融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

基于映射的图像多角度复小波变换

图像处理已经广泛应用于诸多领域。信号和图像处理领域中非常有用的工具——离散小波变换(DWT)只能从水平、垂直和对角3个方向分解图像,分解的相位信息也相对较少。针对这种情况,提出了基于映射的复小波变换,其展现出了良好的方向性和平移敏感性,相位信息也易于获取且清晰。试验分析结果表明,基于映射的复小波变换能够很好地实现图像的多角度分解和图像完全重构,并且设计容易,其应用前景广泛。     

改进小波阈值-形态学融合算法在振动信号误差抑制中的应用

针对机械装备振动信号采集中含有脉冲噪声及高斯噪声等多种复杂污染源的信号误差抑制去噪,设计了小波阈值和形态学融合算法.首先,在高斯平滑思想上引入改进的小波阈值函数,能够调节阈值函数向小波分解系数真值的收敛趋势达到有效去除高斯噪声及避免稳态偏差的目的,对比几种常用的函数算法,提出的阈值函数取得了在信噪比提升及均方根误差抑制...     

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换，再作相位的频谱分析，可以突出边频带结构，识别不同故障模式。试验数据的分析结果表明，该方法适用于齿轮故障诊断，与传统的自功率谱方法以及基于实值小波的小波变换方法相比，这种方法效果更好。     

基于小波变换和数学形态学的足迹边缘检测算法

根据足迹图像的特点,提出了一种足迹边缘检测算法.本算法利用小波变换和数学形态学边缘检测的优点,确定了足迹边缘,并采用合理的融合规则融合边缘信息.实验结果表明,该算法能有效地抑制噪声,较好地再现足迹的边缘信息.     

基于小波包的CDMA窄带干扰自适应抑制算法

CDMA通信中的窄带干扰是其主要干扰类型之一。文章首先综述了目前比较先进的基于小波包变换的变换域自适应窄带干扰抑制技术：自适应小波包时频抗干扰技术和小波包自适应滤波技术。针对上述小波包分解过程是按小波包基顺序排列而非按频带顺序排列不利于干扰分析和定位这一问题,提出了一种基于按频带顺序排列的小波包变换的自适应窄带干扰抑制技术,详细说明了其基本思想。该技术便于工程上干扰分析及抑制。     

基于双树复小波变换的心电信号去噪研究

在心电信号处理过程中,为了避免产生Gibbs振荡现象和严重的频率混叠现象,提出一种基于双树复小波变换,并结合最大后验估计确定阈值的心电信号去噪方法.文中采用了信噪比和均方误差来评价双树复小波变换和离散小波变换两种方法对心电信号的去噪效果.实验结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,边界、纹理等特征能较好地保留,可以作为一种生物医学信号降噪处理的新方法.     

基于双树复小波变换的轴承故障诊断研究

提出了一种基于双树复小波变换解调技术的轴承故障诊断新方法。该方法利用双树复小波变换具有近似平移不变性、避免频率混叠和有效降噪的优点,首先对轴承故障振动信号进行双树复小波分解和重构,将振动信号分解成实部和虚部,然后计算振动信号的双树复小波幅值包络和包络谱。齿轮箱轴承故障振动实验信号的分析表明,该方法能在强噪声环境下准确提取轴承故障产生的周期性瞬态冲击信号,能有效消除频率混叠现象和强噪声的影响,能有效识别轴承内圈和外圈故障。     

基于小波包变换和聚类分析的脑电信号识别方法

为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类.在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象脑电信号的事件相关去同步(event-related desynchronization,ERD)和事件相关同步(event-related synchronization,ERS)的变化时程.另外,该方法识别率高,适合脑-计算机接口的应用.     

基于小波包和HHT变换的声发射信号分析方法

针对声发射管道泄漏检测过程中的噪声干扰问题,对基于小波包和经验模态分解(EMD)的声发射信号处理方法进行了研究.采用小波包分解算法和经验模态分解都可以对管道泄漏声发射信号进行分解,但分解结果却存在一定区别.EMD是近年来非平稳信号分析领域的一个突破,对管道泄漏声发射信号进行EMD分解后,选择包含声发射特征的若干固有模式函数(IMF分量)进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰.相对小波包分解方法而言,对根据IMF分量重构的声发射信号进行相关分析计算,得到的管道泄漏点的位置更为精确.     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

一种融合小波包分析和神经网络的信号消噪

为了改善非高斯噪声背景下信号的检测性能,将粒子群算法优化的神经网络(PSO-BP)和滤波器组重构的小波包变换(WPT)相融合,提出一种改进小波包神经网络(WPT-BP)的信号检测方法。首先选用Ackley函数验证PSO-BP具有较强的函数极值寻优能力,然后采用仿真信号序列检验改进WPT-BP检测信号的有效性,最后利用改进WPT-BP方法对MIT/BIH心律失常数据库中的心电(ECG)信号进行消噪。MATLAB仿真结果表明,改进WPT-BP在非高斯噪声且信噪比较低的情况下具有良好的消噪能力,是一种非常有效的信号检测方法。     

基于小波变换的直扩信号检测方法研究

详细介绍了小波变换模极大值去噪的原理,以BPSK信号为例研究了自相关检测方法。最后对基于小波变换的直扩信号的检测系统用Matlab软件进行了仿真,验证了该方法的可行性。证明该方法明显优于传统的直接对接收到的直扩信号进行检测的方法。     

基于离散小波变换的机械故障信号提取

机械传动的轴承、齿轮等关键部位的故障信号中都含有冲击信息,通过对冲击信息的提取就可以对设备做出精密诊断.本文针对机械故障难以预先发现的问题,将离散小波变换和频谱分析相结合从机械的振动信号中提取非平稳信号,以此作为判断故障信号及类型的依据.从实际的应用效果看,利用离散小波变换技术提取冲击信号是非常有效的.     

基于平稳小波变换的X射线衍射信号消噪研究

讨论利用平稳小波变换进行X射线衍射信号消噪的方法,首先利用Haar小波将受噪声污染的X射线衍射信号进行多层平稳小波变换,利用小波变换的细节系数估计噪声均方差σ,选取阈值σ2lnN(N为细节系数长度),对小波分解的细节系数进行阈值处理,然后进行平稳小波逆变换重建信号,以达到对信号消噪和提纯。实验结果证明,这种去噪方法是非常有效的,它在消除噪声的同时保留了信号的奇异特征。     

基于经验小波变换的机械故障诊断方法研究

经验小波变换(EWT)是一种新的自适应信号分解方法,该方法继承了 EMD 和小波分析方法的各自优点,通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,然后在频域自适应地构造带通滤波器组从而构造正交小波函数,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中,提出了一种基于经验小波变换的机械故障诊断方法,并与EMD方法进行了对比分析。仿真结果表明,经验小波变换方法明显优于EMD方法,能有效地分解出信号的固有模态。与 EMD 相比较,该方法具有分解的模态少,不存在虚假的模态,计算量小,且在理论上具有易理解性等特点。最后将该方法应用到转子碰磨故障诊断中,实验结果进一步验证了该方法的有效性,能够有效地揭示出碰磨故障数据的频率结构,区分碰磨故障的严重程度。     

基于小波变换的管道泄漏声发射检测信号处理

针对管道泄漏声发射检测信号中含有大量噪声导致定位精度低这一实际,研究了基于小波变换的声发射检测信号降噪技术,利用小波函数阀值降噪法对泄漏系统所采集的信号进行滤波处理,以保证采集到的瞬态信号有效性,并采用互相关分析法对泄漏点定位.10种工况下实验结果表明,采用小波变换对声发射检测信号处理处理后,管道的定位精度在5％之内,满足工程实际需要.