尺度空间滤波在局部放电脉冲提取中的应用

在提出脉冲提取思想的基础上,利用局部放电信号所固有的奇异性特征,将小波变换的奇异性检测原理应用于提取局部放电脉冲。为了满足局部放电在线监测的在线准实时要求,提出了改进的尺度空间滤波算法,并将其应用于局部放电脉冲的提取。通过相邻尺度的小波系数直接相乘,可以突出奇异点的信号,并获得基于尺度的屏蔽滤波器,将阈值方法和尺度空间滤波相结合,最终得到基于时域的屏蔽滤波器,将时域滤波器和原信号相乘,就可以提取出局部放电脉冲。仿真试验和发电机实测信号的算例表明,相对于模极大值算法,该方法在提高运算速度的基础上,不但能准确检测出局部放电脉冲,而且能很好地保持局部放电脉冲的幅度和位置。

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。

基于自适应尺度空间滤波的脑事件关联电位单次提取

提出一种基于自适应尺度空间滤波的脑事件关联电位单次提取方法。通过对背景噪声的分析 ,自适应地提取最大脉冲噪声宽度 ,将其作为尺度大小的基准 ,然后由此确定滤波窗口的大小 ,最后用尺度空间滤波算法对记录到的信号进行处理。实验结果表明 ,本文提出的方法不但具有良好的单次提取效果 ,而且具有很强的适应性和稳健性。

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.

分形图像的小波变换和尺度空间滤波

本文将小波变换和尺度空间滤波作为尺度平移映射(SSM)的特殊情形来考虑,而SSM用来分析单一分形的几何复杂度。这种方法能够揭示分形的结构规律和计算分形维数。最后,运用从尺度平移映射中得出的结果来计算一类分形图像的迭代函数系统(IFS)编码,并用一些例子来说明该方法的效果。

基于人眼视觉特性的彩色图象分割方法

提出一种基于人眼视觉特性的彩色图象分割方法，不但考虑图象在各颜色坐标系下的分类，而且考虑图象色彩的相似度情况下图象的分类。实验证明，该方法能够避免过分割现象,更能被人眼的视觉感官所接受。

均值漂移带宽选取新方法及其在分割肺结节中的应用

针对肺结节与周围组织相连且边缘模糊造成分割困难的问题,提出一种新的均值漂移(meanshift)带宽自动选取方法并采用均值漂移算法解决结节分割.与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的正确带宽参数.应用带宽选择定理确定带宽参数的初始值,利用尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数.该方法对毛玻璃型、粘连血管型、贴胸壁型和各向异性型进行评估实验,都取得了正确的分割结果.结果表明,该方法对分割结节是有效的.

多光谱遥感影像建筑物提取

针对传统遥感影像目标提取对数据要求严格及应用受限的问题,提出一种基于非线性尺度空间滤波的建筑物提取算法.首先,构造多光谱影像各个波段的非线性尺度空间并进行迭代滤波;然后,搜索全局影像的标准差曲线的第一个谷点,停止迭代过程;最后,利用最大类间方差法分别对各个波段的滤波结果进行二值化.为了验证本文方法的有效性,选取福州市的一幅航空影像,并与同类方法进行对比.试验结果表明,本文算法能在平滑噪声的同时保留建筑物边缘信息,对于提取排列紧密的建筑物有更好的效果,在保证查准率的前提下,查全率有5%以上的提高.

一种图像分割聚类数自适应计算方法

聚类理论是进行图像分割时的一种常用工具,然而多数聚类算法不能自动确定合适的聚类个数.提出一种基于高斯核密度函数的图像分割聚类数自适应计算方法.首先运用尺度空间滤波理论得到相应图像灰度值核密度函数的指纹图,然后运用高斯滤波理论得到滤波之后的核密度函数,再根据其与原核密度函数的相似程度得到聚类个数,最后将其作为核模糊聚类算法的初始参数进行分割.我们利用聚类标准I指标对分割结果进行评价,结果表明,该方法能准确地确定图像的初始聚类个数,并能达到更好的分割效果.

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。