基于数学形态学和小波阈值的红外温度图像去噪方法

针对普通小波阈值去噪方法不能较好地保留红外图像边缘信息的问题,提出一种数学形态学边缘检测和小波阈值去噪相结合的方法,即红外图像先经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。结果表明,与普通小波阈值去噪方法相比,该方法较好地保留了红外图像的边缘信息,去噪效果明显,且改善了均方误差和峰值信噪比,对摩擦副表面红外温度图像进行去噪,可获得较为准确的温度场。     

基于形态学边缘检测和小波阈值的摩擦副红外图像去噪

针对红外图像通过普通小波阈值去噪不能较好地保留边缘信息的问题,提出了一种数学形态学边缘检测和小波阈值去噪相结合的方法,对摩擦副表面红外图像进行去噪,达到获得较为准确的温度场的目的。红外图像经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。试验结果表明,相比普通小波阈值去噪方法,该方法不仅较好地保留了红外图像的边缘信息,去噪效果明显,而且改善了均方误差和峰值信噪比。该方法意在提高红外图像测温的准确性,为测量和分析摩擦温度场提供更好的技术支持,具有较高的工程应用价值。     

基于小波变换的磁共振图像去噪方法研究

小波变换用于图像去噪的思想20世纪90年代就已经提出,然而前人所提出的这种方法对于磁共振图像去噪的效果并不理想.磁共振图像经这种小波变换去噪后,纹理特征被弱化,图像的边缘变得模糊.针对以上问题,提出了基于小波变换的图像去噪新方法.此去噪方法与经典的小波去噪方法不同,该方法不依赖图像大小来判断门限,不需方差信息.采用本方法处理的噪声图像与经典方法相比,图像的边缘信息更清晰,纹理特征增强,去噪能力也得到增强.     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

MAS小波的钢板表面缺陷边缘检测的研究

针对钢板表面缺陷与背景的对比度差、边缘复杂、采光不均、噪声较大等特点,应用一种基于MAS小波变换进行钢板表面缺陷边缘检测。该方法由Lipschitz指数阐明了图像的边缘几何结构,通过分析图像中不同类型的奇异点,并结合尺度独立算法区分了目标图像中不同类型的边缘,有效的提取了钢板表面缺陷图像的边缘。实验结果表明,基于MAS小波算法可以有效提取图像中阶梯型边界,检测到的缺陷边缘轮廓较为清晰,且去噪能力较强,检测效果优于传统的同类方法。     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。     

基于小波模极大值的工件图像边缘检测

为给数控机床上下料机器人提供准确定位信息,实现机械手准确抓取工件,需要对工件进行图像抓取并处理图像,同时为了获得抓取信息,对工件进行边缘检测以提取出清晰的轮廓。在工件实际图像采集中,噪声往往比较多,本文采取小波模极大值边缘检测算法,将图像进行小波变换后计算模值及相角,求出模的极大值点并判断是否为边缘点后对边缘进行提取,最后对实际工件进行边缘检测。该方法抗噪性良好,并具有一定的实用性。     

基于小波域统计模型的纸浆纤维图像去噪研究

在小波多尺度分析基础上，提出一种新的图像小波系数的白适应统计算法，并应用于纸浆纤维图像的去噪研究。将图像小波系数视为服从广义高斯分布（GGD）的随机变量模型，在小波软阈值去噪的基础上引入空间自适应阈值方法；将均值滤波算法应用于小波系数方差的边缘估计中，结合最大后验概率准则（MAP）进行参数估计以恢复噪音小波图像。该算法用于纸浆纤维图像的去噪，效果理想，同其它的图像去噪算法相比，它具有较高的峰值信噪比（PSNR）。     

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明与单一的阈值收缩方法相比,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法.     

多分辨小波网络的理论及应用

从小波多分辨分析的理论入手，描述一个单隐层的人工神经网络－小波网络，小波网络是以多分析理论的基础，使用正交小波和尺度函数作为激励函数进行局部学习的，给出小波网络的结构模型及训练过程，网络的学习是按层次进行的，首先是学习全局拟和，然后通过在不同的分辨级别增加ψ结点来减少全局和局部拟的误差，用小波网络对机械振动时间序列作出预报，经过训练后的网络具有很高的精确度，说明网络达到了全局最优。     

一项具国际先进水平的小波理论应用成果

利用国家自然科学基金资助项目“工程信号处理中的小波基与小波变换信号分析仪系统的研究”中的理论成果－波直接变换理论,小波基二次采样方法和小波基库,完成了面向工程背景的波波信号分析系统的技术设计,从而使我国有机会首先研制智能化波变换信号分析仪。     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

小波神经网络诊断系统的应用与进展

针对机械设备的非线性系统特性及其信号的非平稳时变特性,提出了用小波分析法处理非平稳时变信号提取特征向量和采用神经网络映射系统的非线性传递特性的设备诊断系统,实现对复杂机械的故障诊断。并分析了神经网络诊断系统的发展前景。     

小波分析在信号处理中的应用

在简述小波分析、小波识别原理的基础上，详细介绍了小波分析在信号处理中的应用，包括信号消噪、特征提取、奇异性检测等。计算机硬件技术的日趋发展，特别是DSP技术的发展，将为小波分析应用于工程中提供有力的保障。     

电力系统短期负荷预测中小波函数的选择

针对应用小波分析进行电力系统短期负荷预测中小波函数的选择问题,以dbN小波系作为变换工具,通过最大李氏指数检测,比较了不同N所产生的预测精度,确定了一种db小波函数为短期负荷预测的核心变换工具。研究结果表明,采用db4作为短期负荷预测的小波函数,预测的结果具有较高的精度。     

基于单模光纤耦合器的Haar小波滤波器系数的实现

给出了光波导式小波滤波器的设计方案,该方案采用单模光纤耦合器作为系数实现载体,通过控制特性参数实现了具有不同分光比的耦合器基本单元,然后组合和级联基本单元实现特定的小波滤波器系数,具有精确度高,集成度好,稳定性强的优势。分析了与系数实现相关的熔锥型单模光纤耦合器的形状特性,横截面沿纵向变化的锥形区和横截面近似不变的耦合区内的耦合特性,根据理论推导,用仿真手段设计3 dB单模光纤耦合器,实现了Haar小波的滤波器系数,误差在3%以内,证明了光波导式小波滤波器设计方案的正确性和有效性。     

小波分析概述及其应用研究

小波分析是傅里叶变换划时代发展的结果,近年来成为众多学科关注的热点,它的研究对信号分析、图像处理、数据压缩等方面都具有深远的科学意义和实用价值。介绍了小波分析的基本概念,并对其在工程实际中的应用进行了探讨。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

平稳小波自适应去噪用于曲轴瞬时角加速度测量

针对曲轴角加速度测量中的噪声放大问题,构造了基于平稳小波变换的自适应去噪方案。该方案以小波系数能量熵最小为原则选择小波函数,根据各层小波方差的变化速率确定所需的分解层数,并由小波系数幅值分布状态决定阈值的生成准则。对比了平稳小波自适应去噪与常用的6阶Butterworth滤波器对曲轴角加速度噪声的抑制能力。结果表明,当柴油机状态正常时,两种方法去噪得到的结果相当;当柴油机高速轻载运行且有连续失火故障时,只有平稳小波自适应去噪能保留由失火引起的局部高频振荡信号。