一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.     

基于自适应多尺度积阈值的钢轨裂纹红外图像增强

利用红外热波技术检测钢轨斜裂纹伤损所得的红外图像存在整体亮度偏暗、边缘对比度低和纹理细节模糊的缺点,对测量裂纹的扩展深度不利。对此,本文提出一种基于非子采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)的自适应多尺度积阈值AMPT(Adaptive Multiscale Products Thresholding)钢轨裂纹红外图像增强算法。对图像进行NSCT分解得到不同尺度不同方向上的子带系数,由子带系数自适应地确定阈值并调整增强函数,将阈值作用于每一子带的多尺度积,对阈值化操作后的子带系数进行增强处理和逆变换,实现图像增强。实验结果表明:该算法在抑制噪声和提高图像整体对比度的基础上,有效突出了目标图像的边缘,对裂纹内部微弱细节纹理的增强效果优于其他传统的红外图像增强方法,为进一步提取代表裂纹深度的关键像素提供了有力支撑。     

基于Shearlet域方向模极大值和改进蜂群的图像边缘检测

为从图像中提取出更为准确、清晰的边缘,本文提出一种基于Shearlet域方向模极大值和改进蜂群的边缘检测方法。对图像进行非下采样Shearlet分解;对于低频分量,利用改进的蜂群算法准确检测出边缘的基本轮廓线;而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;融合后得到轮廓完整、细节丰富的图像边缘。实验结果表明:与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,本文提出的方法检测出的图像边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且运行时间较少。     

基于提升小波变换的医学图像融合算法

图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。     

基于小波分析的最小二乘支持向量机轨道交通客流预测方法

针对城市轨道交通客流预测问题,采用离散一维Daub4,小波分析方法对某一时间段的原始客流时间序列数据进行分解;以分解得到的高频分量和低频分量为样本数据,对最小二乘支持向量机进行训练,确定最小二乘支持向量机的核参数σ,以及系数a和b.利用训练后的最小二乘支持向量机预测未来一段时间客流时间序列数据的高频分量和低频分最,然后再利用Daub4小波分析方法对预测的高频分量和低频分量进行数据重构,从而得到预测的未来一段时间客流时间序列数据.与历史平均预测法和灰色预测法进行比较,结果表明,基于小波分析的支持向量机客流预测方法用于轨道交通短期客流预测具有更好的精度.     

基于曲波变换的接触网磨耗图像增强研究

针对采集到的接触线磨耗图像存在边缘模糊、对比度差等不足,将曲波变换应用于接触导线磨损图像的增强。首先对接触线磨损图像进行曲波变换得到不同尺度系数,其次在低频域利用分数阶微分能增强信号的中频成分、对信号的低频成分非线性保留的特点,对曲波域低频信号的纹理信息进行增强;同时在曲波域的高频域,利用曲波系数间尺度相关性,对高频系数的边缘和噪声进行分类,对分类后的信息进行边缘增强和噪声去除的处理。实验结果表明,所采用的算法和其他算法相比,主观和客观上都有明显改善。     

基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。     

图像融合技术在医学图像拼合中的应用

对基于图像互信息量的融合方法进行了研究.对直方图概率分布估计有所改进,并与Parzen窗函数估计方法进行比较.应用并比较Powell's和类统计梯度搜索策略的特点,对图像的预处理以及融合后图像的显示提出新的方法.应用这些方法拼合实际医学图像,得到很好的拼合结果.     

基于可控金字塔的轮廓波变换构造及其应用

针对轮廓波变换存在频谱混淆现象等缺陷,利用满足精确重构条件的可控塔式分解替代轮廓波变换中的拉普拉斯分解,提出一种由非抽样可控金字塔和方向滤波器组实现的可控金字塔轮廓波变换SPCT(Steerable Pyramid Contourlet Transform).在该变换中,可控金字塔将图像分解为多个不同分辨率的细节子带和一个低频子带,方向滤波器组再将各细节子带分解为方向子带.该变换去掉了可控金字塔的抽样环节,方向分解具有高度灵活性,因而具有平移不变性.利用可控金字塔轮廓波变换SPCT 对Lena图像进行自适应图像去噪,并与基于小波变换和轮廓波变换的去噪算法进行比较.实验结果表明,利用本文提出的算法能有效地抑制频谱混淆现象,并且更有效地保持了细节和纹理,其峰值信噪比和视觉效果均有较大改善.     

基于卷积神经网络的牵引电机定子绕组匝间短路故障诊断

为实现牵引电机定子绕组匝间短路故障诊断,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的故障诊断方法。首先对电机健康状态、不同相发生匝间短路故障及不同故障严重程度下的定子电流进行三层小波分解,得到小波分解高频系数和低频系数;求取小波分解系数的二范数,作为电机电流的特征;设计并训练1D-CNN,将训练好的1D-CNN作为分类器,实现牵引电机定子绕组匝间短路故障“端到端”的智能诊断。设计并搭建异步电机定子绕组匝间短路故障诊断实验平台。实验结果表明：所提方法可以准确有效诊断出轻微的匝间短路故障。在闭环控制下,电机发生1匝短路故障时,诊断正确率达到90.5%,并能够有效区分故障相。     

基于小波分析的自适应噪声识别

图像噪声类型直接影响去噪方法的去噪效果.因此,研究图像噪声类型的识别,对于数字图像去噪方法效果的提高具有重要意义.利用小波分解的高频系数,分析直方图和曲线拟合图的跳变出现概率特征以及黄金分割点处的窗口宽度特征,提出一种数字图象噪声类型自适应识别方法.针对图像噪声识别类型,采用相适用去噪方法提高图像去噪效果.通过大量实验表明,该方法是切实有效的.     

基于多分辨率分析的轨道刚度检测数据自适应预处理方法

针对轨道刚度检测数据中由于钢轨焊接接头所导致的高频冲击成分,提出基于多分辨率分析的自适应信号平滑方法对实测数据进行预处理。通过多分辨率分析手段将信号分解为高频和低频成分,利用高频信号尺度平均小波功率谱识别钢轨焊接接头位置,并通过自适应平滑方法消除信号中高频冲击成分干扰。实测数据验证结果表明,上述方法可以在保留反映轨下基础结构中长波成分基础上有效消除由于焊接接头高频冲击特性所造成的影响,为检测数据分析及轨道状态评价打下良好的基础。     

牵引变电所红外温度监测图像处理方法研究

简述二维温度矩阵转化为红外图像的方法,从红外调色板提取RGB数组表,通过查表方式将温度值转换为RGB颜色值;提出红外图像与可见光图像融合的方法,采用灰度匹配的方式进行尺寸变换和轮廓匹配;并对这两种方法进行了实例化验证.     

客货共线无砟轨道平顺状态预测模型

客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高频和低频2个部分,采用ARMA模型对高频部分建模,分别采用BP神经网络和支持向量回归SVR模型对低频部分建模,最后对高频和低频进行综合预测。此方法可根据具体情况对具有不同特性的TQI时间序列进行针对性建模,提高预测精度。运用此方法对包西线和太中线10个无砟轨道区段TQI时间序列进行预测,结果表明:ARMA-BP神经网络与ARMA-SVR的建模精度平均值分别为98.1%和98.5%,后验差分别为0.31和0.21,均达到1级;前者对已知数据的拟合精度高,而后者对未知数据预测能力较强、泛化能力更突出。     

基于软硬阈值折中的小波包语音增强算法的研究

由于语音信号的非平稳性,传统去噪方法将会不可避免地造成有用语音信号的损失,小波包分析能同时对信号的低频部分和高频部分进行分解,与小波分析相比,对信号的分析能力更强.文中提出一种新的去噪方法,它对噪声的清除更加干净,仿真结果表明,这种方法优于软、硬阈值法.     

高速铁路钢轨接头动态响应特性研究

随着高铁运营速度的提高,对轨道平顺性的要求也越来越高.钢轨接头是轨道的薄弱环节之一,由于钢轨接头的存在,列车通过时会出现高频冲击和振动.以钢轨接头为研究对象,对车辆动态响应数据进行分析,得到其响应数据特性.提出基于EEMD分解的自适应同步压缩短时Fourier变换(E-ADSSTFT)方法,利用E-ADSSTFT方法进...     

基于稀疏模型的Bandelet图像去噪方法

提出一种基于Bandelet变换的图像去噪方法,以提高高噪声方差的图像去噪效果。Bandelet变换的核心是Lagrangian函数代价项的准确选取,本文从图像基追踪稀疏模型表示原理和图像阈值去噪方法的内在关系入手,重新定义Lagrangian函数,从而使图像稀疏去噪模型含义更明确,计算更简单。在去噪过程中,首先采用二维平移不变小波变换把图像分解为高频子带;然后用局部Bandelet块估计Bayes阈值确定Lagrangian函数的代价因子,从而对各个高频实施Bandelet化;最后对高频图像系数Bayes软阈值收缩实现图像去噪。国际标准中几何特征明显图像测试表明:在高斯白噪声的方差低于502时,本文方法的去噪效果和目前最好方法的效果相当;当噪声的方差等于或者高于502时,本文去噪方法效果更好。     

基于互补集合经验模态分解的近场脉冲地震信号降噪算法

针对近断层地震速度脉冲信号非线性非平稳的特点,建立了以互补集合经验模态分解(Coplementary Ensemble Empirical Mode Decomposition,CEEMD)为基础的一种降噪算法。该算法首先对仿真信号进行CEEMD操作,获得从高频到低频的固有模态函数(Intrinsic Mode Function,IMF),然后对IMF筛选叠加,得到多组含不同阶数的重构信号;通过算法相关度和逼近度组成综合评价指标,对多组重构信号进行筛选,得到全局最优重构组合Rec3,实现信号的有效去噪。然后采用以所选最优重构组合为基础的降噪算法分析实测速度脉冲信号。结果表明:该降噪算法具有很好的降噪效果,所得结果曲线较原信号曲线光滑平整,主脉冲信号清晰可辨,且由于算法本身没有人工加窗这类操作,使得其自适应良好,具有一定的实用性和可靠性。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集...