基于小波变换的带钢表面缺陷图像增强算法

针对传统图像增强算法在处理有大量噪声、光照不足或不均匀的图像,尤其是实际现场的带钢表面图像时效果较差的问题,提出基于小波变换的图像增强算法,将其应用于冷轧带钢表面缺陷图像的增强中。对比实验结果表明,该方法的增强效果和抗噪性能明显优于传统算法。     

WT-U-Net++：基于小波变换的表面缺陷检测网络

针对传统机器视觉算法在表面缺陷检测中精度低、无法适应环境变化和噪声影响的问题,提出一种基于小波变换（WT）的改进UNet++——WT-U-Net++。首先,由WT获取缺陷图像的高频与低频分量,再通过多尺度模块MCI(Mix-Conv Inception)提取高、低频分量的细节特征;其次,将MCI模块提取到的细节特征与原始图像融合,并将融合结果作为改进UNet++的输入;再次,在UNet++的下采样阶段引入通道注意力模块,从而使网络在捕获更多上下文语义信息的同时提高跨层特征级联的质量,而在上采样阶段采用反卷积恢复更多的缺陷细节信息;最后,从UNet++的多个输出中选择最佳结果作为检测结果。在铁轨、磁瓦、硅钢油污这3个公开缺陷数据集上的实验结果表明,相较于次优的UNet++,WT-U-Net++的交并比（IoU）分别提高了7.98%、4.63%和8.74%,相似度度量指标（DSC）分别提高了4.26%、2.99%和4.64%。     

基于小波变换的带钢表面缺陷分形特征研究

图像的分形维数能够表述图像空间纹理不同灰度级间的相关特性,是描述自然纹理图像的一个有用工具.本文在小波分解的基础上,运用双毯法计算了带钢表面缺陷的分形维数,并对计算结果进行了分析对比,研究了小波变换后各级、各分量的分形维数差异.实验结果表明所提取的分维特征对于缺陷分类有较好作用.     

基于小波分解和高低帽变换的在线掌纹识别*

用于身份鉴别的掌纹识别为信息安全提供一种新的方案。为减少对图像采集的限制,本文提出在小波变换的基础上,利用高低帽变换寻找低频子图像中的灰度槽,获取对比度增强的图像。把此子图像所有的变换值组合起来作为图像的特征向量以用于识别。运用UST掌纹图像库,对本文算法进行了测试。从实验的结果看,此方法解决了在线掌纹图像低对比度问题,图像识别率得以提高。证明此方法能够满足对采集图像无过多要求的认证系统的使用。     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

基于小波变换的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用L-M算法改进的BP神经网络分类器进行情感状态识别。实验表明,用表面肌电信号对joy、anger、sadness、pleasure 4种情感识别效果较好。也说明用小波变换方法提取特征,用神经网络作分类器的方法用于情感识别有很大的应用前景。     

一种新的基于小波变换的虹膜识别算法

提出一种基于Haar小波变换的虹膜识别算法。详细介绍了虹膜图像的预处理及对虹膜纹理的特征提取方法,并与Daugman的虹膜识别算法进行比较。实验结果表明,本文方法在编码长度和编码时间上都有明显的改进,且算法具有良好的鲁棒性,可用于实际的身份鉴别系统。     

一种基于小波变换的焊接图像的焊缝识别算法

在智能焊接控制系统中准确识别焊缝位置是一个重要任务。提出一种基于小波变换的焊接图像的焊缝识别方法。研究结果证明:该方法优于传统的边缘检测方法,具有更好的去噪性能,可以准确地识别焊缝的位置。     

基于小波变换与神经网络的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电图(EMG)的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量,分别输入用L-M算法改进的BP神经网络分类器和最近邻法分类器进行情感识别。实验表明,提取EMG的小波系数对joy、anger、sadness、pleasure四种情感进行识别,BP神经网络分类器识别效果优于最近邻法分类器。说明小波变换的方法对EMG进行分析是可行且有效的,并有很大的应用前景。     

基于小波变换和相似性度量的视频文字识别

视频文字识别在视频分析与检索中有着重要作用,该算法对字幕图像进行N层小波分解,获得该视频文字的低频分量,再借助相似性度量方法实现视频文字的识别.实验结果表明,基于小波变换和相似性度量的视频文字识别算法能有效避免复杂背景等因素影响,有效提高视频文字的识别效率.     

基于小波变换和局部傅立叶变换的手写数字识别

小波变换和傅立叶变换在图像处理方面有着广泛的应用。该文在结合二者特点的基础上提出了一种新的基于小波变换和局部傅立叶变换的脱机手写数字特征提取方法。即对于一个输入的手写数字图像首先进行小波变换,依据小波变换后的子图像,分别提取他们的局部傅立叶变换后系数作为它们的特征。这样的特征既具有小波变换的多尺度分析的性能,又具有局部傅立叶变换能够很好地描述图像局部频域的特性。实验数据采用MNIST数据(美国国家标准与技术局收集),实验表明,该方法取得了较好的识别效果。     

基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

基于支持向量机的带钢表面缺陷识别研究

传统带钢生产采用人工目测的方法检测钢板的缺陷类型,检测结果的准确率对检测距离、检测人员的工作经验以及疲劳程度等具有一定的依赖性,这种人工目测方法效率较低。针对传统检测方法中存在的问题,运用支持向量机的优良分类性能,将其应用于带钢表面缺陷的识别研究。实验选用带钢生产现场采集的缺陷图像样本,分别采用支持向量机与决策树算法进行训练与识别,通过实验数据比较发现,支持向量机的sigmoid核与线性核算法要好于决策树算法。在相同的实验环境下,分别采用径向基核,多项式核,sigmoid核以及线性核算法进行训练与识别,通过训练时间的比较可以看出,线性核的训练时间明显较长,径向基核,多项式核与sigmoid核的训练速度相差不大。对比识别率可以发现,径向基核的识别率较好。     

于小波包及小波神经网络的光纤熔接缺陷模式识别

介绍光纤熔接缺陷的识别在光纤通信中的重要意义。应用超声波探伤仪系统对光纤熔接点进行检测,针对缺陷信号特点提出利用小波包分析提取缺陷特征值和应用小波神经网络进行模式识别的方法,实现了从检测到的超声信号中提取出反映缺陷性质的相关信息,并通过这些信息对其进行分析,建立网络模型以实现缺陷定性识别。实验结果表明,小波包分析充分利用了缺陷回波信号的时域、频域信息,将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨率,而小波神经网络良好的局部放大特性和多分辨率学习特性使缺陷的定性分类获得了较高的准确率。     

基于图象识别的高抛光透射面缺陷检测

对高抛光透射面的缺陷进行分类,构建基于图像识别技术的高抛光透射面缺陷检测系统模型,探讨高抛光透射面缺陷图谱分析的技术要点。针对在实际检测过程中出现的图像过曝光和低曝光问题,提出高抛光投射面图像获取时的图像过曝光或低曝光问题的解决办法。在matlba环境下进行图像数字化处理及特征提取,实现高抛光透射面缺陷图谱的计算机自动分析。大量的模拟和真实图像实验结果表明,所给出的方法具有求解精度高、鲁棒性强的优点,表明这些方法是可行的,具有一定的实用价值。     

基于小波变换和支持向量机的人脸识别方法研究

考虑到人脸识别的非线性和小样本的特点,利用小波变换对人脸图像进行预处理,保留图像的低频段,有效地降低了图像维数并去除冗余噪声.采用奇异值分解的方法提取特征,然后利用支持向量机的方法设计人脸分类器,最后利用ORL人脸数据库进行验证,实验结果证明了该方法的有效性.     

基于小波及自适应Canny的磁环表面缺陷检测算法

针对常规分割算法难以将磁环缺陷从纹理复杂的磁环表面提取出来,本文提出了一种基于小波变换及边缘检测的缺陷提取算法.基于小波变换对磁环纹理的弱化作用,对小波分解低频部分采用自适应Canny边缘检测算法分割出含缺陷的边缘;基于阈值分割的轮廓查找算法,提取出磁环内外轮廓并作一定的处理;对含缺陷边缘和处理后内外轮廓做形态学处理和逻辑运算提取出磁环所有缺陷;对缺陷排序并提取出磁环主缺陷轮廓,判断轮廓闭合情况并填充轮廓得到主缺陷区域.实验表明本文算法正检率达94.7%.     

一种新的冷轧带钢表面缺陷图像模式识别方法

针对传统的方法在冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于小波变换和遗传算法的模式识别方法。结合国内实例,对四种典型冷轧带钢表面缺陷图像进行了实验研究,实验结果表明,该识别方法能够对冷轧带钢表面缺陷图像进行有效识别。另外,还对识别率与训练样本数量的关系进行了研究。     

基于WT/PCA的自适应神经网络人脸识别方法

提出一种基于小波变换和自适应人工神经网络的PCA人脸识别方法。该方法首先在预处理中对图像进行光照强度的补偿，然后用小波变换的方法提取人脸图像的低频子带，再用PCA方法提取特征分量，并用BP人工神经网络进行训练和识别。此算法将PCA优化的特征抽取与神经网络的自适应性相结合，取得了较高的识别率和优良的抗噪声性能。