共查询到19条相似文献,搜索用时 46 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
4.
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。 相似文献
5.
6.
基于复小波变换相位谱的齿轮故障诊断 总被引:4,自引:0,他引:4
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。 相似文献
7.
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. 相似文献
8.
基于小波包的CDMA窄带干扰自适应抑制算法 总被引:1,自引:0,他引:1
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。 相似文献
9.
10.
基于双树复小波变换的轴承故障诊断研究 总被引:1,自引:0,他引:1
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。 相似文献
11.
基于小波包变换和聚类分析的脑电信号识别方法 总被引:4,自引:10,他引:4
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. 相似文献
12.
基于小波包和HHT变换的声发射信号分析方法 总被引:5,自引:1,他引:5
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. 相似文献
13.
分数阶小波包时频域的信号去噪新方法 总被引:2,自引:2,他引:0
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。 相似文献
14.
15.
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。 相似文献
16.
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. 相似文献
17.
18.
基于经验小波变换的机械故障诊断方法研究 总被引:14,自引:0,他引:14
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。 相似文献