连续小波变换在电力系统谐波分析中的应用

电力系统中的信号通常是非平稳信号,传统傅里叶算法因其纯频域的特性,无法提供局部时间段上的频率信息,因而不适合电力系统信号的分析.基于离散小波的mallet算法则由于存在频带划分不够精确和能量泄露的问题,对于谐波的分析精度也会产生影响.本文提出了基于morlet复小波的连续小波变换算法在电力系统基波与各次谐波信号幅值计算中的应用,该算法既保留了良好的时一频特性,同时也避免了mallet算法中的问题.     

基于Tchebichef矩和小波提升的数字水印算法

提出一种基于Tchebichef矩和小波提升的抵抗几何攻击的内容认证水印算法,对图像进行一次小波提升分解,计算其低频成分的Tchebichef低阶矩不变量来构建水印系统。水印认证过程只须计算图像的几个低阶Tchebichef矩不变量。将该算法与基于几何矩不变量的算法进行比较。结果表明,该算法简单、有效,对旋转、缩放、剪切等几何攻击以及JPEG压缩等攻击具有较高的稳健性。     

基于投影的多尺度小波矩快速算法

多尺度小波变换矩采用几何矩定义，由信号在某一尺度下的小波逼近系数计算得到，它反映的是信号在该尺度下小波分解对应的视觉不变量。由于受到矩本身计算量的限制，小波矩的计算很难实时实现。本文提出了一种基于投影变换的二维多尺度小波变换矩快速算法。该快速算法通过投影变换将二维图像小波变换低频分量信息投影到一维空间中，从而降低了多尺度小波变换矩的计算复杂度，保证了计算精度。     

基于Krawtchouk矩和小波变换的数字水印算法

提出了一种基于Krawtchouk矩和小波变换的抵抗几何攻击的内容认证水印算法。该方法首先对图像进行一次小波分解，然后计算其低频成分的Krawtchouk低阶矩不变量来构建水印。水印提取过程简单，只需计算所得图像的几个低阶Krawtchouk矩不变量。文中给出了实验结果，并与Alghoniemy提出的基于几何矩不变量的数字水印算法进行了比较。结果表明，该方法简单、有效，对旋转、缩放、剪切、组合攻击等几何攻击以及JPEG压缩攻击具有更高的稳健性。     

可重叠矩形多值图像表示及其上的几何矩生成

为了支持快速的多值图像运算,提出了一种无损多值图像表示方法,称为可重叠矩形多值图像表示(Over-lapping Rectangle Multi-valued Image Relpresentation,ORMIR).CIRM采用递归方式将一幅多值图像分割为具有不同基础颜色的可重叠矩形,并使用孩子兄弟树来组织这些矩形,通过弱化二值图像块表示中同一矩形所覆盖的所有像素必须具有相同颜色的约束,ORMIR能够使用较少的矩形无损地表示一幅多值图像,因而基于ORMIR的多值图像运算能够被快速实现.基于ORMIR,提出了一个多值图像几何矩生成算法,该算法首先生成多个仅包含一个矩形区域的二值图像的几何矩,然后将这些几何矩加权求和得到原始多值图像的几何矩.试验结果表明,基于ORMIR的几何矩生成算法能够以每秒50帧以上的速度计算8比特位深的512×512的灰度图像直到3 3阶的几何矩,从而满足实时应用的需要.     

基于改进粒子群算法的提取齿轮磨损特征方法

针对轻微齿轮磨损故障信号在啮合频率和边频带上的幅值特征难以将其与正常信号区分的问题,提出用Laplace小波提取信号的粘滞阻尼比作为一种冲击特征,同时提取对冲击信号敏感的时域和频域峭度指标作为另外两种特征;又由于传统Laplace小波匹配方法存在计算耗时和精度不高的缺点,采用一种基于概率模型的改进粒子群算法以快速找到最佳匹配结果,从而得到其阻尼参数;将上述3种冲击特征用于农用拖拉机变速箱的齿轮磨损故障识别,其结果表明提出的方法在错分率上比基于啮合频率和边频带幅值特征的方法降低了12%。     

基于Radon变换不变矩和小波提升的水印算法

提出了一种基于Radon变换不变矩和提升小波的抗几何攻击水印算法。该方法首先对图像进行一次提升小波分解,然后计算其低频成分的Radon变换不变矩来构建水印系统。水印提取过程简单,只需计算所得图像的几个Radon变换不变矩不变量。文章给出了实验结果,并与基于几何矩不变量的算法进行了比较。经过仿真实验证明,该方法对于旋转,缩放,平移等攻击具有很好鲁棒性的同时,对于普通的加噪,滤波,JPEG压缩攻击也具有很好的鲁棒性,且具有极低误检率。     

基于Krawtchouk不变矩和SVD-LWT的双重水印研究

为提高数字图像水印的鲁棒性和透明性,提出了一种基于Krawtchouk不变矩、奇异值分解(SVD)和提升小波变换(LWT)的彩色图像双水印算法。该算法首先从载体RGB图像中提取绿色分量进行两级提升小波变换,利用Krawtchouk不变矩对平移、旋转和缩放的不变性以及Krawtchouk矩良好的局部特性和重构性,计算其低频分量的Krawtchouk低阶矩不变量构造水印系统;然后对其变换后的中频分量奇异值进行分解,嵌入混沌置乱后的水印图像的奇异值作为另一水印系统。仿真实验结果表明,该算法不仅有良好的不可见性,而且对常见攻击和几何攻击都具有很好的鲁棒性,并具有一定的应用价值。     

基于二代小波提升算法的快速图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一;通过比较第一代和第二代小波算法特点,引入二代小波提升结构的概念,提出了一种基于二代小波提升结构的快速图像边缘检测算法;对三次B样条小波基实现提升格式,通过计算大尺度下分解子图的模值和幅角来确定边缘;经过实验比较,能比经典的边缘检测算法得出更精确的边缘图像,同时通过与基于第一代小波算法的边缘检测比较,基于二代小波提升格式的边缘检测算法计算更快速,更高效.     

结合Zernike 矩和水印的半脆弱图像认证

水印安全性、抗JPEG 的鲁棒性和篡改检测能力的矛盾、计算复杂度是现有基于数字水印的半脆弱图像认证算法需要克服的主要问题. 本文提出一种结合Zernike 矩和水印的图像认证算法. 利用图像小波变换低频子带的Zernike 矩幅值的半脆弱特性区分恶意攻击和偶然攻击. 结合基于HVS (人类视觉系统) 的水印后，可判断图像是否受到伪认证攻击，提高了水印安全性. 通过采用基于提升格式的整数小波变换，有效降低了算法计算复杂性. 实验结果表明，算法对较低质量因子的JPEG有损压缩鲁棒，对剪切、替换等恶意修改敏感且可准确定位篡改位置.     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

基于不变矩和小波分析的指横纹匹配新算法

为了有效提高刑侦过程中采集到的指横纹匹配的准确率和效率,提出一种基于修正不变矩和小波多分辨率分析的指横纹特征提取和匹配算法。该方法在一次识别阶段,为克服比例因子和旋转角度对矩的影响,提出最小矩形的求矩区域修正方法并对由Radon投影得到的不变矩特征矩阵进行初等行变换确定旋转角度,从而建立候选图像集合。在二次识别阶段,利用小波多分辨率分析对候选图像集合的确定角度Radon投影进行分析,再由得到的加权不变矩特征向量进行最高相似度匹配。实验结果表明,该方法较传统方法有更好的识别率。     

Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。     

基于结构矩不变量的形状相似性比较

在传统的几何矩定义的基础上进行扩展，给出了结构矩的定义和计算。其实质是对原有几何矩定义中的密度函数经过变换得到新的密度函数。在此基础上定义的不变矩突出或者扩大了形状之间的差别，因而使形状相似性的比较建立在更为可靠的基础上。基于平方变换的实验表明，与传统的几何矩相比结构矩方法具有更好的效果。     

基于局部小波矩的图像匹配算法

该文将图像的视觉不变矩特征引入到图像匹配领域中,通过提取图像的局部小波矩,提出了一种基于局部小波矩的图像匹配算法。并分别对所提出的算法,基于一般不变矩特征的匹配算法有关实验数据进行了对比分析,结果表明了该文所提出算法的可行性和有效性。     

基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究

针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法。该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中。改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果。仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了9.45%。     

快速不变矩算法基于CUDA的并行实现研究

不变矩自提出以来被广泛应用于目标识别系统中进行特征描述,这需要能够实时计算不变矩值。虽然人们提出了许多不变矩的快速算法,仍无法在单台PC机上实现不变矩的实时计算。本文分析了基于差分矩因子的不变矩快速算法的并行性,提出了一种基于CUDA（Compute Unified Device Architecture）的快速不变矩并行实现方法,并在NVIDIA Tesla C1060 GPU（Graphic Processing Unit）上实现。对所提出算法的计算性能与普通串行算法进行了对比分析。实验结果表明,本文所提出的并行计算方法极大地提高了不变矩的计算速度,可有效地用来进行实时特征提取。     

基于Tchebichef不变距的图形识别

论文提出一种新的基于Tchebichef不变距的图形识别方法,Tchebichef不变距通过对图像进行大小归一化、平移处理以及旋转处理并结合Tchebichef正交距得到;利用提出的Tchebichef不变距作为特征进行图形的识别,和采用Hu不变距以及Zernike不变矩的识别方法相比,无论是在无噪声还是在有噪声的情况下都有更高的识别精度;仿真试验证实了本方法的可行性。