| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-28页 |
| ·引言 | 第13-14页 |
| ·经验模态分解的基本方法和二维经验模态分解的关键问题 | 第14-16页 |
| ·二维经验模态分解理论中的拟合问题 | 第16-22页 |
| ·曲面拟合方法的研究进展 | 第16-20页 |
| ·边界拟合方法的研究进展 | 第20-22页 |
| ·二维经验模态分解理论中的停止准则问题 | 第22-23页 |
| ·二维经验模态分解理论中的模态性质研究 | 第23-24页 |
| ·二维经验模态分解理论的应用研究 | 第24-26页 |
| ·本文的研究内容和结构 | 第26-28页 |
| 第2章 二维经验模态分解筛分次数研究 | 第28-55页 |
| ·引言 | 第28页 |
| ·二维经验模态分解筛分停止准则研究 | 第28-38页 |
| ·筛分的停止条件 | 第28-29页 |
| ·BEMD过程中极值点变化规律 | 第29-33页 |
| ·基于极值点数量和分布变化规律的BEMD筛分停止准则 | 第33-34页 |
| ·实验结果比对与分析 | 第34-38页 |
| ·模态分解的过筛分现象 | 第38-39页 |
| ·模态分解的包络均值表示 | 第39-42页 |
| ·模态分解中的包络均值运算 | 第39-40页 |
| ·各个模态的包络均值表示 | 第40页 |
| ·包络均值运算的性质 | 第40-42页 |
| ·二维经验模态分解过筛分成分分析 | 第42-46页 |
| ·过筛分成分的表示式的推导 | 第42-44页 |
| ·过筛分成分的仿真实验结果 | 第44-46页 |
| ·二维经验模态分解无穷多次筛分猜想 | 第46-53页 |
| ·二维空间域限带信号的包络均值运算的简单数学模型假设 | 第46-50页 |
| ·基于二维空间域限带信号的包络均值运算简单数学模型假设的BEMD无穷多次筛分分析 | 第50-51页 |
| ·BEMD无穷多次筛分的仿真实验 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第3章 二维经验模态分解各模态的性质分析 | 第55-94页 |
| ·引言 | 第55页 |
| ·各个模态的能量 | 第55-56页 |
| ·各个模态的傅立叶频谱 | 第56-57页 |
| ·各个模态的傅立叶相位 | 第57-62页 |
| ·傅立叶相位的定义 | 第57-58页 |
| ·各模态的傅立叶相位对原始图像的重建 | 第58-60页 |
| ·各模态的傅立叶相位继承率 | 第60-62页 |
| ·各个模态的解析相位 | 第62-76页 |
| ·图像解析相位的概念 | 第62-69页 |
| ·获得具有明确物理意义的图像解析相位的前提 | 第69-70页 |
| ·模态图像的解析相位 | 第70-76页 |
| ·各个模态的可分离度 | 第76-86页 |
| ·各个模态的加性可分离度 | 第76-80页 |
| ·各个模态的乘性可分离度 | 第80-84页 |
| ·模态可分离度的应用意义 | 第84-86页 |
| ·各个模态的瞬间频率 | 第86-93页 |
| ·一维信号的瞬时频率 | 第86-87页 |
| ·各个模态的瞬间频率 | 第87-93页 |
| ·本章小结 | 第93-94页 |
| 第4章 基于二维经验模态图像相位信息的纹理分割方法研究 | 第94-121页 |
| ·引言 | 第94-95页 |
| ·聚类方法的选择 | 第95-96页 |
| ·利用GABOR滤波器对纹理分割 | 第96-101页 |
| ·GABOR滤波器 | 第97-99页 |
| ·四元数GABOR滤波器 | 第99-100页 |
| ·多重GABOR滤波器的优化纹理分割方法 | 第100-101页 |
| ·分形纹理分割 | 第101-102页 |
| ·相位信息在纹理分割中的作用 | 第102-110页 |
| ·傅立叶相位在纹理分割中的作用 | 第103-104页 |
| ·傅立叶相位对纹理分割的修正 | 第104-107页 |
| ·解析相位在纹理分割中的作用 | 第107-108页 |
| ·利用解析相位信息对四元数GABOR滤波器纹理分割结果进行修正 | 第108-110页 |
| ·二维经验模态分解对纹理分割的改进 | 第110-112页 |
| ·二维经验模态图像的高可分离度在纹理分割中的作用 | 第110-111页 |
| ·其他模态在图象分割中的作用 | 第111-112页 |
| ·基于二维经验模态分解的并行叠加无监督纹理分割方法 | 第112-119页 |
| ·本章小结 | 第119-121页 |
| 第5章 基于二维经验模态分解的图像压缩方法研究 | 第121-145页 |
| ·引言 | 第121页 |
| ·Linderhed压缩算法的思想 | 第121-124页 |
| ·基于均值曲面网格特征点的第一余量图像压缩方法 | 第124-132页 |
| ·二维经验模态分解中利用特征点来表示和重建第一余量图像的两种思想的对比 | 第124-126页 |
| ·提取均值曲面的网格特征点 | 第126-127页 |
| ·利用网格特征点重建均值曲面和第一余量曲面 | 第127-130页 |
| ·关于迭代次数对第一余量的压缩的影响的讨论 | 第130-132页 |
| ·改进的基于二维经验模态分解的图像压缩方法 | 第132-133页 |
| ·仿真实验结果 | 第133-144页 |
| ·LENA图像的压缩实验结果 | 第133-135页 |
| ·侧扫声纳水声图像的压缩实验结果 | 第135-144页 |
| ·本章小结 | 第144-145页 |
| 结论 | 第145-147页 |
| 参考文献 | 第147-158页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第158-160页 |
| 致谢 | 第160页 |
