信号的恰当表示是信号与信息处理的核心任务之一。对于许多实际信号，如蝙蝠发出的超声波、鲸鱼的叫声等生物信号，以及雷达声呐等人造系统产生的信号，其瞬时频率的变化规律反映了信号重要的特征并且也是信号模型中关键的参数，因此选择合适的变换域提取信号的瞬时频率信息，并选择合适的表示方法对信号进行重建都是很重要的问题。　　小波作为一种强有力的非平稳信号分析工具，既可以得信号的轮廓特征，也可以得到信号的细节特征。信号的连续小波变换系数虽然存在大量的冗余，但却包含了信号的所有的瞬时频率信息。平稳相位原理表明：当信号满足渐进性要求时，小波系数在时间尺度平面上呈现出“山脊”的特征，脊上的系数包含了信号的所有信息，能够用来重构信号。自90年代起，出现了许多种脊线提取和基于脊线的信号重构算法。　　本文在前人研究的基础上，提出了一种基于“图像”分割的脊线提取算法，因为模值较大的小波系数往往集中在时间-尺度平面上几个分散的区域（脊线区域），将小波系数模值矩阵看作一个“图像”，对其分割，再对分割得到的每个区域确定极值位置可得到小波脊线。利用脊线区域内的小波系数可以很好很快的重构信号。本文算法相比传统算法，精度、速度有了很大的提高。