双密度双树复小波变换及其在机械故障微弱特征提取中的应用

为改善经典小波变换在机械设备早期微弱故障特征提取中的不足,通过在滤波器组中引入适当的冗余度设计出双密度双树复小波基。双密度双树复小波变换具有两个尺度函数和四个小波函数,其中小波函数构成两组近似希尔伯特变换对,使双密度双树复小波基具有高度正则性、较小频带混叠和近似平移不变性等优良性质。频带分解上,双密度双树复小波变换的子频带中心频率处于经典小波变换相邻子频带的过渡区间上,能对经典小波变换难以处理的过渡带特征进行有效提取。将双密度双树复小波变换应用于重型卧式车床出厂检测,诊断出一处装配缺陷。同时结合平稳双密度双树复小波变换与相邻系数收缩策略提出改进消噪算法,将其应用于热轧机组减速箱齿轮故障特征提取中,检测出同一齿轮上的两处齿面损坏。     

带预处理的双树复小波医学超声图像去斑

针对现有方法在去除医学超声图像斑点噪声上的局限,提出一种带预处理的双树复小波变换的去斑算法。先从超声I/Q图像中提取实部,并从中"盲估计"出系统的点扩散函数;然后通过维纳滤波,估计组织反射率图像;接着对该图像作同态变换将乘性噪声转化为加性,并进行噪声高斯化处理;最后采用双树复小波变换和双变量收缩函数,获得去斑后的超声图像。分别对同质和边界区域的超声仿真图像、实际超声血流图像采用本文方法和现有方法进行比较实验,结果表明,采用本文方法可将超声图像的斑点信噪比和边界保留指数平均提高2.066和4.091倍,归一化均方差平均降低3.831倍,整体性能指标优于现有方法。     

基于BEMD与双树复小波-局部Wiener滤波的毫米波图像去噪

为了有效地去除毫米波图像中含有的噪声,提高目标识别的精度,提出一种将二维经验模式分解(BEMD,Bidimensional Empirical Mode Decomposition)与基于双树复小波变换(DTCWT)的加窗局部Wiener滤波相结合的图像去噪算法。首先,对毫米波图像进行BEMD分解,得到不同特征尺度的本征模函数(IMF,Intrinsic Mode Function)子图像集;其次,利用双树复小波变换对中高频IMF子图像进行多尺度、多方向分解,并结合带有椭圆方向窗的局部Wiener滤波算法对各个高频方向子带进行去噪;最后通过DTCWT逆变换重构得到去噪后的IMF,并与残差图像相加进行BEMD重构。实验结果表明,该融合算法与单独的BEMD,DTCWT-Wiener滤波及离散小波变换-Wiener滤波算法相比,去噪后图像的视觉效果更好,提取的目标的边缘及细节特征更清晰,因而峰值信噪比最高。     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

由双树复数小波变换的父系数及邻域系数实现图像去噪

考虑二维双树复数小波变换(DTCWT) 有良好的平移不变性和方向选择性,基于当前系数与父系数及邻域系数间的关系,构造了DTCWT图像去噪阈值计算公式,提出了一种去噪方法,PNDTCWT.该方法在对图像进行二维DTCWT变换后,利用阈值公式,根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理.最后,经过二维DTCWT反变换,得到去噪结果.实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法.与基于父系数的DTCWT去噪方法相比,PNDTCW的峰值信噪比(PSNR)平均提高了0.5 dB左右.从视觉效果来看,PNDTCW能在去噪的同时较好地保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象.     

油液磨粒超声回波信号的双树复小波去噪研究

超声回波信号反映了润滑油中磨粒的大量信息。为了提取淹没在强噪声环境下的超声回波信号,提出了一种基于双树复小波变换(DT-CWT)的油液磨粒超声散射回波信号去噪新方法。利用双树复小波变换具有近似平移不变性和有效去噪等优点,首先对超声散射回波信号进行双树复小波分解,然后对分解得到的高频系数进行阈值处理,最后进行双树复小波重构。结果表明:分解层数为6层时,去噪后信号的信噪比更高、均方误差更小、相似系数更大、幅值最大偏差更小。双树复小波变换硬阈值去噪效果比传统小波去噪效果明显好。     

抗混叠Curvelet变换非高斯双变量模型图像降噪

提出了一种基于非高斯双变量模型复数Curvelet变换的图像降噪新方法.采用具有近似移不变性的复数小波变换代替原Curvelet变换中的小波变换,并用改进的Radon变换避免了原Radon变换中一维傅里叶反变换在频域中采样不足的缺陷,从而保证了新的复数Curvelet变换具有抗混叠性能.充分利用信号系数层间相关性强而噪声系数层间相关性弱的特点,采用非高斯双变量对复数Curvelet变换域系数进行建模,并通过Bayesian MAP估计器对信号系数进行估计,从而实现降噪目的.实验结果表明,本文去噪法得到的峰值信噪比(PSNR)分别比传统Curvelet去噪法和Curvelet域HMT去噪法平均提高2.9 dB和1.5 dB,且能避免重构图像中出现"划痕"和"嵌入污点",在有效去噪的同时,可较好地保护图像边缘和细节.     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。     

基于父系数及邻域系数的DTCWT图像去噪方法

目前小波变换（DWT）在图像去噪中的应用取得了较好的效果,但DWT不具有位移不变性和良好的方向性。而二维双树复数小波变换（DTCWT）由于具有良好的平移不变性和方向选择性,比传统的二维离散小波变换具有更好的图像去噪能力。根据基于当前系数与父系数及邻域系数间的关系,本文构造了DTCWT图像去噪阈值计算公式,提出了一种去噪声新方法PNDTCWT（Parental and neighboring coefficients of DTCWT）。该方法在对图像进行二维DTCWT变换后,利用阈值公式根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理。最后经过二维DTCWT反变换,得到去噪结果。实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法。和基于父系数的DTCWT去噪方法相比,PNDTCW的PSNR平均提高了0.5dB左右。从视觉效果来看,PNDTCW在去除噪声的同时,能较好的保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象。     

机械故障诊断中微弱信号处理特征的提取

论述了门限小波变换的四阶累积量在微弱信号特征提取中的功能、实现和应用条件。比较了连续小波变换(CWT)、短时傅里叶变换(STFT)、维格纳-威利(WVD)利用高阶累积量和没有利用高阶累积量情况下,提取微弱信号特征的特性。仿真表明,连续小波变换的四阶累积量在微弱信号特征提取中有较好的效果     

基于小波熵的低误报率人体热释电红外信号识别

提出一种基于双密度双树复小波变换小波熵特征的热释电红外(PIR)信号人体识别方法.首先对人体和狗的PIR探测器输出信号进行去噪预处理,然后提取信号的双密度双树复小波变换的小波熵作为特征,最后采用最小二乘支持向量机对特征进行分类.实验结果表明:所提取的特征及分类方法对人体与狗的热释电红外信号的识别率可达93.6%.因此该识别方法能大大降低PIR探测器的误报率,并可进一步提升PIR探测器在安防和智能家居系统中应用.     

光学子波用于图像处理

在目标图像的处理中,对图像进行空间子区分割,利用于波函数的局域化和多尺度的特性,对有目标信息的子区进行光学子被函数变换;并对有目标信息子区中的子波函数进行多通道并行处理,避免了繁琐的数学运算,提高了图像处理速度,可快速给出准确的目标特征.文中阐述了一维子波函数光学变换用于图像处理的方法,通过光学方法将图像进行子区分割,并运用子波函数的特性对子区中图像信息进行光学子波变换,通过多路光学通道同时提取图像的边缘信息.本文基于子波变换的理论对光学子波变换的原理进行了详细论述,建立了一套完整的光学子波变换的实验系统,并给出了具有理论依据的实验数据.     

基于二维小波变换的图像处理算法研究

小波变换是一种快速发展和比较流行的信号分析方法,已广泛地应用于图形、图像处理,语音处理,视频处理以及数字信号处理等领域。由于小波变换的良好特性,使其在众多实际应用中都能得到很好的应用,并取得比原有技术更好的实际效果,本文从二维小波理论出发,对其在图像处理的应用上进行了一些分析和处理,反映出小波分析在图像处理方面的特点。     

近红外可穿戴设备中脉搏波的呼吸率检测

针对可穿戴设备中光电容积脉搏波检测呼吸速率准确性不高和实时性不够的问题,提出了一种基于时频谱的自适应信号分解算法。该算法采用瞬时中心频率估计方法获得脉搏波时频谱和瞬时心率估计值,对脉搏信号进行相干解调提取呼吸信号成分,进而利用呼吸信号成分检测呼吸速率。实验结果表明,与传统连续小波变换方法相比,本文提出的自适应信号分解算法的呼吸速率计算时间提高了84.68%。通过中位数误差及四分位距误差的方差分析,表明该算法比连续小波分解算法和自回归模型算法具有更好的计算精度,中位数误差均值分别提高了96.001%和97.978%,四分位距误差均值分别提高了75.014%和52.732%。     

基于混合方法的智能终端故障检测

提出了一种基于混合方法的智能终端故障检测方法。首先介绍了所设计的智能终端故障检测方法，然后提出了一种基于连续小波变换(CWT)和BP神经网络的混合方案，该方案通过连续小波变换得到故障特征值，通过BP神经网络的学习机制对故障特征值进行自动识别和分类，最后将其应用于山火监测装置和微气象装置。结果表明，该方法的智能终端故障检测的准确性虽然会随着天气环境的恶劣情况有所降低，但仍能够始终保持在98%以上，有较高的准确性。     

采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。     

基于小波变换和Zernike矩的图像区域复制篡改鲁棒取证

针对现有的图像区域复制篡改检测算法其后处理的鲁棒性较差,且时间复杂度高的问题,提出了一种有效的检测与定位篡改区域算法.该算法通过对图像进行小波分解,将低频图像进行块分解,提取每块的Zernike矩特征,并将特征向量排序;然后,为每个特征向量搜索阈值符合的相似特征向量;最后,利用区域面积阈值去除错误的相似块对,并结合数学形态学定位篡改区域.实验结果表明,该算法不仅能有效地对抗常规的后处理操作,而且只在1/4图像上搜索块空间,提高了运算效率.本方法可用于面向图像内容的真实性鲁棒取证.     

基于压缩感知的红外与可见光图像融合

基于压缩感知理论提出了一种红外与可见光图像的融合新方法。该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进。首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像。实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%。