基于纹理分析的小波变换图像清晰度评价方法研究

验证分析了小波变换在图像清晰度评价上应用的可行性,研究发现基于小波变换的图像清晰度评价函数性能与图像的空间纹理分布有很大的关系,采用图像灰度梯度方向矩阵的纹理分析方法,可以显著提升其性能.由于机加工零件表面纹理的普遍存在,对此类图像进行纹理分析有了实际应用意义.在对图像纹理特征进行统计分析的基础上,本文提出了一种基于纹理分析的图像小波变换清晰度评价方法.经实验验证,此评价函数针对具有纹理特征的目标有优越的性能,具有较高的灵敏度和分辨力（优于2 μm）.     

基于小波变换与纹理特征分析的地基云图识别

云状是云观测的三大要素之一,正确识别云状有助于分析大气运动状态,为天气预报提供重要依据。文章采用了图像处理的方法对全天空红外云图进行初步云状识别的研究,利用小波分析与纹理特征(灰度共生矩阵)分析相结合的方法提取所需识别云类型的特征参数,设计并建立适合云状识别的分类器。所做分析和研究工作表明,对比单一纹理特征分析和利用小波分析与纹理特征分析相结合的方法对所选全天空红外云图的识别结果,后者具有较高的准确率。     

一种多尺度时频纹理特征融合的场景分类算法

场景分类目前是机器视觉领域的一个研究热点,为了解决该研究领域中分类特征的提取问题,提出了一种多尺度纹理描述子(MSTD)特征。首先,采用小波变换,获得图像在时频域上的多尺度纹理视觉全局特征信息,之后提取反映局部细节的局部二值模式(LBP)特征,在时频域上进行融合,生成多尺度纹理描述子特征,以此作为图像分类的依据,最后采用支持向量机(SVM)作为分类器进行场景分类。在4个标准数据集上进行测试,实验结果表明,该方法具有较高的分类正确率,对室外场景的分类正确率都在84%以上。所提出的分类方法充分考虑了全局特征和尺度信息,增强了单层特征的区分度,有效地改善了分类的精度。     

评价工程表面的一种基于小波的多尺度方法

表面形貌与表面特征的研究是当前工程领域最具吸引力的一个课题。对于工程表面评价提出了一个多尺度估计的方法。在用小波对表面形貌进行分离的前提下,定义了两个统计参数来对表面粗糙程度进行表征。多尺度分析为表面表征提供了一个全新的视角,具有简洁、直观的特点。     

基于小波变换的纹理特征变化检测方法研究

本文提出和实验了一种基于小波变换的区域纹理特征差值的变化检测方法,该方法通过小波变换提取区域纹理特征,而后采用差值求得其变化部分.实验结果表明,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度,从理论和实践方面证明了该方法的可行性和有效性.     

基于小波的零件表面微观形貌多尺度重构

采用激光测量仪对车削机加工零件表面进行测量,获得零件亚纳米级的微观形貌数据,利用小波分析分时分频精细表达以及多分辨率分析的特点,建立粗糙表面多尺度重构模型,对基于真实测量数据的微观表面进行宏微观重构,并提出在不同尺度上提取粗糙表面的微凸体以精简数据的方法,从而实现在MATLAB和Pro/E中的微观表面建模仿真。提取的低频成分为零件表面二维和三维评定提供了基准,不同尺度上微观粗糙表面的重构为在不同精密等级上分析机加工工艺对零件表面粗糙度的影响提供了方法,Pro/E中重构的表面为有限元分析零件宏微观几何形貌与摩擦、润滑和密封的关联机制提供了几何模型。     

基于小波变换的精密测量点云多尺度分解

为了减小多源跨尺度点云数据尺度与数据量上的差异,提出了一种基于小波变换的点云多尺度分解方法。对细节丰富的小尺度点云数据进行多尺度分解,以及尺度分解在跨尺度点云数据配准中的应用进行研究。首先,对小尺度点云进行栅格建模,建立全局点云二值表达函数。根据离散小波变换理论,对栅格点云进行多次的三维小波分解,利用小波尺度函数的低通特性,保留低频信息来获取原始小尺度点云的近似尺度数据。然后,基于面维数和差体维数差表征与原始数据的相似度,确定有效的小波分解级数。最后,将各级分解得到的点云数据与大尺度点云数据进行精确配准,并将配准关系应用于原始点云,提高跨尺度点云的配准精度。实验结果表明：本文提出的多尺度分解方法能够对数据进行有效分解,应用于某航空发动机叶片多尺度测量中,将显微测量的局部气膜孔小尺度点云数据与整体叶片结构光数据配准,配准精度提升了61.36%。该分解方法应用于叶片边缘与栅格零件多尺度测量中,配准精度分别提升了48.59%,43.86%。所提的点云多尺度分解方法能够有效分解小尺度点云数据,大幅提升跨尺度数据的配准精度。     

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.     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

基于小波变换的滚动轴承内圈故障诊断

利用小波变换将滚动轴承故障振动加速度信号分解到不同尺度,对包含有故障特征频率的小波系数进行Hirbert变换解调,最后对解调后的信号进行频谱分析获取轴承故障特征信息.实例分析表明,利用小波变换进行滚动轴承内圈故障诊断具有良好的诊断效果.     

基于小波多尺度分解的竹条缺陷检测算法

在竹条缺陷的图像检测过程中,针对缺陷种类多,尺寸和形状变化大且竹纹理干扰大,提出一种竹条缺陷检测算法。首先设计了竹条边界检测算法,以判断竹条的三角条缺陷;其次对竹条图像的小波分解子图像进行32灰度级量化处理,经过分析图像共生矩阵的逆差矩差分值来获取最佳的小波分解层,实现了对竹纹理的滤除;最后结合Otsu自动阈值检测方法,完成了竹条常见的6种缺陷的检测。经过实验,该算法准确稳定,能有效滤除竹纹理的干扰,竹条缺陷检测效果较好。     

旋转机械轴心轨迹信号的复数小波分析

提出了一种利用复数小波变换分析转子振动轴心轨迹信号的方法,通过分析小波尺度与振动倍频间的关系,使得观察某一尺度上的小波幅值就相当于考察一定频率范围的周期谱图,对典型非线性故障轴心轨迹信号的分析揭示出,摩擦故障时高频振动地时－频域上呈现出非均匀间歇现象,而轴裂纹时的高频振动是均匀间歇地出现,且周期与旋转基频相同,因此该方法可以直观地识别故障的细节性特征,有望形成一种新的、有效地监测诊断技术。     

用最大重叠离散小波包变换的Hilbert谱时频分析

在介绍基于最大重叠离散小波包变换(Maximal Overlap Discrete Wavelet Packet Transform,简称MODW-PT)的Hilbert谱方法的基础上,将基于MODWPT的Hilbert谱应用于非平稳信号的分析.采用MODWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值都具有经典物理意义的分量之和,求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合得到原始复杂信号完整的时频分布.对基于MODWPT和基于经验模态分解(Empiri-cal Mode Decomposition,简称EMD)的Hilbert谱,在不同类型非平稳信号下的时频分析效果进行了比较和分析,结果表明了基于MODWPT的Hilbert谱分析方法的有效性.     

基于小波包变换和蚁群算法的纹理分割方法

为了解决纹理图像分割中所存在的区域一致性差、像素分割错误率较大的问题,提出基于小波包变换并且利用蚁群算法来对纹理图像进行分割的方法。考虑到传统聚类算法依赖于初始值的选取,选用了具有较强鲁棒性的蚁群算法来进行聚类分割。同时考虑到同种纹理的像素往往在空间上具备连续性,所以在进行再次分割时,结合了像素临域的其它像素的分割结果,来抑制纹理分割中的孤立点的出现。     

基于小波变换的打夯振动分析

探讨了冲击振动检测标准建立的合理性,提出使用小波的多通道分析功能来建立冲击振动检测标准的思想。回顾了有关振动检测标准的现状和小波分析的时频特性,分别从时域、频域和小波域对某打夯机造成的冲击振动进行分析,指出从时域和频域建立冲击振动检测标准的不足及从小波域建立冲击振动检测标准的优越性,验证了从小波域建立冲击振动检测标准的合理性和可能性。     

运用小波包峭度包络的滚动轴承故障诊断

根据滚动轴承振动信号的性质,提出了一种基于小波包系数、峭度最大值原则及包络谱分析的滚动轴承故障自动诊断方法.首先,用小波包将信号分解到不同的频段上,再对不同频段的小波包系数计算其峭度值;然后,根据峭度值最大原则,自动确定由轴承缺陷所引起的共振频率所在的频带;最后,对该频带的小波包系数进行包络谱分析,以确定故障频率.此方法能够提高滚动轴承故障诊断的可靠性和便捷性.     

基于多尺度Hermitian小波包络谱的轴承故障诊断

提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。     

基于改进经验小波变换的机车轴承故障诊断

机车轴承在噪声较大的背景下工作,发生故障时,难以有效地提取其故障特征,针对这一问题,提出了经验小波变换（EWT）方法。为克服经验小波变换方法中噪声分量干扰子频带划分的问题,提出一种采用信号时频峭度谱局部极小值划分频带的方法,基于子频带构造正交小波滤波器组对信号进行EWT分解。仿真实验和工程应用表明,改进后的EWT能够较好地克服噪声分量对子频带划分的干扰,有效地分离出机车轴承损伤故障的特征。     

基于小波包变换的二滩大坝地震响应能量分析

由于地震响应信号具有明显的非平稳特性,为分析其在不同频带的能量分布规律,结合实际地震监测数据,利用小波包分析良好的时频局部化性质和均匀频带划分能力,对二滩大坝地震动响应信号进行研究。首先,简略地对比了小波变换与小波包变换的异同,讨论了基小波选取的侧重点,提出了小波基混频度的概念,并作为选取小波基的评判指标;其次,对坝体不同位置响应信号在不同频段内进行展开,讨论了不同测点、不同方向上响应信号能量在各频带上的分布规律;最后,总结了结构响应信号的能量在频带上的分布与信号的方向及结构的位置关系。研究结果可为大坝的抗震减振以及与能量相关的安全评估方法提供理论基础。     

基于小波变换和ICA的滚动轴承早期故障诊断

滚动轴承早期故障诊断的关键在于如何从低信噪比混合信号中检测出显著的轴承故障特征频率。提出以连续小波变换(CWT)和独立分量分析(ICA)相结合的方法来诊断单通道信号的滚动轴承早期故障,提出按频谱等间隔选取伪中心频率的小波分解尺度,并对ICA处理后的信号进行包络频谱分析以确定故障类型。最后,利用实际的滚动轴承实验数据对该方法进行了验证。