基于小波分解和分形理论的金相图像识别

为解决目标相互粘连的金相图像分类问题,提出了一种基于小波分解和分形理论的金相图像识别方法。该方法通过对原图像作一级小波变换,分别提取小波变换后的各输出子图像的分形维数和相关维数构成纹理特征值,对金相图像进行分类识别,结果表明取得了较好的效果。     

小波分析在图像处理中的应用

本文介绍小波分析在图像处理中的应用,有多尺度边缘检测、图像识别、图像分割.边缘检测包括可去除多余边缘的一般灰度图像实例,彩色肿瘤图像的边缘提取,汉字放大.图像识别中,对于汉字或字母的识别,是将二维图像信号降维后再进行小波分解,通过计算各层次的分形维数形成特征向量从而可以进行识别;仿射变换后的汉字或其它图像可用多尺度小波的仿射不变函数进行对比识别.最后介绍了两种图像分割算法,首先利用基于能量分析的方法将纹理部分和平滑部分先分开,然后再利用基于奇异性分进行细分,得到最终分割的结果.     

基于双维度变化的形态学多重分形的战场声目标识别

针对战场声目标识别的多重分形特性,提出了基于双维度变化的数学形态学多重分形计算方法。该方法定义了基于双维度变化的配分函数(DDCDF),同时引入回归分析对分形尺度与配分函数进行高精度拟合,确保采用两点式斜率计算作为分形维数的准确性;以运算速度与识别率为标准,筛选出最优尺度组合,并计算多重分形维数。通过半实物仿真对比试验验证了所提算法的运算效率较现有的形态学多重分形维数算法有明显提升;此外,将多重分形维数作为特征输入,使用支持向量机进行声目标识别,识别结果显示了该算法所提取的多重分形维数特征具有更好的区分度,其识别率比现有算法提升了23.5%,为战场声目标的非线性特征快速识别提供了一种有效的技术手段。     

基于多重分形理论与神经网络的齿轮故障诊断

针对齿轮故障振动信号具有多重分形特征,提出多重分形与神经网络相结合的机械故障诊断方法。采用多重分形理论计算出振动时间序列的多分形谱f(α)和广义分形维数D(q),并将多分形谱能和广义分形维数谱能作为特征量,构成二维特征向量。将该特征向量作为概率神经网络的输入参量,对采自齿轮故障台的振动信号进行故障分类。作为对比,将关联维数作为特征量输入同样参数的概率神经网络并进行故障识别,结果表明,所提出的方法具有更高的识别率。     

复合评定法在三维粗糙表面评定中的应用

提出一种将双树复小波与分形理论相结合的复合评定方法。即利用双树复小波近似的平移不变性和方 向性好等优点,将信号分解成更为细腻的低频和高频信号,同时根据多尺度下信号分形维数的不变性,利用图像灰 度值自相关求得高低频信号的分形维数,通过计算高低频信号分形维数之间的差值（即分形维数距)来确定双树复 小波的分解尺度。仿真结果表明复合评定法可以较好地提取基准面,且分形维数距确定分解层数的准确性通过均 方根*Sq值得到了验证;两个实例均说明,复合评定法可以很好地提取具有分形特征的纳米级三维粗糙表面基准或 波纹度,为实际工程表面评定提供了可靠的理论基础。     

基于局部分形维数的遥感图像分割

本文针对遥感图像的分形特点,采用局部分形维数进行图像分割.利用金字塔模型替代了局部分形计算中的窗口模板,从而对局部三角棱柱面法进行了改进,减少了图像局部分形维数的运算量.并设计了一种新的递归计算流程,有效地降低了内存存储量.利用此法对遥感图像进行分割,结果表明:改进后的三角棱柱面法提高了基于遥感图像纹理特征的图像分割方法的计算速度,同时保留了三角棱柱面法对于分形维数计算的准确性.     

分形维数在矿井通风机故障诊断中的应用研究

用分形维数对通风机的振动信号进行了描述,研究表明矿用通风机几种典型故障的振动信号对应有不同的分形维数,由此可对通风机的典型故障进行识别;将小波除噪理论与分形相结合应用于矿用通风机故障诊断,通过对通风机振动信号去噪前后分形维数的研究发现噪声对振动信号分形维数影响较大,通风机振动信号经小波降噪处理后,有效减小了噪声对信号的影响,利用除噪后振动信号的分形维数准确地诊断出了通风机存在的故障.     

一种新的灰度图像识别方法

灰度是灰度图像最重要的视觉特征之一，由于声纳图像多是以灰度来表征图像，所以将灰度信息作为重要内容参与匹配和识别具有重要意义。针对声纳图像中起主要作用的是图像的主灰度这一问题，提出一种基于主灰度分析、提取和识别的方法，从而降低了特征维数，提高了声纳图像的识别效率。该方法应用于水下声纳图像的识别，实验结果表明它是有效的。     

采用多源图像分形特征的多目标检测方法

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法.首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理.该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据"距离相似度准则"进行目标的聚类识别,排除背景干扰,最终检测出全部目标.实验结果表明该融合检测算法能有效地进行多目标的检测与识别.     

基于多重分形分析的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,对NMEP和LEMP信号进行了多重分形分析,计算了二者的多重分形广义维数 和广义维数的变化率,通过分析发现,广义维数的变化率更能反映核爆和雷电的不同产生机理,并且和广义维数相比,以广义维数的变化率作为特征,对NEMP和LEMP的识别率更高,更稳定,可以对核爆和雷电电磁脉冲进行有效的识别。     

An effective approach for wavelet lifting based on filter optimization and median operator

In JPEG2000, the Cohen–Daubechies–Feauveau (CDF) 9/7‐tap wavelet filter implemented by using the conventional lifting scheme has two problems. The first problem is that the filter coefficients are remaining complex; second, the conventional lifting scheme ignores image edges in the coding process. In this article, we propose an effective wavelet lifting scheme to solve these problems. For this purpose, we design the optimal 9/7‐tap wavelet filters in two steps. In the first step, we select the appropriate filter coefficients; in the second step, we employ a median operator to consider image edges. Experimental results from using the median lifting scheme and combining filter optimization and median lifting show that our proposed methods outperform the well‐known CDF 9/7‐tap wavelet filter of JPEG2000 on edge‐dominant images. © 2010 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 20, 359–366, 2010     

基于提升格形态小波的生物芯片图像增强

提出一种使用提升格形态小波进行生物芯片图像滤波增强的方法。根据生物芯片图像的样点和噪声区域的大小选择合适的结构元素或者预测-升级算子,并通过形态学算子或者提升格构造形态小波分解和重构形式。利用形态小波的不同级连方式和高频系数的处理实现生物芯片图像的滤波增强。实验表明,该方法可以有效地结合形态学和小波滤波的优势,降低了运算量,取得良好的生物芯片图像增强效果。     

基于提升小波变换的MFCC在目标识别中的应用

水下环境噪声对被动声呐目标的分类识别影响显著,为了提高水声信号识别系统对环境噪声的鲁棒性,采用提升小波变换方法提取MFCC特征,对水下被动声呐目标进行分类和识别。仿真实验表明,与传统MFCC和小波变换的MFCC相比,在信噪比相近的情况下,提升小波变换方法提取MFCC具有识别率较高、对噪声鲁棒性较好的显著优点。     

基于提升小波包和模糊模式识别的结构有限元模型修正

该文提出了基于提升小波包特征提取和模糊模式识别的结构有限元模型修正方法，首先建立以节点固结系数表示的空间网架单元刚度矩阵，然后利用提升框架，将结构振动测试信号进行提升小波包分解，提取小波包信号分量能量作为特征向量，以此建立模糊模式识别的模糊子集，最后利用模糊模式识别方法对结构进行有限元模型修正，并研究了噪声对该算法的影响。为了证明该方法，对一个二层网架结构模型进行了数值仿真，结果表明该方法能够有效的修正结构的有限元模型。     

基于导向滤波与分形维度的图像加权融合算法

目的为了解决当前图像融合技术中易丢失图像信息,不能较好地保持源图像的边缘与纹理信息,从而降低了图像分辨率与视觉质量,使其不能对目标进行清晰、完整、准确地信息描述等问题。方法提出一种导向滤波耦合分形维度的图像加权融合方案。首先对源图像进行预处理,通过增强对比度来提高图像的动态范围。通过小波变换将图像分解为低频与高频部分,并引入导向滤波器,对其低频、高频成分进行处理,获取相应的低频、高频权重,较好地保持图像的边缘信息。然后,通过提取局部特征分形维数来获取微小纹理特征。最后,定义一种加权融合方案,根据低频与高频权重进行融合,得到最后融合图像。结果实验数据表明,与当前常用图像融合算法比较,文中算法具有更好的融合视觉效果,更好地保持了源图像的真实信息;在信息熵、交互信息、平均梯度和标准差等4种定量分析指标方面,所提算法具有更大的优势。结论所提算法具有良好的融合质量,在图像处理领域具有一定的参考价值。     

被动声纳目标识别系统设计研究

目标识别是声纳的主要功能之一,其性能包括识别正确率、泛化能力和识别距离。由于数据样本的保密特性,声纳目标识别系统设计有其自身特色。在设计过程中,应首先降低对数据样本的依赖,把目标辐射噪声的机理分析、组成、运动规律等知识巧妙地运用到系统设计中;其次还应尽可能提高泛化率,以提高声纳目标识别系统对未见过的样本的正确识别能力。讨论了声纳目标识别流程、声纳目标识别系统的设计方法;在声纳目标识别系统的性能评估中,给出了目标识别距离的估算方法。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

基于纹理特征的合成孔径声纳图像目标检测研究

随着成像声纳技术的发展,声纳图像的目标检测与识别逐渐成为数字图像处理领域的一个重要研究课题。合成孔径声纳图像含有丰富的纹理特征,而灰度共生矩阵具有丰富的特征参数,可以从不同的角度对纹理进行细致刻画。采用灰度共生矩阵可以描述合成孔径声纳图像纹理方面的特征,通过计算灰度共生矩阵在方位向和距离向的能量、相关性、对比度和熵值,并构造特征向量,可以对合成孔径声纳图像中的目标进行准确检测。从实验结果可以看出,基于纹理信息可以准确实现合成孔径声纳图像的目标检测。     

基于提升小波包和模糊模式识别的结构损伤识别

针对网架结构的损伤特点,提出基于提升小波包特征提取的模糊模式识别的结构损伤诊断方法。该方法首先利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为损伤识别的特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊C均值聚类分析与择近原则相结合的模糊模式识别方法对结构进行损伤识别,并研究噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行数值仿真,结果表明该方法能够有效地识别损伤。