π相移及频域滤波对傅里叶变换轮廓术精度的影响

在傅里叶变换轮廓术（FTP）测量方法中,测量系统经成像装置获取由物体高度调制后的变形结构光场,并通过傅里叶变换、频域滤波和傅里叶逆变换恢复出物体的高度信息．其中频域滤波是FTP中提高测量精度的重要环节．本文通过计算机模拟及数据对比证实,在傅里叶变换轮廓术的基础上采用百相移技术消除背景分量,利用适当大小的矩形滤波窗口获得高质量基频分量,有利于减小测量误差．     

基于高斯滤波的稳健工程表面评定方法

分析了高斯滤波在实际工程表面评定中存在的不足，引入稳健估计理论，提出了一种新的基于高斯滤波的稳健算法，消除了异常值对高斯滤波 效率的影响，提高了高斯滤波的稳健性，实例分析结果表明，该方法能中靠地获得了评定基准，实现表面信息的无失真提取和分析，较之传统高斯滤波，更便于工程表面评定的实际应用。     

高阶3D Radon变换及其数据重建应用

针对高分辨率Radon变换无法较好地保持地震波振幅变化信息问题,在高阶Radon变换和3D Radon变换基础上,根据地震波传播的横向连续性提出高阶3D Radon变换。该方法首先将正交多项式拟合延拓至正交多项式面拟合,模拟平面波沿不同传播方向的振幅变化特性。与3D Radon变换结合,实现地震波在不同传播路径下的正交多项式面拟合,构成高阶3D Radon变换。该方法既考虑了地震波的传播路径,又考虑了地震波传播振幅变化,因此具有保幅以及高分辨率的特点。应用于地震数据重建表明,该方法具有良好的重建效果,并具有一定的抗噪性,且能够较好地保留地震波在不同方向上的振幅变化特性。     

基于CUDA的高速并行高斯滤波算法

为加快表面三维形貌分析中高斯滤波算法的执行速度,提出了一种基于计算统一设备构架(CUDA)的高斯滤波算法来实现高速并行处理.分析高斯滤波算法原理和CUDA并行计算体系,将CUDA并行计算技术引入到表面分析领域.针对高斯滤波数据间依赖性弱和CUDA采用单指令多线程(SIMT)执行模型的特点,总结出适合于CUDA的并行高斯滤波算法流程.实验证明:该方法与CPU串行处理方法相比,其加速比达到40倍以上,可以有效提高数据处理能力.     

Radon变换的一个反演公式

简要介绍了Ｆｏｕｒｉｅｒ变换、Ｈｉｌｂｅｒｔ变换和Ｒａｄｏｎ变换之间的某些联系，由此导出了Ｒａｄｏｎ变换的一个新的反演公式。     

Radon变换的反演及其性质

提出Radon变换的一系列性质,对于重要性质给予了证明,并且利用广义函数和Fourier变换得到Radon变换的反演定理,从而推广了Durrani T S.和Bisset D的工作。     

基于高斯滤波法剪切作用下节理表面形貌演化

选取2类岩石节理试样进行3种法向应力条件下的剪切试验,采用高精度三维激光形貌仪Talysurf CLI 2000获取节理表面三维形貌图,并基于高斯滤波法,将原始节理表面分离为波纹度表面与粗糙度表面,通过计算节理表面粗糙度系数比(S)与表面磨损度(Ds),研究剪切作用下节理表面形貌变化规律。结果表明:起伏体的破坏使得波纹度表面和粗糙度表面的整体粗糙程度均出现明显下降;波纹度表面磨损度随着法向应力的增大而增大,而粗糙度表面磨损度在首次剪切后最大,且大于波纹度表面磨损度;法向应力较低时原始节理表面形貌变化主要取决于粗糙度表面,法向应力较高时节理表面形貌变化则由波纹度表面控制。     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

三维倾角分布的Radon变换计算

采用P.S teeghs提出的滑动窗口R adon变换的快速计算方法[1],实现了胜利油田垦71地区的三维倾角分布的计算,给出了三维倾角分布的清晰图像.计算表明采用R adon变换的快速算法可有效的提高计算速度.给出了快速算法的详细推导过程,并更正了文献中的一处错误.     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

应用联合子波变换相关器实现图像特征抽取的研究

提出了一种应用功率谱相减技术的新型联合子波变换相关器来实现特征抽取,同时给出了实验系统和计算机模拟结果。结呆表明该系统成功地实现了图像实时特征抽取。     

基于小波包能量及高阶谱的特征提取方法

针对广泛存在的油气管道周边安全问题,研究了管道周围地面活动目标产生的震动信号的特性,提出了一种基于小波包能量谱和信号高阶谱分析相结合的特征提取方法来区分不同的活动目标.根据目标产生的地面震动信号是非平稳的特点,采用基于小波包分解能量的方法对信号的各频带进行分解,得到信号在不同频带内的能量分布特性.仅根据能量谱并不能完全区分不同类型信号,通过对信号高阶统计特性的分析,提取出高阶谱特征频率,结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别.通过对实验数据进行分析,单独采用小波包能量特征其平均识别率为88.5%,而采用本文提出的方法平均识别率可以提高到94.6%,验证了文中提出方法的有效性.     

基于高斯低通滤波的音乐节拍提取

提出一种基于高斯低通滤波的节拍提取算法,对音乐信号进行能量分析,确定信号的能量包络.在获得能量包络基础上,采用叠加分析的方法,实现在减少有待分析数据量的同时,消除信号的噪声.然后,应用高斯窗函数构造一个低通滤波器,对压缩后的信号数据进行低通滤波处理,滤除音乐信号中不能决定节拍信息的高频部分.最后,通过峰值检测的方法确定音乐信号的节拍.实验结果表明,本文所采用的方法提取结果准确,且实用性强.     

基于改进Wigner-Hough变换的多分量LFM信号特征提取

为了解决Wigner-Hough变换对多分量线性调频(LFM)信号特征提取受噪声困扰的问题,提出采用数字图像处理中改进的Sobel算子对含噪声信号的WVD时频图进行边缘特征检测,利用Hough变换对信号特征进行提取.通过对WHT,SPWD-Hough变换以及改进WHT 3种方法进行计算机仿真比较结果表明,改进的WHT对多分量LFM信号的特征提取效果最好.     

基于小波变换特征提取的支持向量机心搏分类研究

在对心电信号进行离散小波变换并提取优化特征组合的基础上,利用标准算法(l-a-r算法)和二叉树算法分别构建支持向量机分类器实现心电图的分类,对不同小波下提取不同维特征向量构建的分类器性能进行比较,同时对取自MIT-BIH数据库的4类心电图(正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏和起搏心搏)进行分类.结果表明,采用标准算法对db2小波下8维特征向量训练的支持向量机分类器分类性能最优,总体分类正确率达98.770/0.     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于小波变换的波形特征抽取与识别

从设备诊断领域中特征信号模式识别的应用角度,探讨了基于小波变换的特征提取与识别方法.首先讨论了小波变换及其基本性质,进而探讨了基于小波变换模量极大点的特征抽取及基于模量极大点的幅值沿尺度s演变的特征提炼方法,并构造了全局的相似性度量,最后给出了分析实例.     

基于Gabor滤波器组的虹膜特征提取与匹配

提出了一种基于Gabor滤波器组的虹膜识别方法,能有效地从虹膜图像中确定一个感兴趣的区域（ROI）并用于多尺寸多方向地提取虹膜图案的空间和方向特征,然后通过寻找相关特征矢量之间的最小距离实现虹膜图案匹配．实验结果证明我们的方法既能对虹膜图案的比例、平移保持不变性,又能消除或减少因睫毛、眼睑和反光造成的干扰．     

基于小波包分析的颅颌面纹理特征提取方法

针对新型生物研究对象颅颌面的研究,提出小波包分析的方法对颅颌面的纹理特征进行提取.特征矢量为 颅颌面预处理后图经过小波包分解后各个子节点的节点能量占总能量的比例.利用该特征矢量,计算相似度,实验 证明,该方法计算简单,特征维数较低,可以有效提取颅颌面的纹理特征.     

基于S变换和共空间模式的运动想象脑电特征提取

针对共空间模式算法运用于运动想象脑电信号特征提取分类正确率低、计算实时性差等问题,提出运用S变换结合共空间模式算法对脑电信号进行特征提取方法。经过S变换后的信号具有更加明显的时、频、相特征,再运用共空间模式算法提取特定任务信号成分的特征,最后用支持向量机进行分类。实验结果表明:在S变换采样数较多的情况下,平均正确率达到92.8%,大大超过单纯使用共空间模式算法的正确率。如果降低S变换的采样率,系统实时性得到大幅提升,平均运行时间仅为0.85 s,平均分类正确率可达89.8%,比仅运用共空间模式算法的运行时间缩短30.9%。可见,不仅可提高运动想象脑电信号的分类正确率,还可以提高分类的实时性。