基于三次B样条小波变换和Canny算法的火焰边缘检测算法

为了更加有效地提取枪口火焰边缘,设计了一种基于融合三次B样条小波变换和Canny算法的边缘检测算法。首先,取三次B样条小波函数对得到的火焰图像进行卷积运算;其次,针对Canny算法存在的问题进行改进,将梯度模板改用Scharr算子在原有方向的基础上增加两个方向,通过引入图像复杂度改进的Otsu算法选取高低阈值;最后,通过一定的融合规则获取高低频分量,进行小波逆变换,重构图像获取最终边缘图像。试验结果表明,该融合优化算法可以准确定位边缘,有效抑制噪声,火焰边缘检测结果完整清晰,客观评价优于单一算法结果。

基于三次B样条小波变换的寻北仪抗基座扰动研究

为消除连续旋转式寻北仪寻北时基座扰动对寻北精度的影响,提出对动基座下寻北仪的信号进行多尺度小波分析,通过多尺度下小波变换的模极大值对受到干扰的信号进行奇异点辨识,准确地确定出寻北仪信号受到干扰的起点和终点,并根据连续旋转式寻北仪的工作特点,将受到干扰的数据段用上周同一时刻的数据段进行替代,消除了基座扰动对寻北精度的影响。试验结果表明,该方法能有效提高连续旋转式寻北仪抗基座扰动的能力。

基于三次B样条小波的电力故障录波器数据压缩的研究

针对故障录波数据量庞大的特点,在对故障信号如何进行压缩问题的研究中,对故障信号的时-频特征进行了分析,运用三次B样条小波变换的方法应用于故障录波束据的压缩中。在阈值的选取中,提出了最小极大法,并根据实际需要进行了改进。通过仿真分析,得到以下结论:三次B样条小波有不错的信号分解和重构能力,选择合适的阈值将可以达到7.62:1的压缩比且能较好的保留故障特征。

基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。

B样条小波权函数无网格法及其在杆、板结构中的应用

以三次B样条小波函数作为权函数,设计了一种无网格实用算法。以一维杆和二维板结构为例,分别采用基于Gauss权函数、三次样条权函数与三次B样条小波权函数的无网格算法进行仿真分析。计算结果表明,本文算法得到的位移、应力近似解与精确解在多尺度、稳定性方面具有比其他权函数更好的拟合效果。本文研究拓宽了无网格法在工程结构分析中的应用范围。

基于三次中心B样条小波的电测井信号去噪

电测井方法所得到信号有一定噪声。若直接分析,往往不能从信号中取出有用的信息,需去噪。小波阈值去噪是常用而重要的方法,其法有赖于选择小波基函数和阈值处理函数。以三次中心B样条小波为基函数,采用改进的软硬阈值处理函数给电测井信号去噪。结果表明,三次中心B样条小波很光滑,去除电测井信号的噪声干扰有效。

基于二代小波提升算法的快速图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一;通过比较第一代和第二代小波算法特点,引入二代小波提升结构的概念,提出了一种基于二代小波提升结构的快速图像边缘检测算法;对三次B样条小波基实现提升格式,通过计算大尺度下分解子图的模值和幅角来确定边缘;经过实验比较,能比经典的边缘检测算法得出更精确的边缘图像,同时通过与基于第一代小波算法的边缘检测比较,基于二代小波提升格式的边缘检测算法计算更快速,更高效。

基于小波变换的图像边缘检测

边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。需要指出的是,检测出的边缘并不等同于实际目标的真实边缘。边缘是边界检测的重要基础,也是外形检测的基础。

基于核密度估计分类器的变换器故障诊断方法

现有变换器的故障诊断过程需训练大量的故障样本才能实现故障的识别和定位,但故障数据获取困难且训练过程复杂。针对这一问题,提出一种结合基于Mallat(快速递推算法)的三次B样条小波分析与核密度估计算法。该方法首先釆用基于Mallat的三次B样条小波分析方法对变换器的输出电压进行预处理,加强抗噪声能力并降低数据维度;其后,基于核密度估计的分类器对故障进行识别和定位。所提方法在故障辨识阶段无需故障样本仅对正常样本进行训练便能准确识别故障样本,且在故障定位阶段仅需训练少量故障样本就能实现故障的定位,具有抗干扰能力强、实现简单、诊断率高的优点。仿真和实验验证了所提方法的可行性和有效性。