基于小波包和包络分析的滚动轴承故障自动诊断方法

提出了一种基于峭度-小波包-包络分析的滚动轴承故障自动诊断方法。首先用峭度系数判断是否出现故障,再针对故障轴承振动信号非平稳和调幅的特点,用小波包将信号分解到不同的节点上。然后将不同节点的重构信号做包络谱分析,将谱峰处的频率同滚动轴承内圈、外圈、滚珠、保持架等的故障频率进行对比分析,在此基础上,运用最小距离判别法则自动获得故障原因,从而实现滚动轴承故障的自动诊断。通过对实验中采集到的轴承振动信号进行分析,证明了该方法在轴承早期故障诊断中的有效性。     

一种改进的运动补偿三维小波视频编码方法

Choi等[1]提出的运动补偿三维子带编码方法是一种具有代表性的高效小波视频编码方法,其编码效率优于国际标准MPEG-2.但是该方法的运算复杂度高,编码时也没有充分利用小波图像的特点.为此,本文对该方法的两项关键技术进行了改进:采用像素域降采样运动估计技术以降低运算复杂度,采用改进的集分裂分层树(Set Partitioning in Hierarchical Trees,SPIHT)方法对三维时/空子带进行更高效的编码.实验结果表明,与原有的算法相比,本文的工作不仅降低了运算复杂度,也进一步提高了编码效率.     

估计小波系数方差邻域大小的研究

利用小波变换去噪时小波系数方差的估计对去噪结果影响很大。自然图像小波分解后得到的系数在不同的分辨率中差异很大,所以利用邻域估计中心点方差时,不同分辨率应有不同大小的邻域。首先对在邻域中利用极大似然准则估计中心点方差进行分析,再结合自然图像小波分解后的系数在不同分辨率子带中,根据平稳性和重要性选择邻域的大小。最后进行去噪实验,并取得正交小波分解下理想的去噪性能。     

一种新的图像水印方案

目标区域是图像中视觉上最重要的部分。针对现有的水印算法很少考虑图像中确定的目标区域这一问题，提出了一种基于目标区域的水印方案(WIOR)。方案首先利用小波变换分析图像的目标特征，并依据图像的小波高频系数特征对其进行聚类，获得水印的嵌入域，在此嵌入域中，选择小波系数并对其进行量化调制来嵌入二值扩谱水印；同时，通过只在图像的局部区域内嵌入较少的水印信息来改善水印的隐蔽性。实验结果表明，该方案对于一类具有突出目标特征的图像具有较好的效果。嵌入的水印主要优势在于真正把水印嵌入图像的视觉重要部分，从而能有效地抵御剪切攻击，而且可以实现盲检测。     

基于小波分析的车型识别

本文论述了用小波分析提取车辆图像边缘信号的方法，得到了连续、光滑的边缘图像，并将其应用于公路车辆车型的检测与识别系统中，实验表明识别过程准确、速度快，具有较好的应用前景。