基于自适应多尺度形态学和CEEMD的谐振接地故障选线研究

为解决小电流谐振接地系统的故障选线不准确的问题,提出了一种基于自适应多尺度形态滤波和互补集合经验模态分解(CEEMD)相结合的选线方法。利用自适应形态学滤波方法可以有效地抑制电力系统故障过程伴随的宽带白噪声和孤立脉冲噪声。去噪后通过比较故障线路与非故障线路经CEEMD分解和希尔伯特黄变换(HHT)的特征分量一阶差分极性与相位进行选线。与经验模态分解(EMD)和集成经验模态分解(EEMD)相比,CEEMD能够更好地减小模态混叠的影响,同时减小分解误差。在MATLAB仿真软件中,对不同故障位置、过渡电阻、故障初始角进行分析,对上述方法进行了验证。大量仿真表明,该方法不受初始故障角、故障位置及过渡电阻的影响。

基于多尺度自适应的近红外手肘静脉提取算法

由于成像质量不高,光照强度不均匀,皮下脂肪较厚等因素,近红外手肘静脉图像对比度较低,不易提取到清晰的静脉结构。针对该问题,本文提出了一种基于Hessian算子的多尺度自适应静脉滤波提取方法。该方法通过改进的多尺度自适应滤波器从对比度限制自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,CLAHE)增强后的图像中提取静脉。新的滤波器结构能够根据输入图像自适应地确定滤波器参数,在提取静脉的同时抑制噪声。实验结果表明该方法可以有效地获得清晰完整的静脉结构,具有更强的去噪和增强效果以及更高的准确率。

基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,改善视电阻率曲线质量,具有较好的应用前景。

适用于直流保护的数学形态学降噪与噪声干扰识别方法

柔性直流输电系统是调节我国能源分布不均问题的重要手段,直流保护是保证柔直系统安全的重要技术。现有工程中多采用行波保护作为主保护,然而行波保护存在易受噪声影响、故障波头不易捕捉等问题,制约了其广泛应用。针对上述问题,提出数学形态学降噪与噪声干扰识别方法,并根据直流保护采样信号特点进行参数设计,用于直流保护采样信号降噪和噪声干扰的识别。首先,确定基于自适应多尺度形态滤波的直流信号降噪方法,并设计结构元素长度和形态学滤波器类型、自适应多尺度形态滤波器的滤波器阶数和步长。其次,确定基于形态学梯度变换的噪声干扰识别方法,并设计形态学梯度变换的阈值。接着,从不同角度对形态学降噪方法与现有典型信号处理方法的滤波效果进行对比分析。最后,对形态学降噪与噪声干扰识别方法和保护的配合效果进行验证。形态学降噪与噪声干扰识别方法所需采样频率较低,运算量适中,滤波效果好,对直流保护适用性好。

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering,AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L 0范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。

基于数学形态学的医学图像分割

采用分水岭算法对医学图像进行分割,并针对其容易产生过分割的缺点,作了两点改进:首先对原始图像进行自适应加权的多尺度形态滤波,然后引入浮点活动图像作为分水岭算法的输入。实验表明,该方法算法简单,能有效地抑制过分割现象,得到较好的分割效果。