图小波变换在图像分割中的应用研究

在图像处理领域中,图像分割占有举足轻重的地位。传统的基于小波变换的图像分割算法,仅在规则域内能够有效地检测出图像的边缘信息。为了在不规则域内能够有效地检测出图像的边缘信息,提出一种基于图小波变换的图像分割算法。首先,将图像转换成图,在图域进行研究;然后,利用图小波变换进行图像分割。实验结果表明,与传统边缘算法相比,该算法用于图像分割,不仅能够有效地检测出图像边缘信息,而且对噪声具有较好的鲁棒性。

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。

基于谱图小波的神经精神疾病患者脑功能网络多尺度分析

基于图信号处理,针对神经精神病患者的脑功能网络展开研究,采用谱图小波变换对脑功能网络进行多尺度分析,根据实验数据构建图拉普拉斯矩阵,从中选取最大特征值对谱图小波变换滤波器进行设计。之后结合血氧水平依赖对比度信号计算出受试者各脑区的谱图小波系数,对其进行多尺度组间差异分析,发现脑功能网络在不同频段下的能量分布存有异常,并对对应的异常脑区予以明确。所采用的谱图小波变换是目前针对不规则数据域中信号展开多尺度分析的最有效方法之一,对其他疾病患者脑功能网络多尺度分析研究具有重要的现实意义。

基于谱图小波阈值的机床主轴振动数字信号降噪研究

通过数控机床运行过程中数据特征采集获得的实际信号存在噪声成分,无法根据信号特征判断机床实际运行状况。为了提高对特征参数提取对信号实施降噪能力,根据谱图小波转换理论与实际应用过程,构建了一种对一维数字信号分析的谱图小波阈值降噪(spectral wavelet threshold denoising,SWTD)算法,再通过仿真信号与机床主轴振动信号降噪方式验证了谱图小波阈值降噪可靠性。研究结果表明:机床主轴振动信号包含的有用频率基本都处于400 Hz范围内的低频区。完成降噪后,SWTD降噪信号形成了稳定幅值,已经接近初始信号,包络谱内超过400 Hz的高频段已被消除,形成了由主轴自转频率与滚切频率构成的主体成分,观察到明显主轴自转频率特征,表明该方法相对小波阈值降噪结果具备更优性能。

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。

基于信噪比门限判断和小波变换的SAR干涉图滤波法

该文首先研究了一种基于离散小波变换(DWT)的干涉图滤波算法,对该算法的噪声模型和处理流程进行了详细的分析,并在其基础上做了基于静态小波变换(SWT)的改进。接着利用实测数据对这两种方法做了实验,通过对实验结果的分析,提出了一种高噪声环境下,在保证残点数降低率的同时,还能提高干涉条纹质量的滤波方法。在此滤波方法的基础上,进一步提出了基于信噪比门限判断的干涉图两级处理滤波法,并对其处理流程做了详细的讨论。利用实测数据对该方法进行了仿真,实验结果验证了该方法的有效性。

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。

融合外部属性的短时交通流预测研究

针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型(A-STIGCN)。首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量。其次,采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并借助门控循环单元(GRU)对时间信息的长时记忆能力以提取其时间特性。最后,通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明:A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637%,精度提高了0.079,从而更好地为交通管理提供指导意见。

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。

类星体3C345的光变周期特性

收集了类星体3C345光学B波段100多年来较为完备的观测数据,获得了其长期光变曲线.利用小波分析的方法对其中B波段28年的数据进行了多时间尺度分析,并用小波变换系数图展示了3C345光学B波段的爆发过程.通过研究发现了其中存在有450天,780天,1830天和3540天的近似光变周期.利用小波逆变换可以反映其光变在不同时间尺度上的演变特征,进而预测类星体3C345未来可能的光学爆发时间为2010年左右.