经验模式分解(Empirical Mode Decomposition, EMD)方法是由NASA的Norden E. Huang于1998年提出的一种新的非线性非平稳信号处理方法。这种方法将一个复杂的非线性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本征模式函数,它们代表了信号不同尺度的特性。经验模式分解法能使时--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较小的范围。经验模式分解方法作为一种新的数据分析方法,它从一个全新的角度对信号进行分解,发展时日尚短,具有用于图像处理的潜力。因此完善EMD理论,并将其有效应用于图像处理引起了越来越多学者的重视,成为一个具有重要理论价值和应用价值的课题。本文首先介绍了经验模式分解方法的产生背景及国内外研究概况,对EMD方法的应用背景进行了说明并对该方法在图像处理方面的应用前景进行了分析;接着对EMD方法的原理和算法进行了详细说明,对一维EMD方法以及如何将其扩展到二维图像情形进行了详细地介绍和讨论,对EMD分解中涉及的极值点查找、插值方法选取、边界效应处理、筛选停止标准和分解终止标准等问题给出具体的实现方法,在此基础上提出了基于极值点优化和基于图像分块的快速EMD分解的两种方法;然后结合多尺度处理方法和EMD方法的性质,提出了两种分别从频率域分解和空域多尺度分解角度出发的基于EMD的图像融合方法;最后针对图像编码,提出了基于EMD的熵编码、基于EMD的极值点提取编码、基于EMD筛选过程的编码和基于EMD的变换编码这四种图像编码方法。本文对EMD理论以及如何把EMD方法应用于图像融合和图像编码进行了初步的探索,具有一定的创新意义。