臺灣博碩士論文加值系統

品質檢驗在產品製造過程中經常扮演著重要的角色，它不僅會影響後半段製程的可靠度，還關係到自動化生產的效率。因此近幾年已從傳統人工目視檢測方法，提升至電腦視覺之自動化檢測系統，除了可降低因人工目視所造成之誤判率，還可以維持產品品質之穩定性。在產業中常見之檢測工件，其特徵大多為體積小，且具有背景紋路，造成檢測上之困難度。在文獻中已有不少針對紋路分析之相關影像處理方法，例如離散餘弦轉換(Discrete Cosine Transform, DCT)、離散傅立葉轉換(Discrete Fourier Transform, DFT)與離散小波轉換(Discrete Wavelet Transform, DWT)等常見之頻率域轉換法，可針對不同檢測工件之紋路特徵，發展出不同之自動化檢測系統。
本研究提出一以希爾伯特-黃轉換(Hilbert Huang Transform, HHT)為基礎之檢測瑕疵方法，檢測LED透鏡之可視瑕疵，此檢測方法是由二維經驗模態分解法(Bidimensional Empirical Mode Decompositional, BEMD)搭配希爾伯特轉換(Hilbert Transform, HT)所形成。首先使用BEMD分解出數個有效之固有模式函數(Intrinsic Mode Function, IMF)影像，並選擇前三張屬高頻至中頻部分之IMF頻率影像進行HT轉換，可得到相對應之瞬間幅值(Instantaneous Amplitude, IA)強度影像。將IMF頻率影像與IA強度影像對應相乘並累加後可有效增強影像之輪廓，並且能濾除掉影像中之瑕疵，最後和原始影像相減，得到差異影像，即能突顯瑕疵之區域。實驗結果顯示本研究所提方法針對LED透鏡之可視瑕疵其瑕疵檢出率達95.24%，正常區域誤判率為2.42%，說明HHT轉換應用在瑕疵檢測上之可行性。

In the literature, there are some image processing techniquesof frequency domains fordefect detection purposes, such as Discrete Cosine Transform (DCT), Discrete Fourier Transform (DFT),Discrete Wavelet Transform (DWT) and so on. And, these frequency domain transform methods are applied to develop the automated visual inspection systems for inspecting different types of surface defectsembedded on different texture patterns.
This research proposes a Hilbert-Huang Transform (HHT) based approach to inspect visual defects of LEDlenses. This approach combines the schemes of the Bi-dimensional Empirical Mode Decomposition (BEMD) and the Hilbert Transform (HT). The BEMD decomposes a testing image into several Intrinsic Mode Function (IMF) images. The first three IMF images with high and middle-high frequency components are selected to conduct the HT transformation for producing three corresponding Instantaneous Amplitude (IA) strength images. We multiple the IMF images and their corresponding IA images and then combine the multiplication images to obtain a fused image where visual defects are removed and background textures are retained. By subtracting the fused image from the original image, the visual defects can be distinctly enhanced in the difference image. Experimental results show that the defect detection rates of LED lenses achieve up 95.24% and the false alarm rates lower to 2.42% by the proposed method. This demonstrates the feasibility of applying HHT to visual defect detection.

目錄
摘要 I
Abstract II
致謝 III
目錄 IV
圖目錄 VII
表目錄 X
第一章 緒論 1
1.1 電腦視覺之背景 1
1.2 表面紋路分析 1
1.3 表面瑕疵檢測 3
1.4 LED透鏡可視瑕疵檢測 6
1.5 研究動機與目的 6
1.6 論文架構 8
第二章 文獻探討 9
2.1 電腦視覺檢測技術 9
2.2 LED透鏡之可視瑕疵檢測 11
2.3 二維經驗模態分解法(BEMD)之應用 11
2.4 二維希爾伯特轉換(HT)之應用 12
2.5 希爾伯特-黃轉換(HHT)之應用 13
第三章研究方法之相關學理 15
3.1 經驗模態分解法(EMD) 15
3.1.1 經驗模態分解法(EMD)之流程 16
3.1.2 固有模式函數(IMF)之特性 20
3.1.3 經驗模態分解法(EMD)之應用 20
3.2 二維希爾伯特轉換(HT) 21
3.3二維希爾伯特-黃轉換(HHT) 22
第四章研究流程與學理應用 26
4.1 利用二維經驗模態分解法(BEMD)進行影像分解 28
4.2 二維固有模式函數(IMF)之頻率影像選取 32
4.3 二維希爾伯特轉換(HT)之頻率影像增強 32
4.4 二維希爾伯特-黃轉換(HHT)之影像濾波 34
4.5 影像相減 34
4.6 M倍標準差之自動化閥值切割 35
第五章實驗結果與分析 38
5.1 影像擷取系統與檢測軟體開發 39
5.1.1 影像擷取系統 39
5.1.2 檢測軟體開發 40
5.2 LED透鏡可視瑕疵之檢測效益評估指標 40
5.3 最佳參數之設定 42
5.3.1 BEMD之篩選次數 42
5.3.2二值化閥值微調為瑕疵檢測之影響 42
5.4 LED透鏡良品與不良品之分類 43
5.5 不同檢測方法之效益評估比較 47
5.6 敏感度分析 51
5.6.1結合不同二維固有模式函數(IMF)之個數對檢測績效之影響 51
5.6.2 IA強度影像對於IMF頻率影像之影響 52
5.6.3 IMF頻率影像對於IA強度影像之影響 56
5.6.4 IMF頻率影像乘上不同權重之影響 58
5.6.5影像拍攝亮度改變對檢測效益之影響 62
5.6.6 小波轉換與BEMD搭配HT轉換之影響 65
5.6.7球狀工件之表面瑕疵檢測 70
5.6.8 縮短BEMD分解之處理時間對檢測效益的影響 76
5.7 具統計性紋路之表面瑕疵檢測 84
第六章結論與未來研究方向 86
6.1結論 86
6.2未來研究方向 88
參考文獻 90

圖目錄
圖1 SBL與透明玻璃之不同表面瑕疵[22, 63] 2
圖2 水紋瑕疵之SBL與LED透鏡[21, 55] 3
圖3 空間域影像經由頻率域轉換之示意圖[13] 4
圖4 Lena影像經過DCT、DFT以及DWT轉換後頻率影像 5
圖5 LED透鏡及其可視瑕疵影像[55] 7
圖6 EMD之分解流程圖 19
圖7 HHT轉換之流程圖[57] 23
圖8 本研究之LED透鏡可視瑕疵檢測流程圖 27
圖9 BEMD之分解流程圖 31
圖10 原始影像經BEMD分解後之過程影像 32
圖11 HT複數頻率影像(hi)與IA強度影像(iai) 33
圖12 形成HHT濾波後融合影像之過程影像 34
圖13 形成正規化差異影像之過程影像 35
圖14 形成二值化影像之過程影像 36
圖15 LED透鏡影像經瑕疵檢測方法之各步驟的過程影像 37
圖16 本研究之實驗架構 38
圖17 影像擷取系統之設備圖[55] 39
圖18 本研究所開發軟體之操作介面[50] 40
圖19 不同二值化閥值切割之瑕疵檢測效益ROC曲線 43
圖20 本研究所提方法搭配理想參數設定之瑕疵檢測過程影像 45
圖21 LED透鏡良品與不良品之檢測結果影像 46
圖22 使用不同空間域方法檢測LED透鏡可視瑕疵之結果影像 48
圖23 使用不同頻率域方法檢測LED透鏡可視瑕疵之結果影像 49
圖24 LED透鏡樣本影像經結合不同IMF頻率影像個數之方法其瑕疵檢測結果影像 53
圖25 有無加入IA強度影像之過程影像 54
圖26 有無加入IA強度影像之瑕疵檢測結果影像 55
圖27 有無加入IMF頻率影像之過程影像 56
圖28 有無加入IMF頻率影像之瑕疵檢測結果影像 57
圖29 不同權重設定0.5~0.9之瑕疵檢測效益ROC曲線 59
圖30 權重為0.5與本研究之瑕疵檢測效益ROC曲線 60
圖31 IMF頻率影像有無加入不同加權權重之檢測結果的過程影像 60
圖32 IMF頻率影像有無加權權重之瑕疵檢測結果影像 61
圖33 不同影像亮度改變與其對應之灰階直方圖與二值化影像 63
圖34 不同影像亮度之BEMD分解影像與餘值影像之直方圖 64
圖35 LED透鏡樣本影像經DWT分解之過程影像 65
圖36 LED透鏡影像經DWT搭配HT轉換之檢測方法的過程影像 67
圖37 使用DWT與BEMD分別搭配HT轉換之瑕疵檢測效益ROC曲線 68
圖38 使用DWT與BEMD分別搭配HT轉換之結果影像 69
圖39 本研究針對PP球樣本之檢測結果影像 71
圖40 本研究針對玻璃球樣本之檢測結果影像 72
圖41 徐世殷方法[21]檢測PP球之可視瑕疵檢測流程 73
圖42 使用徐世殷所提方法[55]檢測PP球可視瑕疵之結果影像 74
圖43 使用徐世殷所提方法[55]檢測玻璃球可視瑕疵之結果影像 75
圖44 128×128大小之LED透鏡影像搭配HHT轉換之檢測方法過程影像 77
圖45 縮小之影像與原始大小之影像其瑕疵檢測效益ROC曲線 78
圖46 縮小影像經HHT轉換與本研究之結果影像 79
圖47 BEMD處理時間與SD設定值之散佈圖 80
圖48 停止準則SD < 1之檢測方法的過程影像 81
圖49 停止準則SD值小於1與0.2之瑕疵檢測效益ROC曲線 82
圖50 停止準則SD值<1與本研究之結果影像 83
圖51 本研究針對統計性紋路之檢測結果影像 85

表目錄
表1 不同紋路之比較表 2
表2 紋路背景之常用影像處理方法 4
表3 三種常見之轉換法與HHT轉換之比較表 7
表4 傅立葉轉換(FT)與希爾伯特轉換(HT)之比較表 21
表5 本研究所採用方法之優缺點及改善比較表 25
表6 本研究所提LED透鏡瑕疵檢測之理想參數設定與其瑕疵檢測效益 43
表7 本研究LED透鏡之良品與不良品分類結果與檢測效益 44
表8 本研究之比較其他瑕疵檢測之方法異同 47
表9 本研究與不同方法之瑕疵檢測效益比較表 50
表10 結合不同IMF頻率影像個數之方法其瑕疵績效與效率比較表 52
表11 W=0.1~0.9之加權數表 59
表12 本研究與DWT+HT之瑕疵檢測效益比較表 68
表13 BEMD與HT轉換之處理時間 76
表14 耗時主因的改善方法 76
表15 本研究與影像縮小之瑕疵檢測效益比較表 78
表16 本研究與停止準則SD值小於1之瑕疵檢測效益比較表 82

[1]Ahmed, N., T. Natarajan, K. R. Rao, “Discrete cosine transform,”IEEE Transactions on Computer, Vol. 23, No. 1, pp.90-93, 1974.
[2]Alan, V. N., “Texture classification using wavelet frame decompositions,”IEEE Conference on Signals, Syatems & Computers, Vol. 1, pp.311-314, 1997.
[3]Arfia, Faten Ben, Abdelouahed Sabri, Mohamed Ben Messaoud, Mohamed Abid, “The Modified Bidimensional Empirical Mode Decomposition for Color Image Decomposition,” Proceedings of the World Congress on Engineering, Vol. 2, 2011.
[4]Blasco, J., N. Aleixos, E. Molto, “Computer vision detection of peel defects in citrus by means of a region oriented segmentation algorithm,” Journal of Food Engineering, Vol. 81, No. 3, pp.535–543, 2007.
[5]Bhagavatula, Ramamurthy., Marios Savvides, “Analyzing Facial Images Using Empirical Mode Decomposition for Illumination Artifact Removal and Improved Face Recognition,”ICASSP 2007, pp.505-508, 2007.
[6]Chen, Mei-Juan, Chin-Hui Huang, Wen-Li Lee, “A fast edge-oriented algorithm for image interpolation,”Image and Vision Computing, Vol. 23, pp.791-798, 2005.
[7]Cheng, J., D.Yu, Y.Yang, “Research on the Intrinsic Mode Function (IMF) Criterion in EMD Method,” Mechanical Systems and Signal Processing, Vol. 20, pp.817-824, 2005.
[8]Chao, Min-Wen, “Extraction of special Frequencies using Empirical Mode Decompositional and their Applications to 2-D Edge Detection and Classification,” Thesis for the Degree of Master,Department of Computer Science and Information Engineering, National Cheng Kung University, Advisor:Hsieh, Pi-Fuei, 2005.
[9]Chao, Shin-Min, Du-Ming Tsai, “An anisotropic diffusion-based detection for low-contrast glass substrates,” Image and Vision Computing, Vol. 26, pp.187-200, 2008.
[10]Dazin, P. G., “Nonlinear Systems,” Cambridge University Press, Cambridge, 1992.
[11]Dunn, D., W.E.Higgins, “Optimal Gabor filters for texture segmentation,”IEEE Conference on Image Processing, Vol. 4, Issue7, pp.947-964, 1995.
[12]Duan, Feng, Yao-Nan Wang, Huan-Jun Liu, Yang-Guo Li, “A machine vision inspector for beer bottle,” Engineering Applications of Artificial Intelligence, Vol. 20, pp.1013–1021, 2007.
[13]Gonzalez, Rafael. C., Richard. E. Woods, “Digital Image Process, 2/E”開發圖書有限公司，台北縣，2002年。
[14]Huang,N. E., Z. Shen, S. R. Long, M. L. Wu, H. H. Shih, Q. Zheng, N. C. Yen, C. C. Tung, H. H. Liu, “The EmpiricalMode Decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis,” Proc. Roy. Soc. LondonA, Vol. 454, pp. 903–995, 1998.
[15]Hsieh, Cheng-Hsiung, Chih-Ming Lin, Fung-Jung Chang, “Pseudo-coloring with Histogram Interpolation,”2009 Ninth International Conference on Hybrid Intelligent Systems, Vol. 1, pp.9-12, 2009.
[16]Huang, Jingning, Binbin Zhao, Yongqing Chen, Pengda Zhao, “Bidimensional empirical mode decomposition (BEMD) for extraction of gravity anomalies associated with gold mineralization in the Tongshi gold field, Western Shandong Uplifted Block, Eastern China,” Computers & Geosciences, Vol. 36, pp.987–995, 2010.
[17]Huang, Norden E., Samuel S. P. Shen, “Hilbert-Huang Transform and Its Applications,” Interdisciplinary Mathematical Sciences, Vol.5.
[18]Jain, Ramesh, R. Kasturi, B. G. Schunck, Machine Vision Internatioal Editions, New York, NY, McGraw Hill 76-86, 1995.
[19]Kumar, Ajay, “Computer-Vision-Based Fabric Defect Detection: A Survey,” IEEE Transactionson Industrial Electronics, Vol. 55, No. 1, pp.348-363, 2008.
[20]Liu, Zhongxuan, Silong Peng, “Boundary Processing of Bidimensional EMD Using Texture Synthesis,” IEEE Signal Processing Letters, Vol. 12, No. 1, pp.33-36, 2005.
[21]Lin, Hong-Dar, “Automated visual inspection of ripple defects using wavelet characteristic based multivariate statistical approach,”Image and Vision Computer, Vol. 25, pp.1785-1801, 2007. Image and Vision Computer, Vol. 25, pp.1785-1801, 2007.
[22]Lin, Hong-Dar, “Tiny surface defect inspection of electronic passive components using discrete cosine transform decompositionand cumulative sum techniques,” Image and Vision Computer, Vol. 26, pp.603-621, 2008.
[23]Liu, Huanjun, Yaonan Wang, Feng Duan, “Glass Bottle Inspector Based on Machine Vision,” International Journal of Computer Systems Science and Engineering, Vol. 3, pp.162-167, 2008.
[24]Lin, Li, HongbingJi, “Signal feature extraction based on an improved EMD method,” Measurement, Vol. 42, pp.796–803, 2009.
[25]Martinez, P. G., H. H. Arsenault, “A correlation matrix representation using sliced orthogonal nonlinear generalized decomposition,”Optics Communications, Vol. 2, pp.559-562, 1997.
[26]Malamas, Elias N., Euripides G.M. Petrakis, Michalis Zervakis, Laurent Petit, Jean-Didier Legat, “A survey on industrial vision systems applications and tools,” Image and Vision Computing, Vol. 21, pp.171–188, 2003.
[27]Mak, K.L., P. Peng, K.F.C. Yiu, “Fabric defect detection using morphological filters,” Image and Vision Computing, Vol. 27, pp.1585–1592, 2009.
[28]Maria, Zontak, Cohen Israel, “Defect detection in patterned wafers using anisotropic kernels,” Machine Vision and Applications, Vo1. 21, pp.129-141, 2010.
[29]Nunes, J.C., Y. Bouaoune, E. Delechelle, O. Niang, Ph. Bunel, “Image analysis by bidimensional empirical mode decomposition,” Image and Vision Computing, Vol. 21, pp.1019-1026, 2003.
[30]Nunes J.C., S. Guyot, E. Delechelle,“Texture analysis based on local analysis of the bimensional empirical mode decomposition,”Machine Vision and applications, Vol. 16, pp.177−188,2005.
[31]Otsu, N., “Athreshold selection method from gray level histogram,” IEEE Transactions on Systems, Man and Cyberneics, Vol. 9, pp.62-66 (1979).
[32]Perng, Der-Baau, Wen-Cheng Wang, Ssu-Han Chen,“A novel quasi-contact lens auto-inspection system,” Journal of the Chinese Institute of Industrial Engineers, Vol. 27, No. 4, pp.260–269, 2010.
[33]Rilling, G., P.Flandrin, P.Goncalves, “On Empirical Mode Decomposition and Its Algorithms,” IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing NSIP-03, Grado, Italy, 2003.
[34]Sedaaghi, M.H., S. Yousefi, “Morphological watermarking,”Electronics Letters, Vol. 41, No. 10, pp.587-589, 2005.
[35]Teuner, A., Pichler, O. and Hosticka, B. J., “Unsupervised texture segmentation of images using tuned matched Gabor filters,”IEEE Conference on Image Processing, Vol. 4, Issue 6, pp.863-870,1995.
[36]Tsai, Du-Ming, T. Y. Hough, “Automated surface inspection for statistical textures,”Image and Vision Computing, Vol. 21, pp.307-322, 2003.
[37]Tsai, Du-Ming, C. Y. Hsieh, “Automated surface inspection for directional textures,”Image and Vision Computing, Vol. 18, pp.49-62, 1999.
[38]Wu, Z., N. E.Huang, “Ensemble empirical modedecomposition: A noise-assisted data analysis method,” Center forOcean-Land-Atmosphere Studies, Technical Report series, Vol. 193,No.173, 2005.
[39]Xie, Xianghua, “A Review of Recent Advances in Surface Defect Detection using Texture analysis Techniques,” Electronic Letters on Computer Vision and Image Analysis, Vol. 7, pp.1-22, 2008.
[40]Yu, Dejie, Junsheng Cheng, Yu Yang, “Application of EMD method and Hilbert spectrum to the fault diagnosis of roller bearings,” Mechanical Systems and Signal Processing, Vol. 19, pp.259–270, 2005.
[41]元智大學工管所機器視覺實驗室http://inspection.iem.yzu.edu.tw/.
[42]王長江，「指數平滑法鐘平滑係數的選擇研究」，中北大學學報，第6期，第27卷，2006年。
[43]江軍達，「應用灰關聯分析於離散餘弦頻譜之自動化表面瑕疵偵測」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2007年。
[44]吳政憲，「希爾伯特阻尼頻譜於高樓損傷評估之應用」，碩士論文，國立中央大學土木工程學研究所，指導教授蔣偉寧，2001年。
[45]吳世杰，「應用機器視覺於多晶矽太陽能電池與模組在電致發光影像之瑕疵檢測」，碩士論文，元智大學工業工程所，指導教授蔡篤銘，2011年。
[46]吳順德、陳良榮、吳求文、陳冠宇、林家齊，「以減少取樣來提升經驗模態分解演算法計算效率之研究」，資訊科技國際期刊，第2期，第4卷，56-70頁，2010年。
[47]吳聲柏，「應用影像處理與類神經網路於高功率發光二極體透鏡之缺陷檢測」，碩士論文，台灣科技大學材料科學與工程學系，指導教授黃昌群，2011年。
[48]沈霈嫻，「基於經驗模態分解法於夜間之行人偵測」，碩士論文，國立中央大學資訊工程研究所，指導教授范國清，2009年。
[49]李小滿、李峰、章登勇，「基於二維經驗模式分解的圖像水印嵌入算法」計算機工程，第12期，第37卷，119-121頁，2011年。
[50]余建政、俞克維、林義隆、白能勝，「Matlab 6.X使用入門」，新文京開發出版有限公司，台北縣，2007年。
[51]林佳賢，「肺音擷取及分析系統之研發」，碩士論文，國立成功大學醫學工程研究所，指導教授陳天送，2007年。
[52]林明慶，「應用小波轉換(Wavelet transform)與曲線波轉換(Curvelet transform)於製程中多晶矽太陽能晶片之分類與識別」，碩士論文，元智大學工業工程所，指導教授蔡篤銘，2010年。
[53]周哲帆，「結合色彩與紋理特徵之人臉偵測及識別技術」，碩士論文，清雲科技大學電子工程研究所，指導教授周復華，2008年。
[54]洪暉程，「總體經驗模態分解法(EEMD)結合自回歸(AR)模型在旋轉機械之元件鬆脫故障診斷之應用」，碩士論文，國立中央大學光機電工程研究所，指導教授吳天堯、黃衍任，2009年。
[55]徐士殷，「應用區塊離散餘弦轉換搭配灰聚類演算法檢測曲面光學元件之可視瑕疵」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2008年。
[56]陳宏南，「希爾伯特頻譜於橋梁非破壞檢測之應用」，碩士論文，國立中央大學土木工程學研究所，指導教授蔣偉寧、王仲宇，2001年。
[57]陳明新，「HHT振動解析法應用於軌道扣件檢測研究」，碩士論文，中原大學土木工程學系，指導教授張達德，2006年。
[58]陳冠融，「以經驗模態分解法消除二維影像之雷射光斑之可行性分析」，碩士論文，國立中山大學光電工程研究所，指導教授蘇威宏、賴聰賢，2007年。
[59]陳韋佑，「以希爾伯特-黃轉換法為GPS接收機抑制調頻干擾」，碩士論文，國立台灣大學電機工程學研究所，指導教授張帆人、毛偉龍，2007年。
[60]陳興倫，「使用小波包分解與部份最小平方法於光學元件之可視瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2009年。
[61]陳建隆，「應用改良式經驗模態分解法於消除文件影像中的不良光照現象」，碩士論文，國立中央大學資訊工程學系，指導教授范國清、溫敏淦，2009年。
[62]陳仁傑，「希爾伯特黃變換(HHT)餘變轉速之齒輪故障診斷之應用」，碩士論文，國立中央大學機械工程學系，指導教授林財川，2010年。
[63]陳韋吉，「透明玻璃之自動化可視瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2011年。
[64]張晴晴，「側照式SMD-LED瑕疵自動光學檢測系統」，碩士論文，國立交通大學工業工程與管理學系，指導教授彭德保，2010年。
[65]黃國豪，「應用希爾伯特黃變換(HHT)之邊際譜分析於旋轉機械的元件鬆脫故障診斷」，碩士論文，國立中央大學光機電工程研究所，指導教授吳天堯、黃衍任，2009年。
[66]黃智政，「應用區塊離散餘弦轉換搭配灰預測模式檢測車用鏡面玻璃表面瑕疵」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2009年。
[67]楊智宇，「希爾伯特-黃變換(HHT)結合主成份分析與類神經網路在齒輪故障程度之診斷」，碩士論文，國立中央大學機械工程學系，指導教授吳天堯、黃衍任，2009年。
[68]葛光濤、桑恩方、劉卓夫、朱蓓蓓，「一種新的BEMD篩分停止準則」，數據採集與處理，第2期，第25卷，2010年。
[69]蓋強、殷福亮，「二維Hilbert-Huang變換的分解方法研究」，電子與信息學報，第4期，第28卷，610-613頁，2006年。
[70]鄭有志、覃征，「基於二維經驗模態分解的醫學圖像融合算法」，中國科軟件期刊，第20期，第5卷，1096-1105頁，2009年。
[71]蔡劍華、羅一平，「基於二維EMD與均值濾波的圖像去噪方法」，湖南文理學院學報，第1期，第22卷，54-57頁，2010年。
[72]蔡孟翔，「利用希爾伯特-黃轉換及多尺度熵於心電圖資料之探討」，碩士論文，國立台北大學統計學研究所，指導教授林財川，2010年。
[73]歐陽衡，「機器視覺用在封裝IC外觀瑕疵檢測之研究」，碩士論文，國立成功大學工程科學系，指導教授王明習，2007年。
[74]蕭逸豪，「實現一個新型高效率的音樂合成器-應用HHT時頻分析法」，碩士論文，南台科技大學電機工程系，指導教授趙春棠，2009年。
[75]藍嘉偉，「利用HHT之EMD方法分析SSM/I料估算之客觀指數與颱風強度年際變化關係」，碩士論文，國立中央大學大氣物理研究所，指導教授劉振榮，2006年。
[76]鐘凱騰，「電腦視覺系統應用於球狀工件之表面瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，指導教授林宏達，2009年。