解法扩展到二维,便可以进行图像处理.二维扩展的关键是插值曲面构造,其中包括极值点选择,平面散乱点集三角剖分,基于三角网格的插值曲面构造等关键技术.极值点选取的方式有很多种,基本思想是根据移动窗口比较像素点灰度值.平面三角剖分有多种准则,该文采用的是最小权三角剖分,利用最小凸壳法进行算法实验.插值曲面采用基于三角网格的BB插值方法构造.在实际图像处理应用中,采用Lena图像作为实例进行处理,经验模分解法可以将图像分解为一系列由“细”到“粗”的细节信息和最终趋势信息,从而进行图像分割、边缘检测、模式识别等进一步处理.经验模分解法的一个重要问题是边界处的误差会逐渐影响到内部数据,不同的边界处理方法会对处理结果造成不同的影响.该文通过两种方法对该问题进行相应处理：一是对图像进行镜像扩展,二是适当取大待处理图像时,处理完毕后,裁剪多余部分,得到最终处理结果.实践证明这两种方法都可以较好的消除边界效应.