柳 笛，陈熙源，方文辉

（东南大学 仪器科学与工程学院 微惯性仪表与先进导航技术教育部重点实验室，南京 210096）

图像作为视觉定位系统解算位姿的一种重要载体。图像获取和传输过程中会受到外在或内在因素的影响，从而产生噪声污染。这些噪声降低了图像的质量，致使图像中的重要信息丢失，给通过图像解算载体位姿信息带来很大的困难。因此图像的降噪处理和稀疏表达，是视觉定位分析的重要基础[1]。

近些年来，一些基于分解和重构的算法被应用于图像去噪，例如各种滤波器、傅里叶变换和一些较复杂的超小波等算法（小波去噪[2]、剪切波变换去噪[3]、曲波变换去噪[4]）。这些方法根据噪声的高频特性，在对图像信号进行分解和重构时，通常将变换系数较大的高频信号作为噪声而滤除，从而达到图像去噪的目的。事实上，图像的纹理和边界等细节同样包含了大量的高频信息，因此图像中的细节信息往往会和噪声同时被平滑。小波去噪方法能够在多方向上进行图像去噪，然而它们需要预先设计分解基底，如果分解达不到最优则会造成不能对图像进行彻底降噪或者将一些有用的细节信息作为噪声而滤除。1990年，美国国家宇航局的Huang等人[5]提出一种用于非线性和非平稳数据分析的自适应时域分解方法-经验模态分解（EMD），该方法具有很强的局部自适应分解特性，在一定程度上克服了小波分解算法的不足并在一维信号分析中取得了广泛的应用。……