现今,黄锷和他的团队所提出的希尔伯特黄变换(HHT)成为了各大领域的研究热点,HHT方法在1998年提出以来,经过国内外学者们的深入研究,取得了一系列的研究成效。经验模态分解EMD方法是希尔伯特黄变换中最重要的且具有创新性的数据处理算法。自适应性是EMD算法最主要的特性之一,它主要是将非线性、非平稳数据序列或信号的进行平稳化。由于EMD方法的提出以及广大学者的广泛关注,该算法已经快速有效的应用在各种的工程领域,并取得一定的研究成果。自适应性是EMD算法最主要的特性之一,它主要是将非线性、非平稳数据序列或信号的进行平稳化。EMD可把复杂的数据分解成有限的本征模函数(IMF)和一个趋势项,从而使得瞬时频率这一概念具有了实际的物理意义。但是EMD算法存在着模态混叠的问题。为了克服了这一缺点,提出了一种改进算法——整体经验模态分解(EEMD)方法,它是针对EMD方法的缺点而提出的一种噪声辅助数据分析方法。为了将该算法应用在图像处理方面,本文提出了一种基于小波函数的二维整体经验模态分解的方法,主要采用小波函数为二维EEMD算法中的基函数,利用最小二乘法原理实现自适应数据拟合。本文以人脸表情图像为研究对象,证明所提出的算法是可行的并且有效的。本文针以人脸面部表情作为研究对象进行研究分析,所研究的人脸表情来源于日本JAFFE人连表情数据库,其中的213个表情来自10个不同的女性。本文利用图像的尺度归一化和直方图均衡化对表情图像进行预处理,对于处理的结果,首先进行Radon变换,再利用一维经验模态分解对人脸图像作进一步处理;其次,将预处理的结果再进行二维经验模态分解;最后,分别对一维和二维经验模态分解的结果采用支持向量机的方法,将表情特征属性数据进行训练分类,对比其分类结果并进行分析,找到更加有效的人脸面部表情都识别的方法。其分析结果对未来的图像处理方面,特别是人脸表情识别将会有重要的参考价值。