基于小波多分辨率分析的故障检测方法

提出了利用小波多分辨率分析技术对系统信号进行分析的故障检测方法。利用小波多分辨率分析技术对信号进行多尺度小波分解,得到信号的高频分量,对此高频分量进行去噪和特征提取,可以得到反映系统故障的特征,实现对系统的故障检测,并可根据阈值大小的不同区分故障程度,实现对不同故障的区分。为避免因阈值选择不当可能造成的故障漏检,对于去噪阈值的选择,提出了一个有效的解决方法。仿真结果证明该故障检测方法的有效性和可行性。     

基于二阶段小波多分辨率分析的掌纹分割算法

针对复杂掌纹纹线难以分割、有效性低的问题,提出一种基于二阶段小波多分辨率分析的掌纹分割算法.该方法首先利用小波多分辨率分析高频子图的候选子区域,对得到的相似掌纹纹线集合进行合并;接着对合并相似区域的集合和二值化集合求交集得到融合图像;最后利用区域生长法和形态学去噪得到掌纹主要纹理特征.实验结果表明,该方法不仅能有效地剔除复杂掌纹的噪声,而且能准确提取掌纹特征,从而达到准确识别的目的.     

基于小波多分辨率分析的 PDF417 定位算法

为提高二维条码自动检测定位的效率, 提出了一种利用小波多分辨率分析进行 PDF417 二维条码自动检测定位的新方法, 该方法在高频子图基于特征向量利用纹理相似性原理, 采用区域增长法产生二维条码数据区域的候选子区域集合, 然后在低频子图利用二维条码的起始符、终止符及其边界特征对候选子区域进行验证, 最后得到二维条码在图像中的位置. 实验证明该方法能准确定位受到不同污损程度的二维条码图像, 特别在污损程度高的情况下, 该方法具有独特的优势.     

改进的基于形态学小波多聚焦图像融合方法

提出了一种改进的形态学小波多聚焦图像融合算法。针对文献[1]基于形态学小波多聚焦图像融合方法在重构过程中存在灰度值下溢的缺点,提出了一种检测-重融合的新方法。融合试验表明,该方法优于传统的形态学小波融合方法。     

一种改善超分辨率图像重建中边缘质量的方法

超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量     

基于小波多分辨率分析的指横纹定位新算法

针对指横纹感兴趣区域(ROI)难以准确定位的问题,在明确提出指横纹ROI定义的前提下,提出利用小波多分辨率分析进行指横纹ROI自动检测定位的新算法.该方法利用纹理相似性原理,在高频子图采用基于特征向量和区域生长法产生指横纹的候选子区域集合,然后利用低频子图Radon投影得到的指横纹的区域特征对候选子区域进行验证,最后结合直线拟合手指轮廓得到指横纹在原图的有效位置,最终实现指横纹ROI的精准定位.实验证明该算法不仅能有效克服噪声以及手形姿态变化的影响,并且对多种情况有很强的鲁棒性.     

基于小波多分辨率分析的图像边缘检测研究

本文就图像边缘检测的多分辨率分析模型和小波变换多分辨率边缘检测方法进行了分析研究,对基于小波分析的图像边缘检测研究现状进行了分析和总结。明确了研究方向和重点主要集中在小波基的构造和选取,阈值的选取,小波分解的尺度选取,以及小波分析方法和其他方法的结合使用。     

基于小波多分辨率分析的间谐波检测方法

间谐波是电力系统中一种特殊的谐波,大量存在于电网中,对电网的危害很大,对它进行检测和分析具有重要的意义.针对傅立叶(DFT)方法只能检测出整数倍的基波频率,而对间谐波无能为力的缺点,文章提出了一种基于小波多分辨率分析的间谐波检测方法.仿真结果表明该方法具有较好的分辨率,可以很好地对间谐波进行分析,在电力系统间谐波分析方面具有经典DFT方法无可比拟的优点.     

基于小波多分辨率分析的并发故障检测方法

提出了利用小波多分辨率分析技术进行多重并发故障检测的方法。根据信号分解重构后的时间位置不变这一事实,将信号进行多尺度的小波分解,并根据奇变信号和噪声信号小波变换后的系数差异,采用软阈值法,对其高频分量进行去噪重构,根据重构后的故障信号高频分量在不同尺度上的特征,对其进行故障特征提取,并将不同尺度上的故障特征进行综合,获得并发故障各自特征,进而可以实现对多重并发故障的检测和识别。对一电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于改进POCS算法的视频图像超分辨率重建

超分辨率技术是指通过融合多幅模糊、变形、频谱混叠的低分辨率图像来重建一幅高分辨率图像。本文提出一种基于POCS算法的视频图像超分辨率重建方法。POCS算法是图像超分辨率重建中的一种基本方法,本文在传统POCS算法的基础上,对重建过程中的初始高分辨率图像的估计加以改进,利用双3次插值法来获得初始估计;针对重建过程中容易出现的边缘振荡问题,利用边缘检测和修改PSF函数的方法使之得到解决。实验结果表明,重建后的高分辨率图像在提高分辨率的同时很好地保持了图像的细节。     

基于多分辨率分析的肺部边缘检测

针对医学数字X光(DX)胸片,提出了一种基于多分辨率分析的肺部边缘检测方法.该方法结合了数学形态学和小波变换技术,构造图像的塔式分解,从低分辨率边缘图像开始,逐步向高分辨率前传、搜索、精提,自动定位肺部边缘.实验结果表明,算法计算速度快,检测出的边缘准确、连续光滑.     

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.     

基于多分辨率的快速迭代最近点配准算法

针对迭代最近点(Iterative Closest Point,ICP)算法计算时间长的问题,提出一种基于多分辨率配准点的ICP算法。使用自适应体素网格滤波器对原始点云进行多分辨率采样,利用低分辨率点云快速迭代获得两点云间初始变换矩阵;利用高分辨率点云在初始变换基础上做更精确配准。实验结果表明,该算法在配准精度基本不变的情况下,可以显著降低配准时间,且随着点云点数增加,速度提升效果越明显。     

基于小波变换的诱发电位信号去噪研究

基于一维小波变换的方法对诱发电位信号进行了去噪研究。采用小波多分辨率分析方法来处理信号的高频———即噪声部分,分别对仿真信号和实际信号进行消噪处理,比较了去噪前后信号的信噪比等性能指标。实验表明,小波变换方法能较好地消除诱发电位信号的噪声。     

基于图像清晰度的自动聚焦算法

在数字监控和机器视觉中，摄像头的焦距可以由计算机根据图像的清晰度自动控制。本文针对监控系统在目标跟踪时对自动聚焦的速度和精度的要求，提出了两次定位、单向搜索的快速精确的聚焦算法。在聚焦精度方面首先针对全局图像进行第一次粗略的聚焦，图像的清晰度判断采用计算速度较快的相邻象素差分法的判断函数；然后再对图像中的目标区域进行第二次精确的聚焦，图像清晰度判断采用对清晰度变化敏感的基于Laplacian边缘检测的判断函数。调焦过程采用最佳焦距位置的单向搜索法，以提高聚焦的速度。实验证明该算法具有较好的实时性和精确性。     

小波变换多尺度分析在地震资料处理中的应用

§1.引言 小波分析是一种时间-频率域分析方法,介于纯时间域的方波分析和纯频率域的傅里叶分析之间,同时具有时间域和频率域的良好局部化性质.不同频率成份在时域上的取样步长具有调节性,高频者小,低频者大.对于不同尺度成份采用相应粗细的时(空)域取样步长,能够不断地聚焦到对象的任意微小细节.本文,利用小波变换的性质,在提高地震资料的信噪比和分辨率方面进行数值实验,取得了良好效果.有关小波变换的定义、多尺度分析、Mallat     

基于多分辨率分析和相关反馈技术的图像检索

提出了一种基于图像全局-空间颜色特征的检索方法,首先采用多分辨率分析的图像划分方法,提取图像的全局和空间颜色特征作为检索信息,同时引入了反馈机制来加强检索效果.实验表明,该方法取得了较好的检索效果.     

基于内积能量的小波域自适应水印算法

针对目前很多小波域水印算法都没有考虑噪声对选择水印嵌入位置的干扰这一问题,提出一种基于内积能量的小波域自适应水印算法。该算法充分考虑人眼视觉系统掩蔽特性,利用梯度内积能量衡量的纹理特征和亮度对噪声的掩饰特性确定水印嵌入强度,将水印分量嵌入到低频系数中,解决了噪声对嵌入位置选择的影响。实验结果表明,该算法在保证水印透明性的同时,对于非几何攻击和几何攻击具有很强的鲁棒性。     

空间数据的小波变换压缩方法

地理信息系统(GIS)中的空间数据量十分庞大,其中栅格数据以及影像数据占有很大的比重.本文采用基于小波变换的混合编码的方法对不同用途栅格数据进行压缩,节省了数据的存储空间,提高了数据的传输速度,同时也提高了后续分析和处理的效率.