基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

轧辊偏心自动分层确定阈值滤波法

为计算板带轧机中的轧辊偏心信号,对轧制过程中采集的信号进行滤波是一个关键环节。本文提出一种轧辊偏心自动分层确定阈值滤波法：通过使用第二代小波变换方法,根据由轧辊转速计算得出的轧辊偏心频率来确定小波分解层数,并根据不同层中信号频率范围选取不同的阈值,从而对信号进行滤波。通过与类似工况下小波阈值滤波法比较,轧辊偏心自动分层确定阙值滤波法能更准确的反映轧制过程中的检测信号,为更精确提取轧辊偏心信号、进行有效的轧辊偏心补偿奠定基础。     

基于奇异值分解技术的离心机故障诊断

在简单介绍WH-800型离心机基本结构及工作原理的基础上,介绍了基于重构吸引子轨迹矩阵的奇异值分解技术,并引入自相关函数对现有奇异值分解技术加以改进．通过对现场实测故障信号的分析,表明改进的奇异值分解技术具有很好的降噪效果,能在强噪声背景环境下准确提取设备的故障特征信号,为离心机的故障诊断提供了一种新的思路．     

基于小波多分辨率分析的图像模糊增强算法的研究与实现

图像在采集的过程中,会受到各种噪声的干扰和污染.基于小波变换的多分辨率分析能够有效抑制噪声的特性,提出利用小波多分辨率分析对图像进行平滑滤波实现图像的去噪,并定义新的模糊隶属度函数对图像进行增强,在保证模糊增强效果的同时减少噪声的影响.经试验证实,该方法能够有效地实现图像的增强.     

笔迹鉴别预处理算法的设计与实现

笔迹鉴别是身份鉴别技术中的一种有效方法.作者深入细致的研究了笔迹鉴别中的各种预处理算法,对其中一些传统的处理方法提出了改进方案,以vc++6.0为开发平台通过大量的实验进行了验证,实验表明提出的算法具有处理效果好、可行性强、速度快等一系列的优点,用63副样本做对比实验,新方法可以提高笔迹鉴别率9%左右,其在笔迹鉴别、车辆识别、地理信息系统等图像处理领域都有较好的应用价值.     

船舶推进电机减振降噪措施分析

分析了船舶推进电机的主要振动噪声源的产生机理,指出了针对各噪声源应采取的推进电机设计方法或外部主被动控制措施。最后以先进感应电机为例,介绍了船舶推进电机减振降噪设计中的系统方法,以及所取得的效果。     

基于离散插值样条的提升小波变换

文中引入了一种对信号递归滤波的提升方法,该方法与通常的提升方法不同之处是使用IIR滤波器.探讨了空间域中基于离散插值样条的预测算子和更新算子的设计.提出的方法以插值为基础,只涉及信号的采样,不要求使用正交公式,更适合信号的处理.最后由数值仿真验证了该算法的性能,对于软阈值法小波系数去噪,提升小波变换T12同B9/7相比,前者略优于后者,提升方法的优点在于其设计上的灵活性和计算花费少.     

基于虚拟仪器和小波降噪原理的电力故障分析装置设计

提出了一种由工控机和虚拟仪器技术实现的电力系统故障信号降噪与分析装置的设计方案,在软件设计中,把小波降噪和虚拟仪器技术相结合。主要通过设置对采样率和采样通道来完成信号的采集,并且在故障录波时采用多种启动方式,使得系统更加灵活,然后再利用软硬阀值结合的方法对电力系统故障信号进行有效的降噪,提高了电力系统故障类型判断和故障定位的准确度,最后通过自动生成报表的形式来显示所有功能。     

利用EMD的自适应图像去噪

为了在去噪的同时保证图像细节尽可能不被破坏,提出了利用经验模式分解（Empirical Mode Decomposition,EMD）的自适应图像去噪方法。对噪声图像按照列、行、左对角和右对角方向一维展开,分别进行EMD处理,采用提出的基于噪声标准差的自适应阈值对各个基本模式函数（Intrinsic Mode Function,IMF）进行局部硬阈值去噪,将去噪后的IMF进行反变换分别获得按照四个方向展开对应的去噪后图像,将它们加和平均得到去噪后图像。实验结果表明,提出的方法能够有效地去除图像的噪声并保留足够的图像细节。     

基于高斯混合模型的咳嗽音检测方法

快速准确地检测出采集录音中的咳嗽部分对许多呼吸道疾病的临床诊断有着重要意义。使用梅尔频率倒谱系数（MFCC）作为特征参数来分析所要处理的声音信号,并用多组训练数据分别为采集录音中的咳嗽音、说话声、笑声、清喉音等数据各建立两个高斯混合模型（GMM）,将每类数据得到的两个GMM进行线性组合得到最终的表示每类数据的概率模型,进而实现对咳嗽音部分的检测。在此基础上引入了小波去噪理论,分别对每段数据去噪并进行端点检测。仿真实验结果表明所提方法能够有效提高系统的识别性能。