基于双树复小波变换的磁共振幅值相位同时重建

为了加快磁共振成像速度及同时获取可信度较高的磁共振幅值和相位信息,提出了一种基于双树复小波变换的磁共振幅值和相位同时重建算法。该算法在传统的压缩感知框架下,借助双树复小波变换的多方向选择性和平移不变性,对幅值和相位分别进行稀疏变换。实验结果表明,在不同的数据集下,该算法均能提高重建磁共振相位图像的质量,并一定程度地改善了幅值图像。

基于双树复小波变换—最大熵谱估计和参数优化概率神经网络的齿轮箱故障诊断研究

齿轮振动信号具有非平稳性和非线性的特点。为了准确提取其故障特征并进行故障诊断,提出一种基于双树复小波变换(DTCWT)-最大熵谱估计(MESE)和惯性权重线性递减粒子群优化(LDWPSO)算法-参数优化概率神经网络(PNN)的齿轮故障诊断方法。首先,利用DTCWT把状态已知的齿轮振动信号分解为不同频带的模态分量。其次,采用MESE得到每个分量的最小偏差频谱估计,计算出不同频段的能量熵作为故障特征矩阵。然后利用LDWPSO算法寻找出最优神经网络参数——平滑因子。最后,将故障特征矩阵输入优化后的PNN模型,建立起故障特征和齿轮运行状况之间的数值化映射关系,进而完成齿轮故障诊断模型。经试验数据分析表明,采用提出的DTCWT处理齿轮的振动信号,并引入MESE处理关键分量,可以提取稳定的信号特征并降低噪声干扰。另外,相比于传统的PNN,基于改进的PNN的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究

由于GIS局部放电超高频检测中不可避免的会遇到白噪声干扰,且现有抑制白噪声的方法有许多不足之处。文中根据白噪声干扰的特点,构造了Daubechie’s系列复小波,通过复小波变换的简单信息和复合信息,对染有白噪声的仿真信号和实测信号进行去噪研究。结果证明:综合运用复小波变换的简单信息与构成的复合信息,能更有效地抑制GIS局部放电超高频信号中的白噪声干扰。

应用复小波变换检测突发短路时的电力变压器绕组状态

突发短路时电力变压器箱壁的振动信号与绕组的运行状态密切相关。考虑到突发短路时变压器振动信号的强时变性和非平稳性,为了进一步提高振动分析法检测变压器绕组状态的准确性,本文引入复数小波变换法即Morlet小波对突发短路时变压器的实测振动信号进行时频分析,根据振动信号中的频域特征变化来判断变压器的绕组状态。结果表明:复小波变换算法能够准确地展示突发短路时变压器振动信号的频谱特性,时频图中100Hz分量和冲击总能量的大幅增加预示了绕组的松动,而高频分量的出现敏锐地反映出绕组变形的开始。与短路电抗法相比,振动分析法更能灵敏地反映出变压器绕组的变形故障。

基于双树复小波变换的轴承复合故障诊断研究

针对滚动轴承复合故障信号特征难以分离的问题,提出将双树复小波变换和独立分量分析(ICA)结合的故障诊断方法。该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量;由于各个分量存在一定的频率混叠,对故障信号特征提取有很大的干扰,进而引入ICA对各个分量所组成的混合信号进行盲源分离,从而尽可能消除频率混叠;最后对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调,即可实现对复合故障特征信息的分离和故障识别。实验结果表明,该方法有效地分离和提取了滚动轴承复合故障的特征信息,验证了方法的可行性和有效性。

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。

采用二元树复小波变换的GIS局放信号识别

GIS局部放电模式识别的研究对于保证GIS的安全可靠运行有着十分重要的意义。为此,采用具有优良平移时不变特性的二元树复小波变换对超高频局部放电(UHF PD)信号进行分解,提出了一种采用二元树复小波变换的时频域特征提取方法,阐明了该算法的原理,给出了具体计算公式和步骤;通过伸缩和平移等运算功能对实验室获得的大量UHF PD信号进行多尺度细化分析,综合选用了UHF PD信号在各频带投影序列的能量、在各个尺度下的模极大值和统计参量,构造了完整的UHF PD信号特征空间;并将UHF PD信号特征空间分别输入到RBF组合神经网络分类器的成员分类器中,获得了优良的识别效果,总体识别率>86%。

基于颜色直方图及双树复小波变换(DTCWT)的昆虫图像识别

为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫鉴别方法,本文提出了一种新颖的基于图像颜色及纹理特征的昆虫图像识别方法。鳞翅目昆虫翅面图像经过预处理,确定目标区域,再进行特征提取。首先将彩色图像从三原色(red-green-blue,RGB)空间转换至色调饱和值(HSV)空间并提取有效区域内的色度、饱和度直方图特征,然后经图像位置校准,提取灰度图的双树复小波变换(DTCWT)特征;匹配首先计算两颜色直方图特征向量之间的相关性,将相关性大于阈值的样本再进一步用DTCWT特征匹配;DTCWT匹配通过计算Canberra距离实现,从通过第一层颜色匹配的样本中取出最近邻作为最终匹配类别。算法在包含100类鳞翅目昆虫的图像库中进行试验验证,取得了76%的识别率,其中前翅识别率则达92%,同时取得了理想的时间性能。试验结果证明了本文方法的有效性。

基于双树复小波变换的心电信号去噪研究

在心电信号处理过程中,为了避免产生Gibbs振荡现象和严重的频率混叠现象,提出一种基于双树复小波变换,并结合最大后验估计确定阈值的心电信号去噪方法。文中采用了信噪比和均方误差来评价双树复小波变换和离散小波变换两种方法对心电信号的去噪效果。实验结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,边界、纹理等特征能较好地保留,可以作为一种生物医学信号降噪处理的新方法。

应用复小波变换对电力变压器局部放电超高频信号去噪研究

以电力变压器超高频局部放电在线检测系统为例,提出了一种基于复小波变换技术的分离局部放电超高频信号和噪声的方法;研究了三步骤去噪算法,对其最优复小波的选择、复小波分解阶数的确定及其阈值算法的选取作了重点研究。针对不同的噪声给出了不同的阈值算法——惩罚阈值法和SURE法的阈值选取能方便地捕捉噪声范围内存在信号分解的微小的细节信息,而普通阈值法和渐进SURE法的阈值选取能有效地去除噪声;最后,给出了在线去除局部放电超高频信号噪声的步骤和方法。结果表明:利用复小波变换技术,抑制电力变压器超高频在线监测的局部放电信号中的噪声是一种极为有效的优化方法。

基于不同复小波变换方法的纹理检索和相似计算

复小波克服了单小波的缺点,具有时移不变性、方向性信息多和相位信息等特点·从能量角度出发,主要研究了不同复小波变换方法的一阶和二阶统计矩(共生矩阵)特性,并应用于纹理特征的提取,与传统的单小波做了比较·通过理论分析和在纹理图像检索的对比实验数据说明了复小波在纹理特征提取方面的性能优于单小波,采用一阶和二阶统计矩相结合方法的性能最好,检索精度提高了8%·

双密度双树复小波变换的局域自适应图像去噪

为了改善降质图像质量,提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。分析了双密度双树复小波变换的原理及特点,推导了双变量收缩函数(BSF)。通过并行使用4个2D双密度离散小波变换,且行和列采用不同的滤波器组,实现了对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理,并用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪实验。实验结果表明:与噪声图像相比,在噪声方差为30时,经该算法去噪后的图像获得的最高峰值信噪比增益达11.72 dB,平均结构相似度最高增加了2.7倍,复合峰值信噪比增益达11.68 dB。此外,对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了去噪图像的视觉质量。

基于复小波变换的暂态电能质量扰动检测与分类

根据Daubechies实小波生成相应的复小波,在此基础上,利用复小波变换的相位信息分析几种常见的短时电能质量扰动。针对由复小波变换得到的相位图特征不明显的问题,提出了改进相位图,能更清楚地观察到扰动时的相位变化,便于更精确地对扰动进行定位,同时根据改进后的相位图所表现出来的特征可以简单地对各种扰动进行分类。仿真分析表明,利用改进后的相位图可以简单有效地实现对常见的短时扰动的检测与分类。

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具,针对该方法中趋势项难以确定的问题,提出一种基于双树复小波变换的方法,实现了非平稳信号的多重分形自适应去趋势波动分析.利用双树复小波变换提取信号的多尺度趋势和波动信息,通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度,使多重分形分析具有信号自适应性及较高的计算效率.以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性,所得结果与解析解相吻合.与传统的多项式去趋势多重分形方法相比,本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度,所得结果更加精确.对倍增级联信号时间序列取不同的长度,验证了算法的稳定性.分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较,表明本文方法具有更精确的结果和更快的运算速度.

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器(GIS)的局部放电(PD)特高频检测虽然能够避开大多数窄带干扰,但是,还有部分窄带干扰会进入检测系统,从而湮没PD信号,因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点,剖析了抑制周期性窄带干扰的常用方法--小波系数直接置零法的局限性,提出了可以用于抑制周期性窄带干扰的有效小波系数(EWC)阈值法,并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明:基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。

基于双树复小波变换和邻域操作的哈密瓜纹理提取

为研究哈密瓜表面纹理特征分布规律,采集金密16号9成熟、全熟和金密17号9成熟、全熟共168幅哈密瓜样本图像,对RGB彩色图像的R、G、B分量执行代数运算,转换为灰度图后进行背景分割,然后利用双树复小波变换(DT-CWT)分解图像,获取高频子图像,并对其执行邻域操作,采用迭代法选取最优阈值完成纹理提取,最后利用灰度差分统计法和纹理频谱分析法描述分析哈密瓜纹理特征,建立基于支持向量机(SVM)的分类模型。研究结果表明,利用DT-CWT和邻域操作相结合的方法可得到更加连续、完整的哈密瓜纹理图像;4种哈密瓜的纹理特征值差异显著,利用纹理特征值分类准确率为89.3%;哈密瓜表面纹理无周期性。

结合NAPCA和复小波变换的高光谱遥感图像去噪

提出了一种能够良好地保持高光谱遥感图像细节特征的噪声去除方法。该方法首先利用噪声调整的主成分分析（NAPCA）进行特征提取，再利用复小波变换（CWT）对NAPCA变换后的低能量成分进行去噪处理。对此低能量成分的每个波段利用二维复小波去噪，此时复小波系数采用BivaShrink函数进行收缩。然后对低能量成分的每条光谱进行一维复小波变换，利用邻域阈值函数进行小波系数的收缩。对AVIRIS 图像贾斯珀桥、月亮湖和盆地进行的仿真实验表明：该方法去噪后的信噪比与HSSNR相比提高了4.3-7.8 dB，与PCABS相比提高了0.8-0.9 dB，验证了该算法的可行性。真实数据OMIS图像的实验结果验证了该方法的有效性和适用性。

基于双树复小波变换彩色多聚焦图像融合方法

针对离散小波变换图像融合算法在特征表达上存在的不足,将双树复数小波变换引入到彩色多聚焦图像融合中。对彩色图像的三个通道分别进行融合处理,并采用基于多测度的融合策略:各通道小波变换后低频子带采用区域清晰度的方法;高频子带采用区域标准差的方法。融合效果评价除使用传统方法的熵、交叉熵外,还使用了通用的主观与客观相结合的方法。通过对实验结果的主客观性能分析,验证了该方法得到的融合图像效果较好,优于离散小波变换融合算法。

结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割

针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.

基于双树复小波变换的三维粗糙表面评定方法研究

针对目前用于提取三维粗糙表面基准面的第一和第二代小波存在的平移变动性与方向性差等缺点,以及最优小波基的选取和小波分解次数的确定等难点,提出将第三代小波变换——双树复小波变换(DT-CWT)用于三维粗糙表面的评定。通过比较三代小波实际重构图像以及仿真三维粗糙表面的误差和最大重构误差,得出了DT-CWT最优的结论;采用频带能量法确定DT-CWT的分解次数,并用仿真三维表面表征参数均方差S来验证得出的分解次数的正确性。最后用DT-CWT对具有分形特征的三维非平稳随机粗糙表面进行基准面的提取,结果验证了所提出方法的有效性。