基于最优梯度估计及小波变换的图象边缘检测技术

基于信号在不同尺度下小波变换系数模不同的变化特征，结合最优梯度估计算法提出了 种边缘检测方法，实验结果说明这种边缘提取方法可以较准确地提取出有较大噪声的图象的边缘。     

基于小波变换模极大值的信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法,本文阐述了基于小波变换模极大值的奇异信号检测理论,利用从光滑函数的一阶或二阶导数获得的小波,分析了信号奇异点定位方法及奇异度的计算方法,并指出了利用此方法时对所用小波函数的要求及尺度参数的选取原则,为非平稳信号的检测提供一种行之有效的方法。     

通信电缆故障测距的小波变换应用研究

在论述电力系统通信电缆故障检测原理的基础上,将小波变换模极大值与信号奇异性关系的理论应用于检测脉冲反射信号,实现电缆故障的定位。重点分析了利用小波变换模极大值的方法实现在强噪声中提取信号,再现信号突变点的功能。仿真表明这种方法能有效去噪、准确定位脉冲反射信号,为提高信道故障定位精度提供了有效的检测方法。     

基于小波变换和梯度矢量流Snake模型的ERS-1 SAR图像的海岸线探测

利用合成孔径雷达来探测海岸线对船舶导航有重要意义。阐述了1种基于二进小波变换的从SAR图像中提取海岸线的方法。该方法首先利用在二进小波变换中边缘和噪声的奇异性随尺度变化具有不同的传播规律来检测边缘点,然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接。实验结果证明,这种方法可以有效地消除SAR图像中存在的斑点噪声对海岸线提取的影响,能准确地提取海岸线信息。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

基于连续小波变换和半监督极限学习机的轴承故障诊断方法

当数据集包含的标示数据量不足时，基于全监督学习的故障诊断方法效果往往不理想。充分利用大数据下无标注的数据信息，利用连续小波变换生成轴承故障振动信号的时频图，提取表征图像纹理和形状的特征，建立半监督极限学习机模型，通过连续小波变换生成故障信号的时频图谱，并计算图像的灰度差分统计特征、不变矩特征作为半监督极限学习机的输入。利用无标示和有标示数据集，构建半监督极限学习机模型和规划公式，计算隐含层输出矩阵得到优化的分类结果。研究结果表明，基于连续小波变换的特征提取方法相较于HOG、LBP等方法具有更好的识别效果。在故障信息不充分的情况下，半监督极限学习机的模型推广能力强、故障识别率高。     

基于小波变换的静态图像数字水印研究

通常静态图像经过离散余弦(DCT)小波变换后,纹理及边缘的特征主要集中在高频子带LH,HL和HH上,经过一般的图像处理以后,高频上的信息容易丢失。在嵌入的水印信息量较少的情况下,可以把水印信息嵌入到低频系数上,使人眼不易察觉,增强了水印的鲁棒性。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

基于单目机器视觉的耐火砖检测技术

耐火砖的检测以往需要在艰苦的环境下采用手工操作来完成。对传统的检测方法进行改进,将单目视觉检测技术和图像处理技术应用于耐火砖的尺寸测量。先用高分辨率的摄像机采集耐火砖的图像,再对图像进行边缘提取、连接、分割与拟合计算,提取出砖块图像的特征信息,最后根据目标平面和图像平面间的映射关系精确地计算出耐火砖的长度和宽度。实验结果表明,该测量系统结构简单、性能稳定,能够快速准确的对耐火砖实现尺寸测量。     

基于双正交小波变换的自适应图像水印算法

提出的基于双正交小波变换的盲水印算法,综合利用小波域中频各子带系数分布特点,选取重要边缘位置嵌入水印,水印强度可根据所处的嵌入位置自适应调节.实验结果表明:该算法能够有效抵抗附加噪声、裁剪和压缩等常见攻击,具有较强的不可见性和鲁棒性.     

基于多尺度小波的图像增强算法

提出了一种基于多尺度小波的图像增强算法.首先对图像做小波分层,利用散布矩阵对分层后的图像提取更丰富的局部结构信息,最后对每一个子图像进行局部直方图均衡化,就可将这些子图像合成为一个完整的输出图像.实验结果表明该方法的增强效果明显优于传统的直方图均衡化方法,既提高了图像的整体对比度又突出了图像的局部细节,同时还抑制了噪声...     

图像浮雕算法及其在防伪印刷中的应用

图像浮雕技术是指通过一种特殊处理,改变二维平面图像中的有效内容、图像边缘或者特定区域的颜色值,增强图像立体显示效果的技术。基于孔斯曲面理论,本研究提出了一种新的矢量图像浮雕算法,即通过矢量线条的局部变形来再现图像雕刻般凹凸效果。实验表明,通过上述方法得到的图像浮雕图案克服了现有算法中固定浮雕角度偏移的缺陷,所表现的浮雕凹凸效果更加细腻,既能达到美观的艺术效果,同时作为一种非常重要的版纹防伪元素在防伪印刷中有着广泛的应用价值。     

基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法

为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。     

基于明亮区域和天空识别的图像去雾算法

针对去雾算法对存在大面积明亮区域的图像去雾效果不佳的问题,根据暗原色先验原理提出了一种基于明亮区域和天空区域识别的图像去雾算法。根据天空区域和明亮区域的特点,建立了明亮区域和天空区域的判别机制,对不同类型的图像采用不同方法求取大气光值;基于点暗原色原理,采用中值滤波和双边滤波对点透射率进行细化,与块透射率相比,采用点透射率可以保留更多的图像细节。结果显示,采用均方误差、峰值信噪比、可见边梯度和结构相似性4个参数作为图像去雾效果的客观评价指标,优化后算法的综合评价指标均优于其他算法。所提出的算法对不同类型图像均可取得较好的去雾效果,消除了去雾图像的光晕、块效应和天空区域过饱和现象。     

创建地方性服装自主品牌——以吉林省为例

对大多数服装企业来说,加快自主创新、打造自主品牌是企业成功转型的必由之路。而创建自主品牌更多的是文化创新,文化创新的外在表现力又是品牌形象塑造,即CIS企业识别系统的创建。地方性服装自主品牌必须抓住与其它地域品牌文化不同的特色与亮点,通过地域文化和企业形象策划的结合来提升地方性品牌竞争力,创造品牌无形资产,为地方性服装自主品牌发展带来新的契机。     

基于二维Gabor小波与AR-LGC的人脸特征提取算法研究

针对Gabor小波提取的特征信息不够全面以及维数灾难问题,提出了一种基于二维Gabor小波与AR-LGC人脸特征提取的改进算法。首先利用二维Gabor小波提取归一化人脸图像的特征信息,使用AR-LGC算子对提取的Gabor特征进行编码;然后对编码后的Gabor特征图谱进行划分,对每个子块进行直方图统计,将其串联形成人脸表情特征向量并利用PCA进行数据压缩,最后利用C-SVM进行分类识别。实验结果表明,平均识别率为93.33%的比AR-LGC+SVM,Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%,3.33%。因此所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。