一种基于人眼视觉特性的小波域图像水印方法

提出了一种基于小波变换的图像水印嵌入方法,通过对原始水印置乱的预处理,运用人眼视觉掩蔽模型（HVS）,增强了数字水印的安全性和隐蔽性,把水印嵌入到感觉重要的小波变换系数中,提高了水印的稳健性,并实现了水印的盲提取。实验结果表明,该算法对JPEG压缩、旋转、滤波、加噪等图像处理操作有很强的鲁棒性。     

基于小波变换和MNF变换的遥感影像融合

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析（Principal Corn-ponents Analysis,PCA）变换融合对噪声比较敏感,受到融合区域的限制,而最小噪声分离（MinimumNoiseFrac-tion,MNF）变换考虑了噪声和融合区域,是一种完备的成分分解方法,小波变换（Wavelet Transformation,WT）融合也存在一定程度的光谱失真。由此,本文在分析MNF变换和WT的基础上,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其它融合方法的定量和视觉比较,发现该方法能得到更好的融合效果。     

图像相似性计算的级联小波变换

研究图像不同幅度局部(子图像)小波变换之间的关系,分析这种关系下的图像相似性.首先用小波矩阵表示推导子图像小波变换之间的级联关系,在此基础上研究基于级联小波变换的线性相似性.最后以特定类型的医学图像为对象,研究子图像之间和k 规格小波相似性测度,并讨论相应的相似性测度算法.数值实验结果表明,CT、MRI图像中相邻子图像之间具有很高的线性相似性.     

基于GM(1,1)模型的齿轮故障识别预测研究

针对齿轮故障诊断问题,提出一种基于灰色预测模型(GM(1,1))的齿轮故障识别预测方法。根据齿轮磨损情况将齿轮故障定义为4种状态：正常齿轮状态、齿根裂纹故障状态、齿面磨损故障状态和断齿故障状态。通过搭建齿轮故障诊断实验台,利用振动传感器采集齿轮工作过程中处于不同磨损状态时的振动加速度信号样本,利用小波降噪、小波分解重构等方法重构特征信号,得到去噪后的信号图像,进而提取振动加速度信号特征数值,并基于GM(1,1)建立齿轮故障识别预测模型。研究表明,该模型预测数值与真实值误差均值在0.56%～0.67%,相对误差均方根值在0.33%～0.43%,其中齿根裂纹状态时相对误差均值为0.67%,相对误差均方根为0.33%;断齿故障状态时相对误差均值为0.67%,相对误差均方根为0.39%;齿面磨损故障时相对误差均值为0.56%,相对误差均方根为0.43%。表明模型预测精度较高,可用于齿轮故障预测研究,为齿轮故障诊断提供了一种新的研究方法及理论依据。     

基于小波变换的双回线路高阻接地保护新方法

提出了一种适用于双回线路接地故障的继电保护新方法.利用小波变换对两条线路上的电流进行分析,提取对应相相同尺度上的高频谱能量值.在此基础上,求取它们谱能量比值的平方和,根据比值来判断接地故障类型及线路,以识别区内外故障.大量仿真计算表明,新方法同时具有选线和选相的功能,方向性明确,同时具有较高的耐受过渡电阻的能力.     

基于小波包的转子轴心轨迹提纯方法

提出一种基于小波包的转子轴心轨迹提纯方法。将从转子上测得的互相垂直的两个方面上的原始时域信号用小波包分解后,采用逆Ｇｒａｙ编码对分解结果进行整序处理,得到按频率大小由低到高排列的频段序列,再根据对不同类型转子故障特征的先验知识,分别选取若干不同的频段进行重构,利用重构数据合成的轴心轨迹,删除了噪声的干扰,能更清晰地表现转子故障的特征。     

基于小波变换的分形随机信号希尔伯特变换的波形估计

非平稳1/f类分形随机过程是一类重要的弱自相似随机过程,其典型例子是分形布朗运动,作者考察了弱自相似过程的希尔伯特变换,证明了希尔伯特变换具有弱自相似不变性,进而利用分形布朗运动的希尔伯特变换BH（t)小波系数能量向低频集中的特性,采用最优门限方法实现BH（t)的波形估计。     

基于小波和形态学的图像边缘检测

在用小波分解加强图像边缘的基础上,利用修正的形态学边缘检测算子,以减轻图像边缘检测的模糊性;通过形态结构元素尺度的调整,得到多尺度下图像边缘的特征,并综合各尺度下的边缘特征,得到较为理想的图像边缘,实验验证了该算法的可行性和有效性。     

应用于双光谱检测的图像融合技术

介绍双光谱图像检测系统的总体设计,针对紫外与可见光双光谱成像系统提出了基于模糊矩阵的双光谱图像融合法．该方法采用模糊矩阵表征融合区域,同时利用小波变换法对图像进行多分辨分解重构．实验选取UV图像与V图像进行融合,并对该方法和其他几种方法的融合图像进行了比较．基于模糊矩阵的双光谱图像融合法能比较好地兼顾图像融合中清晰度和融合边缘过渡两方面的要求．     

非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法.该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号.研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小.