小波变换和傅立叶变换在系统诊断中的应用

对小波变换和傅立叶变换的特点进行了简要的阐述 ,并结合具体的系统诊断实例 ,介绍了在数字滤波、数字信号分析、信号特征提取等方面的应用技术 .文中给出了采用 MATL AB语言编写的程序模块及程序运行结果 ,并绘出了各个处理阶段的波形 ,使读者能够清楚地看到两种变换的功能     

小波分析及其在图像处理中的应用

简单介绍了小波分析的基础理论,举例说明了小波变换在图像处理中的一些典型应用,包括图像压缩、图像去噪、图像增强和图像融合.     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。     

基于小波变换的电能质量扰动测量方法

对电压幅值变化现象的定量检测问题进行了研究．定义了基于两个实值小波归一变换的幅值及调整幅值的概念．证明了只要这两个实值小波函数一个为偶函数、一个为奇函数并满足一定的条件,则基于这两个实值小波归一变换的调整幅值在非故障区间内的值恰好等于1,而在故障区间内的值恰好等于故障区间的电压幅值与非故障区间的电压幅值之比。最后选用两个实值小波函数,应用基于这两个实值小波归一变换的调整幅值对电压波形畸变进行了检测,模拟结果显示该幅值检测图不仅能准确定位故障发生和终止时刻。而且可精确地定量显示出电压变化的幅度。     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

二维小波分析理论及其在显微图像去噪中的应用

阐述了二维小波分析理论,把二维离散小波分解与重构算法应用在显微图像的去噪中.对采用不同方法去噪后的图像按照分水岭算法进行分割,然后进行对比.实例结果表明小波分析方法效果较好.     

一类数字图像篡改的被动认证

在没有被嵌入水印也没有辅助信息可利用的前提下，针对一类特殊的图像篡改——复制遮盖篡改即遮盖的内容复制自同一幅图像中，提出一种基于小波分解的自相关检测方法，将图像划分为相互重叠的小块，提取每一个小块的小波分解低频子带作为特征向量，采用Pearson相关系数进行块相似性匹配检测，实验结果表明该方法能够抵抗图像复制部位的无缝处理，对一般的高斯噪声、低通滤波、JPEG压缩等噪声攻击具有较好的鲁棒性。     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

一种新的低存储量的图像零树编码算法

SPIHT(set partitioning in hierarchical tree)是一种简单、高效的小波零树图像编码算法。该文针对 SPIHT算法存储空间需求大 ,不利于硬件实现的缺点 ,引入“误差位数”、“绝对零点”和“绝对零树”的概念 ,提出了一种新的低存储量的图像编码算法 ,并利用 DSP评估板 (EVM)对新算法进行了验证。大量实践证明 ,新算法有效地降低了算法实现所需的存储空间 ,减少了时间消耗 ,易于硬件的实现。而且 ,新算法重建图像的峰值信噪比 (PSNR)指标对比 SPIHT算法仅有略微的降低