EMD（经验模态分解）是一种适用于处理非线性非平稳信号的完全数据驱动的分解方法,它的提出被视为信号分析处理领域的一个重大创新突破。EMD能够避免傅里叶分析和小波分析对基函数选取的依赖,并广泛应用在气象、地质、电力等领域的信号分析和处理中。尽管二维EMD已经在图像处理和分析领域中得到了广泛的应用,但现有的多通道图像EMD方法在计算效率、分解质量等方面仍有提高的空间。为此,本文针对多通道图像EMD方法进行研究,提出了一种简单高效的多通道图像EMD方法,并将其应用在图像融合与彩色图像水印中,主要工作如下:1.提出了一种基于形态学滤波的快速多通道图像EMD方法。方法利用形态学膨胀和腐蚀滤波可以计算图像上下包络这一重要特性,用其实现了多通道图像EMD的快速计算,其中形态学滤波窗口大小由各通道图像的平均极值距离确定,最终能够将一幅多通道图像自适应分解为若干个尺度从细到粗的内蕴模态图像（IMF）和一个体现图像整体变化趋势的余量。大量的彩色图像的分解实验对比说明,该方法不但能够取得较好的分解结果,而且也能显著提高多通道图像的分解效率。2.提出了一种基于形态学滤波的快速多通道图像EMD的融合方法。方法首先对待融合的图像利用本文提出的基于形态学滤波的快速多通道图像EMD方法进行分解,得到不同尺度的内蕴模态图像以及余量图像,然后分别针对内蕴模态图像和余量图像采用不同融合准则进行融合,并通过图像增强的重建方式提高图像融合的质量。大量的图像融合对比实验说明该方法能够快速有效地进行图像融合。3.提出了一种基于形态学滤波的快速多通道图像EMD的彩色图像水印方法。方法首先通过Arnold变换和Hilbert曲线将水印图像变换为一维水印信号,然后利用本文提出的基于形态学滤波的快速多通道图像EMD方法对彩色宿主图像进行多尺度分解,最后把一维水印信号嵌入到第一个内蕴模态图像中;水印图像的提取为该嵌入算法的逆过程。通过与一些经典水印算法的比较说明该方法取得了较好的效果。