基于加新型自卷积窗的频谱插值谐波分析方法

为了解决快速傅里叶变换在电力谐波分析方法中存在采样的不同与非整数周期截取而造成的栅栏效应和频谱泄露的问题,提出一种基于P阶三角自卷积窗改进FFT频谱插值的电力系统谐波分析方法。首先使用P阶自卷积窗截取信号,之后选取幅值最大的频率附近的离散的频谱3条谱线进行加权平均计算来确定谐波谱线的准确位置,进而可以得到谐波的幅值、相位和频率,最后通过多项式拟合的方法,提出谐波修正的公式。通过仿真分析,所提出的自卷积窗函数能降低频谱泄露和栅栏效应带来的影响。采用改进的频谱插值算法可以提高电力谐波的检测精度,有助于对谐波的应用分析。     

一种对时间连续数据进行分析查询的SQL扩展语言

在家庭电子医疗平台中,存在生理学时间连续数据,实现对其分析和查询是数据利用的基础。针对这类数据的特点,提出以关系型数据库结构化查询语言SQL为基础,定义相似查询算法,快速有效地从给定信号序列中找出符合某一相似度等级的相似子序列。相似匹配使用了分段聚合近似法和小波变换两种算法,易于进行子序列的相似度分级。实验结果表明,该试验系统能够高效、准确地完成设计功能。     

混合的SAR图像变化检测算法

为尽可能多地消除遥感图像变化检测过程中“伪变化”信息的影响,获得比较客观的感兴趣区域变化检测结果,针对遥感图像中SAR图像的特点,提出一种混合的SAR图像变化检测算法。对已配准好的图像进行Frost滤波,用邻域比值的方法构造差异图,对得到的差异图进行非下采样轮廓波变换（NSCT）,对变换得到的高频子带和低频子带分别处理,用模糊C均值（FCM）聚类算法得到变化检测的结果。实验结果表明,该算法模型很好地保留了图像变化区域的细节,提高了变化检测准确性。     

翼伞系统最优归航轨迹设计的敏感度分析方法

本文对三自由度翼伞系统归航轨迹优化问题进行了研究,采用控制变量参数化与时间尺度变换相结合的优化算法对翼伞系统的最优控制问题进行数值求解.该方法是基于灵敏度分析的优化算法,将控制量以及控制量转换时间转化为一系列参数优化问题同时进行求解.仿真结果表明,相对于基于两端边值优化算法而言,灵敏度分析法只需要正向积分进行求解,因而具有计算简单、耗时短等优点,其控制效果良好,距离偏差和方向偏差均满足实际需求,有效地提高了翼伞系统的着陆精度,验证了该优化算法的可行性.     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。     

CLAHE低频DCT系数重变换在人脸识别中的应用

针对光照变化显著影响自动人脸识别系统性能的问题,为了规范化光照变化以提高人脸识别率,提出基于对比度限制自适应直方图均衡化CLAHE(Contrast Limiting Adaptive Histogram Equalization)的低频离散余弦变换DCT(Discrete Cosine Transform)系数重变换算法。首先将图像划分成多个互不重叠的局部小块,使用CLAHE对局部小块进行局部对比拉伸以实现去噪;然后,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;最后,利用核主成分分析进行特征提取,稀疏系数重建和k-近邻分类器完成最终的人脸识别。在扩展Yale B及AR人脸数据库上的实验验证了算法的有效性。实验结果表明,算法在识别非常困难的Yale B子集5上的识别率可高达98.20%,相比其他几种规范化技术,该算法取得了更高的识别率,同时大大降低了识别所耗时间。     

基于形态学的口腔CT图像对比度增强方法研究

针对口腔CT图像软组织部位分辨率低,细节不清晰的问题,提出一种基于数学形态学的图像处理方法,较好地避免了目前常用的直方图均衡、反锐化掩膜以及小波阈值增强等方法在图像处理过程中产生的细节丢失、噪声放大等缺陷。该方法通过对图像进行小波变换预处理,增强表达软组织信息的低频小波系数并重构图像,并解决了增强信息的同时带来的噪声放大问题。同时引入形态学开闭级联滤波器,增强特征信息,进一步去除噪声平滑图像。实验结果证明了该方法的有效性,有助于临床口腔软组织病灶部位的区分和诊断。     

基于压缩感知理论的图像信号含噪的重构算法

针对含噪情形下机器人视觉图像信号重构问题,提出了一种基于小波变换的变步长自适应分块压缩感知重构算法.首先,对含噪图像信号进行离散小波变换,从而达到很好的去相关性;其次,对变换后的图像信号进行分块,对每个图像子块信号进行测量;接着,对每个子块测量信号进行变步长自适应匹配追踪重构计算,得到每一图像子块的重构值,并将其整合得到整幅图像的重构值;最后,对该算法进行了仿真研究.结果表明,相比传统重构算法,本文方法针对含噪图像具有更高的重构质量.     

基于灰度不变性的扣件定位特征提取方法

针对现有扣件定位方法对不同光照条件下的铁路扣件图像适用性差、定位不准确的问题,提出一种鲁棒的、准确的铁路扣件定位检测算法。首先利用人眼视敏度特性来确定Rank变换窗口的大小,并通过改进Rank变换增强图像边缘特征;然后基于改进的LSD(Line Segment Detector)方法在增强后的图像中搜寻垫板与轨枕接触的边界线,并利用先验知识实现扣件的准确定位。实验表明,该方法定位准确且具有很好的适应性和鲁棒性。