心肌肥大病理图像的计算机分析方法

为提高心肌肥大病理图像量化评估的效率,提出了基于Hough变换的计算机分析方法.首先对心肌纵切切片图像进行Hough变换,检测出心肌纤维走向.然后采集与心肌纤维走向相垂直方向上的灰度分布信息,用迭代阈值法分割出肌纤维区域与肌纤维间隙区域,测量肌纤维直径.t检验分析表明,用该方法得到的心肌纤维数目和平均尺寸与人工测量结果一致(P>0.05).     

无链表SPIHT图像提升小波编码的硬件算法

为了解决小波零树编码算法中,SPIHT(分级树的集合分裂)算法占用大量存储空间的问题,给出了一种无链表SPIHT图像压缩算法.在这种算法中,小波系数按照SPIHT的顺序输入到编码器中,编码器按照NLS算法编码,小波变换采用9/7提升分解算法,量化算法为均匀标量量化,图像边界延拓采用了补零延拓方法.实验结果表明,该算法图像压缩比与JPEG2000的EBCOT(基于优化截断的嵌入式块编码)算法几乎相同,编码速度大约是后者的2倍,一幅512×512的图像仅需要17.875KB额外内存.     

电磁场变换关系的一种推导方法

由带电粒子在电磁场中的运动方程出发，根据间隔不变性及洛仑兹变换，导出电磁场的变换公式。     

基于小波变换的轨道不平顺信号分析

为消除轨检车速度不稳定对采集的轨道不平顺信号频谱分析的影响，利用Haar小波变换建立了原始信号瞬时频率与Haar小波系数的关系，以计算瞬时频率．根据求取的瞬时频率对采样信号进行内插和重采样，再对重采样信号进行傅立叶变换，即可得到消除了畸变的频谱．     

形态小波变换在轴承故障信号处理中的应用

基于数学形态学的形态小波变换是对信号基于形态特征的非线性分解，选取合适的信号分解算子既能够抑制噪声，又能够提取信号中的冲击成分。形态小波变换只有加减法和取极大、极小运算，与通用的时频分析方法相比计算简单。仿真数据和实验信号的分析表明：形态小波变换能够准确有效地提取轴承故障的特征频率成分，适用于轴承故障的在线诊断。     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

气缸套内表面磨损的图像处理检测方法研究

对柴油机内表面磨损的特征和机理进行了研究，对图像边缘提取的经典算法（梯度算子和拉普拉斯算子等）和小波变换算法进行了分析与比较，提出了用图像处理的方法实现气缸套内表面磨损检测的途径．     

基于多小波分析的暂态信号去噪方法研究

由于多小波分析方法的特殊性,需要对原始信号进行预处理.不同的预处理方法对多小波去噪效果有着非常明显的影响.文中介绍了多小波理论,选用GHM多小波,采用了4种预处理方法对信号进行预处理,分析了基于这4种方法进行信号去噪的结果,并与单小波处理结果进行了比较.将比较结果应用于检测系统输出电压信号进行分析,结果表明,利用多小波变换方法对暂态信号去噪比用单小波方法具有明显的优越性.     

基于混沌遗传算法的基元提取

提出了一种直接在灰度图像上进行基元提取的方法．与传统基元提取方法相比，该方法不需对灰度图像进行边缘检测二值化处理，而是利用图像边缘的梯度信息对混沌遗传算法导向，直接在灰度图像上提取基元．同时，该方法也避免了Hough变换高的时空开销问题．仿真表明该方法方便、有效并具有较高稳定性．     

基于小波变换的气缸内表面磨损检测的研究

经典边缘提取算法是以原始图像为基础，对噪声信号和边缘信号不加区分地使用边缘提取小波利用其在各个分辨率下具有时域和频域特性检测出图像边缘，并消除了噪身对图像的污染在实际应用中，很好地完成了对柴油机气缸内表面损坏的检测．