抗噪性联合变换相关器

我们对联合变换相关器的输入图象进行Roberts梯度处理,同时对参考图象采取相移技术,并在频域中将功率谱二值化。与传统的联合变换相关器（CJTC）相比,新型的联合变换相关器（NJTC）消除了功率谱的直流分量,锐化了相关峰强度,提高了衍射效率和识别能力,同时增强了联合变换相关器的抗噪性能。用计算机模拟出预言结果。     

Characterization of an Optimized Nonlinear Joint Transform Correlator

Abstract

The performance of a nonlinear joint transform correlator which employs a GEC-Marconi optically addressed spatial light modulator in the Fourier plane is investigated in terms of the device operating conditions and other system parameters. We discuss the optimum performance characteristics of the correlator and the sensitivity to changes in the rotation, scale and separation of the objects in the input plane.     

基于小波变换的射线图像疵病特征提取方法

本文讨论了小波变换在射线图像疵病特征提取中的应用，通过各尺度图对应不同频段的特性来识别信号的趋势项，并且利用有效信号和噪声在小波变换下的不同规律进行信噪分离，最终达到特征提取的目的，实验表明上述方法具有良好的特征信息提取效果。     

状态形态学滤波与EWT的故障特征提取方法研究

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。首先使用自适应经验小波变换通过构造尺度空间曲线对傅里叶频谱进行划分,构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分;然后根据往复机械振动信号冲击性的特点,基于信号本身特性构造形态学结构元素,对提取出的模态进行状态自适应形态学滤波;最后使用多尺度模糊熵对模态进行定量分析并对故障进行识别。将该方法应用到实测数据中,实验结果验证了该方法的有效性,该方法可以准确对往复压缩机气阀故障进行识别。     

ECG Classification Using Deep CNN Improved by Wavelet Transform

Atrial fibrillation is the most common persistent form of arrhythmia. A method based on wavelet transform combined with deep convolutional neural network is applied for automatic classification of electrocardiograms. Since the ECG signal is easily inferred, the ECG signal is decomposed into 9 kinds of subsignals with different frequency scales by wavelet function, and then wavelet reconstruction is carried out after segmented filtering to eliminate the influence of noise. A 24-layer convolution neural network is used to extract the hierarchical features by convolution kernels of different sizes, and finally the softmax classifier is used to classify them. This paper applies this method of the ECG data set provided by the 2017 PhysioNet/CINC challenge. After cross validation, this method can obtain 87.1% accuracy and the F1 score is 86.46%. Compared with the existing classification method, our proposed algorithm has higher accuracy and generalization ability for ECG signal data classification.     

融合小波变换和改进KFD的人脸识别方法

基于核函数的Fisher判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数,但核函数中参数的选取对分类效果影响较大。目前参数的选取一般仅凭经验,且该方法在处理大样本时,速度较慢。针对这个问题,本文提出了一种融合小波变换和改进KFD的人脸识别的方法。该方法首先用小波变换降低样本的维数;然后在用KFD进行特征提取时,采用微粒群算法自动获取一个最优参数,增强分类效果;最后用SVM分类器完成特征的识别。实验表明,该方法与传统的KFD相比较,运算时间减少,而且识别率得到提高。     

利用小波分析和EMD的机械故障特征提取

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。     

小波变换在声发射信号特征参数检测中的应用

本文论述了小波变换在声发射信号的事件计数特版在数检测中应用的理论和方法,用小波变换来检测声发射信号的事件计数特征参数,其准确率与域值电平的取值在大小无关,从而可大大提高声发射信号特征参数检测的准确度,该方法可用于旋转机械（特别是大型汽轮发电机组）的碰磨故障和裂纹故障的检测。     

Gabor变换在声发射信号特征提取中的应用

机械故障或损伤引发的声发射(AE)信号由高频突发脉冲信号和长周期准平稳噪声信号组成,Gabor变换特有的时频局域化特性适于描述其时频特征.通过分析典型AE信号及其特征提取,将Gabor变换引入到声发射故障诊断领域,并提出了AE信号的Gaber变换分析法.通过理论分析和仿真,比较了Gabor变换和Wigner-Ville分布(WVD)提取AE信号特征的效果.研究了Gabor变换在强噪声背景下的抑噪能力,并给出了AE信号Gabor变换窗长的选取方法,从而有效克服了Gabor变换只用一个固定窗分析多尺度信号的缺陷.将Gabor变换用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确.仿真分析和实验研究均表明了Gabor变换能有效提取AE信号的特征,为AE信号的波形分析开辟了一条有效的途径.     

基于脊波变换的旋转不变性纹理特征提取方法

提出了一种新的基于脊波变换的旋转不变性纹理特征提取方法。该方法是先在脊波变换过程中的一维小波变换后所形成的每个频率子波段中提取特征,然后采用构建直方图的方法来提取同一尺度下高、低频子波段之间的关系特征,最后将这些特征进行一维傅里叶变换后取幅值并进行特征级融合,从而得到旋转不变性纹理特征。实验结果表明所提出的方法与两种已有的方法相比能够取得更好的分类效果。     

分块Radon变换在低对比度掌纹特征提取中的应用

特征提取是低对比度掌纹识别的关键步骤.针对掌纹纹理特征明显的特点,本文提出了一种分块Radon变换的掌纹特征提取方法.该方法先对掌纹感兴趣区域进行一级小波分解去噪降维,接着对低频子图像进行分块以圈定局部主要纹理,最后把所有分块后的子图像进行70°～140°Radon变换,所获得的线积分组合在一起构成该图像的特征向量.运...     

Positioning of Noncooperative Objects by use of Joint Transform Correlation Combined with Fringe Projection

Automated assembly and quality control require reliable systems for the detection of the position and the orientation of complicated objects. Correlation methods are well suited, but they are affected by structured backgrounds, varying illumination conditions, and textured or dirty object surfaces. Using fringe projection to exploit the three-dimensional topography of objects, we improve the performance of a nonlinear joint transform correlator. Positioning of noncooperative objects with subpixel accuracy is demonstrated. Additionally, the tilt angle of an arbitrarily shaped object is measured by projection of object-adapted fringes that produce a homogeneous fringe pattern in the image plane. An accuracy of better than 1 degrees is achieved.     

基于参数识别和小波包分析的故障特征提取

针对2D12往复式压缩机气阀的工作特点,提取吸气阀与排气阀均关闭时的压缩过程的局域信号.以此为研究对象,应用模态参数识别与小波包分析相结合的方法对气阀进行故障诊断,最后给出气阀正常与故障时的时域特征参数的图谱分析.     

心音信号特征提取小波包算法研究

为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法.基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数.根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量.采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号.     

基于改进的自适应无参经验小波变换的滚动轴承故障诊断

为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。     

改进提升小波变换的空间频率比图像融合

提出了一种新型图像融合算法.该算法在提升小波变换的基础上,通过取消其奇偶分裂环节,得到具有平移不变性的非采样提升小波变换.对图像经非采样提升小波变换后的低频分量首先定义一种空间频率比,再通过空间频率比来计算融合因子,然后采用加权与选择相结合的方法对低频分量进行融合.高频分量直接选择一种基于边缘信息的加权融合方法.最后通过非采样提升小波逆变换重构得到融合图像.实验结果显示,该算法相对传统的图像融合算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

小波多尺度改进Chan-Vese模型的红外图像分割

针对红外图像特点,提出了一种小波多尺度改进Chan-Vese模型的红外图像分割算法.首先,利用小波多尺度分析的良好信噪分离性能提取红外图像的有效边缘信息,将边缘信息添加到Chan.Vese模型的能量函数中从而提高模型的局部控制能力.同时增加内部变形能量项,约束水平集函数逼近符号距离函数,避免了水平集函数的重新初始化过程,改进了Chan-Vese模型.然后,从小波变换的顶层低频子带图像开始逐层采用改进的Chan-Vese模型分割图像,并将分割结果通过插值方式传递至下一层作为分割的初始轮廓,最终实现红外图像的分割,具有抗噪性能强和运算速度快的特点.     

基于改进DRLSE模型的焊接缺陷特征提取方法

目的 针对目前大多数焊接缺陷自动特征提取方法存在的准确度较低的问题,研究满足准确度要求的X射线图像中焊接缺陷特征提取方法。方法 对图像进行增强去噪预处理后,在初步确定焊缝区域的基础上,根据焊缝图像列灰度值曲线梯度特性,设计基于灰度值梯度的焊缝边界精确提取算法;以提取得到的焊缝精确边界为初始轮廓,提出基于改进DRLSE模型的焊接缺陷特征提取方法。结果 基于改进DRLSE模型的焊接缺陷特征提取方法能够有效地提取气孔、夹渣、未熔合和未焊透等缺陷特征,准确率达到94.6%。结论 所提方法克服了原始焊缝X射线图像质量较差、背景复杂的问题,能够精确提取焊缝区域边界,并准确地对各种焊接缺陷进行特征提取,具有较强的适应性和实用性。     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

基于小波-双谱分析的视觉诱发脑电特征提取

针对脑电信号非平稳性、非线性和非高斯性特点,利用小波变换和双谱分析相结合的方法提取视觉诱发脑电特征.采用Oddball实验范式,采集视觉诱发脑电数据.首先,对脑电信号进行少次相干平均以去除自发脑电;然后,选择合适的小波函数和分解层数,进行小波分解与重构,并对重构后细节系数进行白化处理;最后,利用双谱分析提取视觉诱发脑电特征.结果表明:该方法可以提取蕴涵于脑电中丰富的高阶时频信息,并且在处理脑电非线性和抑制高斯噪声方面具有较强的优越性.