基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于提升小波的铁谱图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一。铁谱图像磨粒边缘作为铁谱图像中最基本的特征,为铁谱图像特征提取提供了非常有价值的重要特征参数,在基于铁谱分析的机器故障诊断技术中有着重要的地位。将第二代提升小波算法应用于铁谱图像边缘检测:首先将彩色铁谱图像分解为R、G、B单通道图像,对三通道图像分别进行预处理,并利用直方图处理和图像深度转换实现磨粒和背景的分离;然后对各个通道图像进行D4提升小波变换,在小波域中,通过阈值判断提取高频子图中的边缘像素;最后通过或运算将各个通道的边缘进行融合得到最终的磨粒边缘图像。本文结果与Sobel算子和Canny算子的结果进行比较表明:本文中算法能有效的抑制噪声,较好地再现铁谱图像的磨粒边缘信息,是一种有效的铁谱图像边缘检测算法。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于小波变换的三轴漏磁信号去噪研究

简单介绍了管道的无损检测技术,研究了三轴漏磁传感器的特征和原理,提出了采用三轴漏磁传感器进行在役管道无损检测的可行性以及它所具有的优越性,主要对三轴漏磁信号的去噪方法进行了研究.介绍了小波变换的基本原理和阈值函数去噪的方法,并采用MATLAB软件进行了小波变换下各种阈值函数的去噪仿真和三轴漏磁信号的去噪仿真,得到了比较理想的去噪结果,证明采用小波变换进行三轴漏磁信号的去噪是可行的.     

基于图像处理的带线缝合针尾孔同轴度检测研究

针对带线缝合针尾孔同轴度检测问题,提出了一种对尾孔放大图像进行边缘检测并拟合的同轴度检测方法.首先根据小波变换原理,利用Db3小波基函数对尾孔放大图像进行了三层小波分解,高频部分利用小波多尺度积边缘检测方法抑制噪声,低频部分利用数学形态学边缘检测方法检测弱边缘信息.然后根据图像信息熵计算了单幅边缘图像的权重系数,进一步将多幅高频边缘图像和低频边缘图像融合,提取到了清晰的尾孔内外圆边缘图像.最后运用最小二乘圆拟合方法得到尾孔内圆与外圆圆心坐标,计算了同轴度.针对0.5 mm缝合针样本的实验结果表明该方法与传统检测方法的同轴度数据差值不超过0.2 μm,且具有良好实时性,能够满足尾孔的同轴度检测要求.     

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。     

基于小波多尺度边缘检测的液压缸内泄漏故障诊断

文章提出了一种基于小波多尺度边缘检测的液压缸内泄漏故障诊断方法，通过检测小波变换在适当尺度上的极大值点，提取出压力突变信号的特征，从而为液压缸内泄漏故障诊断提供了定量的依据。     

基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

经验模态分解在管道缺陷漏磁检测信号处理中的应用研究

针对管道缺陷漏磁检测信号中存在严重噪声干扰的问题，将经验模态分解方法用于漏磁检测信号的噪声分离和有效信号提取，对实际测试的与输油管道材质相同且具有人为模拟缺陷的漏磁信号进行处理，结果表明，该方法可以很好地抑制噪声从而得到清晰的、表征缺陷特征的有用信号，达到与小波变换相同的处理效果，同时克服了小波方法中基函数选择困难的问题。     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

A new denoising algorithm for MFL data obtained from seamless pipeline inspection

The magnetic flux leakage (MFL) nondestructive evaluation technique is used extensively for in-service inspection of gas and oil pipelines. Unfortunately, the MFL data obtained from seamless pipeline inspection is usually contaminated by various sources of noise, which considerably reduces the detectability of defect signals in MFL data. In this paper, a new denoising algorithm is presented for removing seamless pipe noise (SPN) and system noise contained in MFL data. The algorithm first utilizes the new wavelet domain adaptive filtering method proposed by combining wavelet transform with the adaptive filtering technique to remove SPN contained in MFL data and then exploits the coefficient denoising approach with wavelet transform to cancel the system noise in the output of the wavelet domain adaptive SPN cancellation system. Theoretical analysis shows that the proposed denoising algorithm has a better overall performance than the existing denoising algorithm. Results of application of the proposed algorithm to MFL data from field tests are presented to demonstrate the performance of the proposed algorithm compared with the existing denoising algorithm. The text was submitted by the author in English.     

基于DM642融合系统的A Trous小波实时图象融合算法

摘要：给出了一种基于DM642融合系统的A Trous小波实时图象融合算法。融合系统核心处理器选用了适合视频图像处理的TI最新高性能定点DSP DM642,利用DM642的600MHz高速运算能力,EDMA和EMIF高速数据传输能力,与视频编/解码单元无缝连接的灵活可配置的视频端口,构建了双波段图像融合系统平台。在此系统上,对可见光图像进行A Trous小波变换,提取出不同分解层的特征信息,将特征信息与红外图像进行融合。融合后的图像保持了可见光图像的线条及边缘特征,还融合了红外图像的目标特征。仿真实验结果表明,在融合系统平台上实现双波段图像实时融合算法只需39.46毫秒左右,满足25帧/秒的工程需求。 关 键 词：图像融合;A Trous小波;实时处理;TI 0DM642     

交叉双边滤波和视觉权重信息的图像融合

图像融合技术是图像分析领域重点研究内容之一,为了更好地保留原图像中的细节信息,提高融合图像的对比度,提出了基于视觉权重图的多尺度图像融合方法。首先,利用可变参数的交叉双边滤波器对两幅待融合图像进行多尺度分解;然后,在每个分解层分别计算相应的视觉权重图,并针对不同分解层赋予不同的权重值;最后,综合这些结果生成融合图像。由于对原始图像的分解没有采用下采样和上采样操作,因此不会损失图像中的信息,且克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足。通过4种定量分析实验表明,在多种模式的图像融合应用中,本方法优于其他5种对比方法,融合时间小于0.2 s。融合后图像细节信息、对比度得到增强,同时降低处理时间。     

在线压缩感知方法及其在漏磁检测中的应用

以长距离油管的漏磁检测系统为研究对象,研究了漏磁检测数据的在线压缩算法。针对嵌入式在线工作环境下,传统的数据压缩方法难以应用的问题,引入压缩感知(CS)理论,提出了漏磁检测数据在线CS压缩方法。确定了小波基作为漏磁信号的最佳稀疏表示基,并推导了小波稀疏基矩阵的数学表达公式;提出Welch界和PRP共轭梯度算法的测量矩阵优化算法;提出了漏磁检测数据的重要数据段筛选方法,极大地减少了数据存储量。仿真试验证明了所提出在线压缩算法极大地减少了在线环境压缩编码的运算复杂度,具有简单迅速、压缩比高、重构精度高等优点,符合漏磁检测数据在线压缩的实际要求。     

基于多尺度降采样规范化割的图像裂纹检测

针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷,提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换的半重构特性对待测图像的多个尺度进行边缘特征提取;其次结合各尺度的强度和位置特征构建多尺度相似矩阵和多尺度规范化相似矩阵;然后对多尺度相似矩阵进行降采样并利用谱分割方法实现降采样特征向量求解;最后利用多尺度规范化相似矩阵对降采样特征向量进行上采样的乘法运算并离散化后得到最终结果。在3个数据集的单一目标图像上进行文中方法与多尺度规范化割等方法的实验结果表明,不仅提高检测精度,而且减少运算时间。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

基于小波分析消噪技术的燃气管道泄漏检测与定位

研究了基于小波分析的负压波管道泄漏检测与定位技术。并主要对小波分析消噪处理方法进行了分析。先选取合适的小波基和尺度对泄漏信号进行小波分解,再对各尺度下小波分解的高频系数进行阈值量化,并重构小波信号可得消噪后的泄漏信号。运用这种方法,可以更为精确地获得压力突降点,提高泄漏点定位的精度。通过对燃气管道泄漏检测与定位的实例分析,验证了此方法的精确性和有效性。