基于白光数字频域图像的旋转轴微位移检测方法

针对旋转轴偏离轴线的微位移,提出一种非接触、在线检测的新方法。在恒定光源下,显微摄像机采集同一摄像区旋转轴偏离前后的图像,通过改进的白光散斑数字频域逐点分析法进行相移计算,得到黑白相间的干涉条纹。从白光数字频域干涉图像中条纹的个数和角度,可知转轴在旋转过程中偏移量和方向。该方法仅需单光源、单目图像,在不影响转轴正常工作的条件下即可完成旋转轴微形变在线实时检测,而且分别率高、线性好,具有实际运用价值。     

基于白光干涉法测量微光栅形貌及相关几何参量的研究

基于显微白光干涉术,利用扫描干涉显微镜对四台阶面阵微光栅记录了128幅白光干涉图,并分别运用重心法、空间频域算法、移相算法及包络曲线拟合法对扫描干涉图进行了分析处理。被测微光栅的形貌及周期在各算法下均完全吻合,台阶总高最大相差0.8%。同时,用美国Veeco白光轮廓仪对同一样品的形貌及光栅周期进行了测试,数据显示两者结果非常吻合,仅台阶总高相差0.7%。研究结果表明,所采用的四种算法均适用于微观三维形貌的测量。     

基于信号分解和统计假设检验的稳态检测方法EI北大核心CSCD

稳态检测对热工过程非常重要,并在建模、优化和控制中具有广泛的应用。针对热工过程提出一种基于信号分解和统计学理论的稳态检测方法,该方法首先利用经验小波变换（EWT）这一非参数信号分解技术对热工过程信号进行分解,然后进行统计假设检验。在所提出的方法中,首先对采样数据的傅里叶谱特性进行自适应分割以获得热工过程整体运行趋势,通过对中高频信息进行信号重建获得过程的震荡信息。然后通过使用修改过的R统计检验法来对热工过程的稳定性进行检测。最后以某电厂1 000 MW机组协调系统的历史数据进行稳态检测实验,验证了该方法的有效性。     

基于傅里叶变换的帘子布疵点检测研究

帘子布作为一种特殊纺织品,其外形的不确定性给疵点的自动检测带来了新的困难.本文采用傅里叶变换的方法,在空间频域内分析了帘子布疵点和正常变化对图像频谱带来的不同影响,找到了一组新的织物图像特征值,实现了帘子布疵点的自动识别.实验结果证明该方法是可行的且可靠的.     

基于D-S证据理论的多特征输电线路覆冰图像分类方法研究EI北大核心CSCD

图像分类中的图像对象往往数据量很大,同时图像对象的信息量巨大、信息冗余和高噪声的特点,图像本身不能很好地表述此类图像的特征,为存储和计算带来许多麻烦。在此提出一种基于D-S证据理论的多特征覆冰图像分类方法,在输电线路覆冰图像分类研究中,使用特征图像的集合表述待分类图像和分类,将多特征图像分类研究转化为决策问题,而后应用D-S证据理论的实现多特征输电线路覆冰图像分类。最后,实验表明了本方法在多特征输电线路覆冰图像分类中的有效性。     

基于自动化三维超声冠状面图像的腹壁手术切口检测算法EI北大核心CSCD

切口疝是发生于原手术切口区域的腹壁缺损,手术切口的准确定位对于切口疝的诊断具有重要临床意义。本文提出一种基于腹壁三维超声冠状面图像的手术切口检测算法,可辅助医生快速定位切口疝病灶区域。算法首先采用斑点降噪各向异性扩散算法对冠状面超声图像进行滤波处理;然后再进行图像预处理操作以减少算法运算量,提高算法执行效率;最后通过边缘检测、最大距离筛选和线性拟合操作获得原手术切口的直线方程。结果表明:算法拟合的手术切口直线与实际手术切口位置非常接近,拟合效果好,精确度高。     

基于变换域Hough变换的遥感图像相干干扰分析

相干干扰的存在严重地影响了对遥感图像中目标的特征提取和识别的精度,降低了各种遥感定量分析方法的有效性。通过对相干干扰的幅度和相位特性的定量分析,本文提出了相干干扰的小视场模型和大视场模型,并给出了基于变换域的Hough变换算法。实践表明,与传统的邻域平均、中值滤波、经典频域滤波等消除干扰算法相比,该算法不仅高质量地消除了遥感图像中的相干干扰,同时还能有效地保留原图像中的细微影纹和边缘信息,并获得较好的峰值信噪比。该方法已在航天遥感图像的实时采集及处理系统中获得成功应用。     

基于旋转目标检测的指针式仪表示数识别方法北大核心CSCD

针对目前指针式仪表示数识别方法实用性差、累计误差大的问题,提出了一种基于旋转目标检测网络的指针式仪表示数识别方法。首先,改进网络模型YOLOv5s,生成旋转目标检测网络,同时,引入密集编码标签,解决旋转目标检测中存在的边界问题,并向模型中引入注意力模块,提升模型获取目标特征的能力;其次,利用网络输出的位置与角度信息对表盘进行倾斜校正和刻度点筛选,省去了对表盘指针进行直线检测的时间;最后,利用角度法完成仪表示数读取。实验证明,该方法读数误差较小,具有一定的抗干扰能力,进一步提高了示数读取的速度和精度。     

微弱棉花异性纤维图像的多通道小波分割方法研究EI北大核心CSCD

针对皮棉异性纤维快速检测过程中产生的微弱异性纤维目标,提出一种基于多通道色彩分量小波分解、重构的异性纤维分割方法。将原始异性纤维图像分解成3幅单通道图像,分别对每幅单通道图像进行小波分解,并对小波分解后的3幅小波图像进行两两做差处理,将做差处理后得到的图像进行小波逆变换图像灰度重构。试验结果表明,该方法能将微弱异性纤维目标准确地分割出来,解决现有分割方法无法直接分割的难题。     

基于信源估计和频域反卷积的滚动轴承故障特征分离与辨识

针对轴承故障的振动特征由于受到强振源的抑制作用而增加了故障分离与辨识难度的问题,建立了基于信源估计和频域反卷积的故障诊断方法。利用小波包分解将信号分离成多个子带信号,并和奇异值分解相结合,解决欠定条件下的信号源数估计问题;根据估计的源数,选取相应维数的观测信号,通过短时傅里叶变换、复数域独立分量分析、相关排序、短时傅里叶逆变换,完成频域反卷积的分析过程,实现故障特征的分离与提取。仿真信号和实验数据均验证了该方法在故障特征分离与微弱特征辨识中的有效性。