基于背景估计和血管提取眼底图像微脉瘤检测

提出了一种基于背景估计建模和精细血管提取的微脉瘤检测方法.候选微脉瘤对象由背景估计和Mahalanobis距离进行定位,非血管抑制算子结合多尺度和多滞后阈值技术实现精细的血管结构提取,经过形状分析和双环滤波处理后,非微脉瘤像素点被去除.实验结果表明,本文方法性能优于或逼近于其它同类方法,而且能够极大提高邻近血管的微脉瘤检测精度.     

基于变尺度形态滤波的高速列车万向轴故障辨识研究

多尺度形态滤波器中如何准确确定分析尺度一直是一个没有得到很好解决的问题,但这一问题又非常重要,因为尺度选取的差异会直接影响滤波结果。为此,提出一种变尺度形态滤波器。在滤波过程中,结构元素的长度和高度不再是固定的,它可以根据待分析信号的几何形貌特征作自适应的改变,使得结构元素与原始信号更为匹配,从而避免多尺度滤波中尺度选取这一难题。为了进一步提升滤波精度,构造一种新的结构元素,并与传统的扁平结构元素进行比较。将所提出的方法应用于在万向轴不平衡试验台上采集到的试验数据分析中,研究结果表明,变尺度形态滤波方法能有效辨识万向轴动不平衡引起的基频和倍频故障特征,与多尺度形态滤波方法相比,变尺度形态滤波更能突出故障特征。     

三维距离图像基于特征估计的自适应平滑

为了抑制激光测距仪采集3维距离图像的噪声与畸变,提出了一种各向异性自适应平滑去噪方法。该方法集成了随机信号处理和尺度空间表述技术,根据邻域点构建特征估计模型,对距离图像中局部区域内测量点间的流形拓扑关系进行预测,并利用无嗅采样技术计算原始图像和估计模型间的马氏距离作为相似性测度构建卷积滤波核,实现三维距离图像各向异性扩散平滑去噪。通过该方法能够有效抑制原始图像发生的变形或偏移,在抑制噪声的同时突出主要特征。试验结果表明:在噪声方差为4.0×10~(-4) m~2时,经自适应平滑处理后的图像的峰值信噪比增益达16.41dB,均方误差减小66.16%。本文方法能够有效提高三维距离图像的质量,为基于激光测距仪的三维环境感知与测量建模提供技术支撑。     

基于FKICA-SIFT特征的合成孔径图像多尺度配准

针对合成孔径(SAR)图像的配准,提出一种基于仿射不变快速核独立成分分析-尺度不变特征变换(FKICA-SIFT)的多尺度配准方法.首先,根据特征点的Hessian矩阵构建仿射不变SIFT描述子.接着,利用FKICA提取该描述子的独立成分得到新的描述子FKICA-SIFT.然后,利用该描述子对Steerable滤波后的...     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

加权多尺度形态滤波在轴承故障诊断中的应用

滚动轴承故障信号中通常包含了周期性出现的冲击衰减成分,冲击频率反映了轴承发生故障的位置信息。多尺度形态滤波可以提取分布在不同尺度下的冲击特征,为了更准确的反映不同尺度分析结果的贡献,提出了一种评价冲击特征提取效果的指标,并以此计算权值对多尺度分析结果进行加权综合。仿真信号和轴承外圈故障信号的分析结果表明,加权多尺度形态滤波方法可以有效提取强背景噪声下的冲击特征,为滚动轴承故障诊断提供了一种有效的手段。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法.利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号.通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能.模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。     

正弦变载荷工况下液压泵振动信号的形态学滤波方法

液压泵的振动信号在受到大幅度变载荷作用时将引起振动特征的变化,特别是在正弦载荷变化的作用下,将会产生幅值调制现象。采用传统的单一尺度结构元素的形态学方法对该类信号进行滤波的效果不一定理想。因此,针对正弦载荷液压泵振动信号的特点,在单尺度形态滤波分析方法的基础上,提出了兼顾形态学结构元素长度和高度尺度的多尺度形态学滤波方法。首先,以冲击特征比值和二阶原点矩作为评价指标,提出综合考虑结构元素长度和高度尺度的寻优方法,确定最优长度和高度尺度算子组合。然后,用最优尺度组合对正弦载荷模拟仿真信号和变载荷液压泵故障振动信号进行滤波处理,分析结果证实其滤波效果优于单尺度滤波方法滤波效果。