二维经验模式分解

资 源 简 介

二维经验模式分解

详 情 说 明

二维经验模式分解（Bidimensional Empirical Mode Decomposition, BEMD）是一种自适应信号分解方法，广泛应用于图像处理和二维信号分析。该方法能够将复杂的二维信号（如灰度图像）分解为多个本征模态函数（BIMF）和一个残余分量，适用于多尺度特征提取和噪声去除。

在实现BEMD时，核心思想是通过迭代筛选过程提取局部极值点，并利用插值方法构建上下包络面，进而分解信号。相比于传统一维经验模式分解（EMD），BEMD需要处理二维网格上的极值点分布，通常采用Delaunay三角剖分或径向基函数进行曲面拟合。

实际应用中，BEMD常用于纹理分析、医学图像增强和遥感数据分解。由于算法依赖局部极值提取，对于噪声敏感的数据可能需要预处理或结合其他滤波方法提高稳定性。该方法的优势在于无需预设基函数，能够自适应地分解非线性、非平稳信号。