基于谱图小波自适应阈值降噪的滚动轴承早期故障诊断

针对滚动轴承早期故障信息微弱,被强大噪声干扰的问题,基于谱图理论在图谱域构建小波系数以分析图信号中包含信息的思想,提出一种谱图小波自适应阈值降噪(Spectral Graph Wavelet-adaptive Threshold Denoising,SGW-ATD)的滚动轴承早期故障诊断方法。首先,将一维振动信号转换为路图信号,引入谱图小波变换将路图信号分解。其次,保留低频尺度系数,构建自适应阈值对高频系数进行阈值处理,通过谱图小波逆变换得到降噪信号。最后,为进一步抑制噪声,求取降噪信号的自相关函数,通过对自相关函数进行包络谱分析实现故障特征提取。将所提方法与其他几种经典降噪方法进行对比;结果表明,所提方法得到的降噪信号信噪比更高,可以更有效地实现滚动轴承早期微弱故障诊断。

基于谱图小波的多尺度社区搜索方法

作为可捕获用户个性化信息的网络分析任务,社区搜索旨在挖掘满足内聚性要求的查询节点所在的社区。大多数现有社区搜索方法仅能定位查询节点所在的单尺度社区。据此,设计了一种基于谱图小波的多尺度社区搜索方法,利用谱图小波和局部模块度挖掘查询节点所在的多尺度社区。具体地,首先,构建模块度矩阵和拉普拉斯矩阵并进行矩阵分解得到相关特征向量;其次,结合谱图理论和图小波,设计了基于谱图小波的尺度依赖局部模块度;再次,以归一化拉普拉斯矩阵和局部模块度张成的特征空间为支撑,设计了线性规划问题,以求解在给定尺度下与查询相关的稀疏指示向量;最后,利用社区边界截断策略不断添加节点,使得局部模块度最大。人工网络和真实网络上的实验结果表明了方法的高效率和有效性。

基于改进的分块压缩感知红外图像重建

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.

谱图傅里叶变换与谱图小波变换基分析研究

卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化。当前图卷积神经已成为研究热点。在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积定理将傅里叶变换用于实现图上的卷积运算,谱图小波变换也只是实现了卷积的快速算法,都是围绕如何在图结构上做卷积而展开的研究,没有真正发挥其作用,大大限制了图卷积神经网络性能的发挥。该文对谱图傅里叶变换与谱图小波变换基进行分析研究,同时研究基与图结构之间的关系。实验表明通过谱图傅里叶变换和谱图小波变换可以获取图结构的特征信息,为谱图小波变换和谱图傅里叶变换更深入地与图卷积神经网络结合提供了参考。

基于SGWT和多显著性的红外与可见光图像融合

由于谱图小波变换(Spectral Graph Wavelet Transform, SGWT)可充分利用图像在图域中的光谱特性,本文结合其对不规则小区域表达的优势,提出了一种基于多显著性的红外与可见光融合算法。首先应用SGWT将源图像分解成一个低频子带和若干个高频子带;对于低频系数,将多个互补的低层特征结合起来,提出了一种适合人眼视觉特征的多显著性融合规则,对于高频系数,充分考虑邻域像素的相关性,提出了一种区域绝对值取大规则;最后,应用了一种加权最小二乘优化(weighted least squares,WLS)方法对谱图小波重构的融合图像进行优化,在突出显著目标的同时尽可能多地保留可见光的背景细节。实验结果表明,与DWT(Discrete Wavelet Transform)、NSCT(Non-down Sampled Contourlet Transform)等7种相关算法相比,在突出红外目标的同时还能保留更多的可见光背景细节,具有较好的视觉效果;同时在方差、熵、Qabf和互信息量4个客观评价上也均占据优势。

三维模型匹配的谱图小波描述符

为了实现三维模型的点-点匹配,基于谱图小波变换(SGWT)构建点的描述符.对三维模型各顶点处的脉冲函数进行多尺度谱图小波变换,因为这些小波系数能够充分反映模型各顶点处的多尺度几何信息,将它们依次作为元素形成多维向量.该向量即为模型各点的谱图小波描述符,点描述符的欧式距离可以度量点与点之间的几何差异性.由于谱图小波(SGW)同时使用低通和带通滤波器分析信号且能够稳定地重构信号,这使得提出的描述符具有很好的形状分辨能力、紧凑性和鲁棒性.实验结果显示,谱图小波描述符具有比同类方法更卓越的性能.

基于时间-顶点谱图小波变换的动态纹理分类方法

动态纹理在空间和时间上表现出“外观”和“运动”属性,为了有效结合这两种属性进行动态纹理分析,本文提出一种基于时间—顶点谱图小波变换与边缘分布协方差模型的动态纹理分类方法。该方法将动态纹理看成时间—顶点图信号,利用时间—顶点谱图Meyer小波变换对动态纹理进行多尺度分解,再对每个子带应用边缘分布协方差模型,由此得到带内相关性的特征协方差矩阵作为动态纹理特征进行分类。由于时间—顶点图信号的表示可以有效描述动态纹理像素间的空间关系及其沿时间的变化,同时谱图小波变换继承了图表示和小波变换的优势,因此利用时间—顶点谱图小波分解与边缘分布协方差模型,可得到有效的动态纹理特征。在标准动态纹理数据集上的分类实验结果表明,本文方法具有良好的分类性能。

多尺度单特征谱分割算法

为提高使用单一特征信息谱分割的图像分割效果,提出了一种多尺度谱分割算法。基于扩散映射构建一种多尺度特征描述器(diffusion map based multiscale feature descriptor,DMFD),高效地描述图像数据的几何结构,反映出图像的本质特征。随后建立DMFD与谱图小波之间的联系,利用谱图小波的快速计算方法,计算输入图像每个像素点对应的特征向量。提出基于DMFD的谱分割算法(DMFD-Ncut)及逐点自适应尺度选择方法(pointwise self-adaptive optimal scale,PSOS),自适应地在最优尺度下计算相似矩阵。最后,在Berkeley数据库上的实验结果显示,DMFD-Ncut算法和使用PSOS的DMFD-Ncut算法都能够显著地提高图像分割结果的精度。

谱图小波阈值降噪及其在滚刀主轴振动信号分析中的应用

通过分析谱图小波变换在平面图像、三维实体分析中的应用,提出一种用于一维数字信号分析的谱图小波阈值降噪方法。该方法将一维数字信号定义到路图上,利用谱图小波变换将其分解成尺度系数和谱图小波系数,对谱图小波系数进行阈值过滤处理,再进行谱图小波逆变换得到降噪信号。首先,利用四种典型仿真信号进行降噪试验,并分析不同分解层数对降噪性能的影响;接着,将其与经典小波阈值降噪方法进行仿真对比;最后,采用该方法进行滚刀主轴振动信号降噪,并与经典小波阈值降噪方法对比。仿真及试验结果表明,该方法实现了一维数字信号的快速非迭代降噪,且降噪信号平滑度高、畸变小,优于经典小波阈值降噪方法。