基于小波变换的交通图像预处理与特征提取

数字图像处理技术运用于交通系统可以不断提高其智能化水平。本文在简要介绍小波变换的交通图预处理基本原理的基础上,分析了几种主要方法,通过比较研究得出相应结论。     

小波变换在结构损伤识别特征提取中的应用

小波变换用来进行特征提取是近年来模式识别领域中较新的一个研究方向。不同于传统的特征提耿方法，它借助信号处理领域常用的小波变换这一数学工具，对特征库进行再次加工，经过去粗取精而得到更利于分类的新的信息。针对结构损伤识别特征提取的特点，发展了小波变换对基本特征库进行分频段处理的双谱相辅分析技术，并开发了相应的软件系统，通过算例表明，该方法可以达到降低噪声，凸显结构损伤信息的目的。     

改进的谐波小波包变换及其在弱故障特征提取中的应用

通过引入频谱幅值修正系数改进了通常的谐波小波包变换。改进的谐波小波包变换使得信号分解前后各子带的频谱幅值保持不变,能精确提取相应子带故障调制信号的强度与频率,为机械故障诊断带来了方便。仿真实验和轴承故障诊断实例不仅表明谐波小波包具有一般正交小波包无法比拟的完美的带通滤波性能和极强的微弱特征信号提取能力,而且还表明改进的谐波小波包变换确实使得信号分解前后各子带的频谱幅值保持不变,能精确提取相应子带故障调制信号的强度与频率,有一定的工程应用价值。     

小波变换在切削颠振特征提取中的应用

本文利用小波变换的多分辨率特性,首先对切削颤振信号进行小波分解,然后通过主成分分析法对特征小波进行重构,再对重构信号进行特征提取,从而有效地解决了课题基于隐马尔可夫模型（HMM）切削颤振预报的特征提取问题.文章还提出了从时域基于功率分析对颤振信号进行特征提取的新方法,为切削颤振的特征提取提供了新的模式样本.     

小波变换在继电保护隐藏故障检测中的应用

针对电网正常运行时继电保护隐藏故障很难被发现的特性,利用小波时频局部化的特性,提出了基于小波的继电保护启动性能监测方法,介绍了继电保护隐藏故障和小波理论,重点分析基于小波分析的继电保护启动性能监测方法,通过该方法能够检测出继电保护系统启动元件中是否存在隐藏故障。     

非线性学相空间重构中小波变换方法研究

通过研究有限离散二进小波变换与非线性动力学相空间重构的关系,从相空间重构的角度解释小波变换处理混时序的合理性,指出混沌时序的离散小波变换实质上相当地在混沌时序重构的相空间中,混沌吸收子向离散滤波器向量投影的结果,在一定程度内混沌的特性不变。在滤波器向量所张开的平面上可以观察到混沌吸引子的投影;讨论了嵌入维数、时间延迟等与离散二进小波变换尺度间的联系。     

小波变换在信号处理中的应用

介绍了常用小波基函数和连续小波变换，重点将小波变换应用到信号的去噪、分解和重构信号分析中。通过仿真实验可见小波变换已成为信号处理中行之有效的方法，必将在信号处理中起着重要作用。     

离散小波变换在齿轮箱螺栓拉断故障中的应用

探讨了离散小波变换在齿轮箱故障诊断中的应用，通过对测取的齿轮箱振动信号进行离散小波变换，可有效提取齿轮箱螺栓拉断的故障信息，为今后判断，预防同类事故及事后确定故障部位提供了有效的分析手段。     

非线性动力学相空间重构中小波变换方法研究

通过研究有限离散二进小波变换与非线性动力学相空间重构的关系,从相空间重构的角度解释小波变换处理混沌时序的合理性,指出混沌时序的离散小波变换实质上相当于在混沌时序重构的相空间中,混沌吸引子向离散滤波器向量投影的结果。在一定程度内混沌的特性不变。在滤波器向量所张开的平面上可以观察到混沌吸引子的投影：讨论了嵌入维数、时间延迟等与离散二进小波变换尺度间的联系。     

基于小波变换的交通图像特征提取

小波是一种用于多层次分解函数的数学工具。作为现代分析学开拓的一个新领域,目前小波变换已经广泛应用于信号处理、图像处理、模式识别、语音识别、量子物理、地震勘测、流体力学、电磁场、CT成像、机器视觉、机器故障诊断与监控、分形以及数值计算等等工程领域。因此,就应用小波变换理论解决交通图像特征提取的问题,做简单的分析。     

基于改进经验小波变换的滚动轴承故障特征提取方法研究

针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于改进经验小波变换的故障特征提取方法。通过包络分析和对包络曲线进行阈值分割修整的方法来确定经验小波变换分解的模态数和频率边界,解决传统经验小波变换需要预先设置分解模态数和难以对信号频谱进行适当分割问题,以实现对振动信号故障信息更准确的描述。实验表明,该频谱分割方法能够有效检测信号最佳模态分解数,使得信号的频谱分割更为容易、可靠。相比传统EWT和EMD,改进经验小波变换的滚动轴承内圈、外圈Hilbert变换时频图对振动信号的故障相关特征描述更为清晰,在滚动轴承故障特征提取方面表现更为优越。     

Gabor小波目标特征提取和跟踪方法的研究

为了解决目标在发生旋转、尺度及平移等几何变形时的自动跟踪问题,提出 Sobel 边缘检测与 L-M 优化结合的 Gabor 小波目标提取与跟踪方法。该方法自动寻找目标的小波特征点,在跟踪过程中不断优化特征模板的旋转、尺度以及平移等几何变形参数,使得小波特征向量值在最小平方和意义上与初始值相匹配,实现目标跟踪。实验结果表明,该算法能够有效地提取目标特征,在目标尺度变化达到 50%,角度变化 10o,旋转 90o等不利条件下实现了可靠跟踪。     

双目视觉中距离约束的小波变换同名点匹配

针对一类特殊小波变换系数不同尺度下的过零点能提供在不同尺度下信号急速变化点的位置信息,提出了一种基于小波变换的多尺度过零点的双目立体视觉模型的同名点匹配方法,该方法采用由粗到细的匹配策略,利用转化的距离信息先匹配大尺度的小波变换系数的过零点,记录其过零点位置信息,然后应用顺序约束,即物体在左右影像点的投影顺序的一致性,匹配小尺度的小波变换系数的过零点,降低了同名点匹配搜索的复杂性,减少了误匹配,解决了同名点准确匹配难、计算量大等问题.采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况.     

基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

基于Gabor小波变换的汉字识别方法

基于Gabor滤波器时频局域性和方向选择性对应在汉字图像上即是对笔划宽度和方向的选择这一认识,考虑到笔划宽度多峰值、笔划是方向的特点,利用二维Gabor小波的多分辨率特性,对汉字图像进行了多尺度多方向分析,提取多个子平面的滤波器输出系数作为统计特征,实现了字符图像的高性能识别,为开展低质量、低分辨率的汉字字符图像识别研究提供了新方法。实验结果表明,用这种方法识别低分辨率的字符图像,效果优于其他方法。     

基于小波的轨道不平顺信号分析

在强干扰的背景下，利用小波变换，提取出低频的轨道不平顺信号。为了能确切地反映出轨道不平顺信号，分别比较使用了Daubechies类小波，Meyer类小波与谐波小波，并对分析的结果作对比说明。结果表明，谐波小波变换可成功地提取到了轨道不平顺信号。     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.     

基于Haar小波的海底地形匹配方法研究

提出了一种基于地形的小波场特征的相关匹配的方法．在小波场的相关匹配技术中，由于小波的垂直分量和水平分量反映了图像的边缘等高频信息，所以分解后的小波特征场相关性小，有比较高的匹配精度；同时，由于数据量压缩，提高了匹配速度，适应于地形匹配的快速实现．     

宽带目标回波模型的物理解释及小波变换表示

在点目标回波模型基础上，通过对理想运动体目标的分析，引入了距离-速度联合分布密度和时延-时间伸缩联合分布密度函数的概念，详细推导了延展目标的宽带回波模型，解释了各密度函数和宽带扩展函数的物理意义及相互关系，最后给出了宽带回波模型的小波变换表示方法。     

正交小波变换k-中心点聚类算法在故障诊断中的应用

k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。