基于改进DBSCAN的星载激光雷达数据多尺度滤波研究

星载激光雷达数据滤波过程易受复杂背景、粗差点、噪声点等问题的干扰,导致滤波效果大幅度下降,所以研究基于改进DBSCAN的星载激光雷达数据多尺度滤波方法。采用改进DBSCAN算法对星载激光雷达数据做聚类处理,并标记噪声点,通过半球形邻域算法提取点云数据特征。根据提取到的点云数据特征构建规则格网,通过格网的多路径效应剔除点云数据中的粗差点与噪声点,完成星载激光雷达数据多尺度滤波。实验结果表明,所提方法的星载激光雷达数据多尺度滤波误差较低、滤波效果好,实际应用价值较高。

基于多尺度滤波的隧道衬砌监测数据噪声滤除研究

在隧道衬砌监测过程中会受到多种因素的干扰,同时还会存在各种类型的噪声,如环境噪声、传感器噪声或信号传输过程中的干扰噪声等,这些噪声会对监测数据的准确性和可靠性产生负面影响。因此,为了有效解决这一问题,提出了基于多尺度滤波的隧道衬砌监测数据噪声滤除方法,即:利用数据迭代器得到离散化的雷达探测环境参数,建立噪声在衬砌状态图像中的密度函数,再结合密度函数设定隧道衬砌监测门限;然后在一定频域内采集隧道衬砌监测数据;结合K-sigma阈值与多尺度滤波算法,确定衬砌监测数据中的随机噪声;最后设计自适应滤波过程,实现隧道衬砌监测数据的噪声滤除。实验结果表明,该方法能够将衬砌监测数据的信噪比提高到46 dB以上,更好地提升了衬砌监测数据噪声滤除的效果。

基于多尺度滤波的无线通信信号快速增强研究

为解决无线通信信号速度慢、稳定性差的问题,提出基于多尺度滤波的无线通信信号快速增强方法。首先,生成通信数据集,对其进行提取后加以处理;其次,构建信号增强模型,分离出相似通信信号和真实样本,加速通信信号的接收;最后,调控信号分布,实现通信信号的快速增强。实验结果表明:该方法的稳定性明显优于传统方法。

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。

采用多尺度滤波的遥感图像关键点检测方法

针对关键点检测过程中遥感图像会因为局部结构变形发生误检测的问题,提出一种鲁棒的关键点检测新方法。该方法首先基于映射策略和提升结构实现非下采样多尺度滤波器,用于获得平滑图像;然后根据图像尺度空间理论和尺度不变特征变换生成高斯差分尺度空间,并利用有限差分计算尺度空间采样点局部极值,子像元插值和Hessian矩阵删除不稳定极值点;最后用梯度分布直方图描述关键点。在仿真实验平台上,与现阶段方法的关键点计算时间和图像匹配性能做比较分析,实验结果表明,改进的方法有较低的计算时间复杂度,具有较好的鲁棒稳定性。

多尺度滤波和自适应标记提取的分水岭新算法

为了克服分水岭算法中的过分割问题,提出了一种基于多尺度滤波和自适应标记提取的分水岭新算法.首先对HSV空间中的V分量进行多尺度滤波,并把滤波后的图像转换到RGB空间;再计算梯度,并对其进行多尺度滤波;然后利用H-minima变换进行自适应标记提取;最后对修改后的梯度图像进行分水岭变换.实验结果表明:与其他改进的分水岭算法相比,此算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域.

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用,然而该算法用到多个时刻的量测向量,导致算法计算量过大,并影响系统的实时性。针对上述问题,首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程,然后将实时得到的当前时刻的量测向量表达为块状态向量的形式,最后结合常规卡尔曼滤波技术与序贯滤波的思想,提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统,仿真结果验证了该算法不仅具有较好的实时性,而且相对于传统算法,系统的定位精度提高1倍以上。

一种普适的基于多尺度滤波和统计学混合模型的血管分割方法

血管的精确提取和定位,是实现心脑血管介入手术的关键。多尺度滤波算法可以增强血管目标,同时抑制背景噪声,但并没有把血管从图像背景中区分出来。基于统计学的分割算法,通过对直方图进行拟合实现血管的分类,但需要调整混合模型去拟合特定的图像直方图。为了克服上述问题,提出一种具有固定模型的普适的血管分割方法。首先,利用多尺度滤波算法进行图像预处理。其次,针对滤波增强后数据的直方图曲线,用由3个概率分布函数(1个高斯和2个指数)组成的混合模型进行拟合。期望最大化算法用于混合模型参数的估计。最后,通过最大后验概率分类算法将血管分离出来。为了验证上述方法的有效性,分别在仿真(phantom)数据、磁共振血管造影(MAR)数据和计算机断层血管造影(CTA)数据上进行实验测试。结果表明,所提出的方法在多套仿真数据上的分割误差低于0.3%,同时对于不同模态的血管图像具有很好的分割效果及较强的鲁棒性。

基于多尺度滤波器的空域图像隐写增强算法

隐写是一种利用图像、视频、音频等多媒体载体实现隐蔽传输的技术.如何在尽可能减少对载体影响的情况下嵌入尽可能多的信息一直是隐写算法的研究重点.随着双层校验格码(syndrome tellis codes,STC)的引入,隐写算法的嵌入效率能够达到理论上界.因此,隐写算法的设计重心变为了设计用于衡量图像像素嵌入安全性的失真函数.失真函数是自适应隐写算法的核心.对于空域图像隐写而言,失真函数通常是基于图像的复杂性原则,即载体图像中的纹理区域通常具有较低的失真代价,而平坦区域通常具有更高的失真代价.然而,基于图像内容的多样性,这种准则并不能适用于一幅图像中的所有像素点.提出了一种适用于空域隐写算法的隐写增强算法,通过多尺度滤波器对载体图像进行增强,使得在增强不同尺度的纹理区域的同时减少对图像平坦区域的增强.增强后的失真代价遵循了复杂性原则,并解决了失真代价分配不当的问题.实验结果表明:所提出的算法能够适用于现有的空域隐写算法,并且能够提升它们的抗隐写分析检测能力.

基于色彩分层及多尺度滤波的场景分割方法

针对移动服务机器人室内作业环境中场景物体在图像中表现为不同色块聚集的特点,提出一种基于色彩分层及多尺度滤波的场景分割方法。通过构建色彩分层模型对场景图像进行分层处理,设计算法对图层中连通域的数量和尺寸进行检测,根据检测结果设计多尺度滤波器进行目标分割。建立系统对机器人作业过程的全局环境及局部场景进行实验,场景分层和分割的平均正确率分别达到了97.1%和93.05%,实验结果表明,该方法能有效地对场景中具有明显色彩的区域进行分割。

基于多尺度滤波的视网膜血管分割算法

眼底视网膜血管图像的纹理与结构信息可作为医学对相关疾病诊断的重要依据。针对视网膜血管存在伪影与尺度结构复杂等难题以及微血管分割较低等问题,提出一种基于多尺度滤波的有监督学习视网膜血管分割算法。采用二维K-L变换综合分析彩色图像三通道的频带信息得到视网膜灰度图像,并利用受限对比度直方图均衡化增强血管与背景的对比度,利用Retinex降低伪影与视盘的干扰;由多尺度高斯匹配滤波、多尺度形态学滤波、Frangi滤波以及2D-Gabor滤波提取相关血管特征,并将提取好的特征集由AdaBoost初步提取血管;利用血管连通域信息去除初分割结果的非血管像素,获得最终的血管图像。该算法在DRIVE与STARE数据集上实验,准确率分别达到96.34%与95.83%。

基于小波变换的在线多尺度滤波研究及其应用

针对传统线性滤波器单尺度去噪的局限性,以及直接对所测数据进行小波滤波带来的时间延迟性,本文介绍一种基于小波变换和移动数据窗口的多尺度在线滤波方法,并将其应用于HeaviSine信号和某炼油厂蒸馏装置减一线的温度数据。分析表明,该种方法不仅能实现很好的去噪效果而且真正做到了实时处理过程数据。

基于多尺度滤波的视频放大

视频放大技术给予了人们观察并研究事物微小变化的机会.利用复可控金字塔分解视频,通过分析不同尺度不同方向的相位差来操纵视频中的运动.复可控金字塔中某些尺度的信号放大后超出了其相移极限,产生伪影及模糊.调整各尺度的放大因子能够解决这一问题.本文提出一种基于多尺度滤波的视频放大算法,通过建立视频帧图像空间波长与振动位移的联系,确定各尺度的放大因子的上限,无须人工设定截止波长,自行调整复可控金字塔各尺度的放大因子,使得放大后的信号能够适应其相移极限.通过对附加在大运动上的振动进行放大,验证了本算法的性能,相比现有的视频放大算法具有明显优势.

基于多尺度形态滤波和递归求差的冲击特征自适应分离方法

针对故障诊断中的耦合冲击特征提取和分离难题,提出了一种基于多尺度形态滤波(multiscale morphological filtering, MMF)和递归求差的冲击特征自适应提取与分离方法。首先,利用能量幅值(energy amplitude, EA)指标和频响特性分析,从典型组合算子中筛选出适合冲击特征分离的组合形态滤波-帽变换(combination morphological filter-hat transform, CMFH)算子;其次,利用CMFH形态学算子和加权谐噪比(weighted harmonic to noise ratio, WHNR)指标实现周期性冲击特征提取;然后,利用求差增强技术(strengthen operate subtract operate, SOSO)抑制谐波干扰和白噪声,进一步增强周期性冲击特征;最后,通过迭代求差思想构造循环滤波器,对周期性冲击特征进行多尺度提取与分离。仿真数据和牵引电机轴承故障数据分析结果表明,该方法在随机冲击、谐波干扰下的周期性冲击提取能力优于最大二阶循环平稳盲解卷积(maximum second order cyclostationary blind deconvolution, CYCBD)方法和经典谱峭度方法。

基于多尺度形态学滤波和K-SVD的轴承复合故障特征提取方法

针对滚动轴承复合故障诊断中的故障特征分离和提取难题,课题组提出一种基于多尺度形态滤波(multiscale morphological filtering,MMF)和K-SVD字典学习的复合故障特征分离与提取方法。首先,利用多尺度形态学滤波的尺度差异对信号进行分解,实现复合故障特征分离;其次,通过特征能量因子(feature energy factor,FEF)筛选出最佳尺度分量,并利用K-SVD分别构建学习字典库;然后,通过正交匹配追踪算法(orthogonal matching pursuit,OMP)从字典库中重构出信号;最后,结合迭代求差思想,对复合故障进行分离和特征强化。仿真和实验分析表明该方法能够自适应地分离并准确提取滚动轴承复合故障特征。与经典变分模态分解(variational mode decomposition,VMD)方法对比,该方法具有更好的鲁棒性。

基于多尺度梯度域引导滤波的弱光照图像增强技术

光照较弱会导致图像出现颜色失真以及部分图像细节消失等问题,提出了基于多尺度梯度域引导滤波的弱光照图像增强方法。对弱光照图像进行多尺度梯度域引导滤波图像增强和Gamma校正,将BIQME作为目标函数,将主观图像增强问题转换为最优解问题,采用改进鸡群算法对目标函数优化求解,获取图像增强所需要的最优多尺度梯度域引导滤波参数和色调平衡参数,最终达到弱光照图像增强的目的。实验测试结果表明,所提方法可以增强弱光照图像的同时,改善弱光照图像质量和提升图像处理速度,图像处理速度控制在0.85 s以内。

多尺度形态滤波在行星轮轴承故障诊断的应用

齿轮箱中滚动轴承的故障信号微弱且易受干扰,导致轴承故障特征提取困难。为了提取信号中的微弱故障特征,提出了一种自适应的多尺度广义形态滤波(adaptive multiscale generalized morphological filter,AMGMF),特有的形态变换在抑制干扰的同时还增强了特征提取能力。首先,针对差值形态算子的滤波缺陷,提出了广义的优化差分算子(generalized enhanced different filter,GEDIF),并通过幅频特性和脉冲提取特性揭示其滤波特点;其次,由局部信号特征确定扁平结构元素的长度,改进的长度选择方法确保了形态滤波的自适应性和准确性;最后,以特征幅值比(feature amplitude ratio,FAR)分配各尺度的权重,加权重构得到了AMGMF的处理结果。通过仿真信号和行星轮轴承故障信号分析,结果表明AMGMF方法能有效地从复杂信号中分离出故障特征。与单尺度形态滤波、多尺度形态滤波和EEMD对比,AMGMF方法具有一定的优越性。

一种信号检测预处理的改进多尺度形态学滤波方法

通信信道冲击噪声干扰和宽带接收机非线性影响会导致接收的信号噪声基底不平坦,若不考虑噪声基底起伏而直接进行检测信号,可能会导致漏检。为提高信号检测精度,需估计信号噪声基底。为解决该问题,提出了一种信号检测预处理的改进多尺度形态学滤波方法。该方法采用多尺度开-闭组合运算对信号频谱进行形态学滤波,利用不同尺度的结构元素对不同带宽的信号进行局部滤波,并利用滤波后凸包的存在性作为滤波终止条件。仿真结果表明,该方法可以有效将不同带宽的信号滤除,有效提取噪声基底噪声,同时可消除频谱中低电平毛刺对噪声估计的影响。

基于DIA的最优尺度形态滤波器及其在轴承故障诊断中应用

针对强背景噪声下无法获取滚动轴承故障特征的问题,提出一种基于最优尺度增强形态滤波器(Optimal Scale Enhanced Morphological Filter,OEMF)的滚动轴承故障特征提取方法。首先,构建一种增强差分积形态滤波算子(Enhanced Different Product Operation,EDPO)与直线型结构元素(Structuring Element,SE)相结合的增强形态滤波器;其次,构建冲击自相关度(Degree of Impact Autocorrelation,DIA)作为选取最优尺度的评判指标,并与传统的峭度(Kurtosis)指标进行比较。最后,将所提方法应用于仿真信号和牵引电机轴承故障信号中进行实验验证。结果表明,所提方法与集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)方法相比具有更好的降噪效果,且在去除噪声干扰方面具有更好鲁棒性。

基于Hessian算子的多尺度视网膜血管增强滤波方法

提出一种基于Hessian矩阵的多尺度视网膜血管集成增强滤波算法。将Hessian矩阵的特征值和特征向量应用于血管特征的响应函数及形态学和非线性各向异性扩散处理的各个环节,选择合理的尺度空间范围及尺度空间增量和调节因子进而达到平滑非线状区域和锐化增强血管区域的效果。与其他血管增强方法相比,该方法在同等准确率下具有较高的稳定鲁棒性。