一种图像噪声的形态学多尺度去除方法

提出了一种基于形态学多尺度的图像噪声去除方法,该方法首先利用形态学多尺度开闭重建运算对噪声图像进行多尺度重建,将噪声图像分解为一系列尺度不同的特征图像叠加,然后对叠加特征图像进行尺度模式谱分析,确定图像中噪声对应的尺度范围,最后将噪声尺度对应的特征图像从噪声中去除,达到同时消除噪声和保持图像目标信息完整及准确定位的目的。仿真实验表明,该方法能够有效地去除不同类型的图像噪声,具有较高的输出信噪比,同时保持了图像信息的完整和图像目标的准确定位。

基于形态学多尺度修正的脑肿瘤分割

针对脑部核磁共振成像(MRI)图像中因噪声、肿瘤内部灰度不均匀、模糊及边界不连续等造成肿瘤难以准确分割的问题,提出了一种基于形态学多尺度修正的控制标记符分水岭分割方法。该方法在形态学梯度图像基础上,根据不同像素点所在特定邻域内的梯度值自适应确定结构元素的大小;然后,对图像进行形态学多尺度修正,保证修正过程中目标轮廓不发生较大偏移;最后,采用控制标记符的分水岭变换对图像进行分割。实验结果表明,该方法可对脑肿瘤进行较精确的分割。

一种程度可控的形态学多尺度梯度分水岭算法

为解决分水岭算法中的过分割现象,提出了一种基于多尺度形态学梯度的谷底填充算法,通过调整填充阈值的方式实现对分割区域数量的控制,同时利用Canny边缘检测算子获取图像边缘信息,以此对梯度图中的边缘位置进行强化和修正,确保分割出的区域轮廓在谷底填充过程中尽可能地保持与目标边缘拟合。仿真结果表明,此算法对于改善过分割现象有明显效果,并且对分割程度具备可控能力,在适应不同场景需求方面存在一定的应用价值。

基于频率域峭度谱迭代阈值的多尺度形态学轴承故障诊断方法

在复杂恶劣的环境中,存在滚动轴承故障信息难以准确提取的问题。因此,引用多尺度数学形态学对滚动轴承故障诊断开展研究。由于小尺度形态学滤波能较好的保存信号的细节特征,大尺度形态学滤波能有效抑制噪声,因此为了能更好的兼顾噪声抑制和故障特征信息保存,采用迭代阈值的方法选取尺度范围,运用频率域峭度谱方法计算出阈值,然后通过迭代自适应获取最佳尺度区间。多尺度形态学信号重构加权方法引用加权多尺度形态梯度算法,该方法能保证小尺度具有较小的权重,大尺度具有大权重。通过仿真和实验表明:多尺度形态学有效检测出滚动轴承故障信号,深度挖掘滚动轴承故障特征信息。

基于改进多尺度形态学的裂缝图像去噪算法

AGV小车行驶场地中地面的光照不均、对比度低,背景复杂会导致裂缝图片采集时图像偏暗并带有较多混合噪声,传统去噪算法不能有效去噪。针对传统算法的不足,提出一种基于改进多尺度形态学的裂缝图像去噪算法。选取一个合适的结构元素,将其循环膨胀得到形状相同大小不同的多个结构元素,用得到的多个结构元素依次对裂缝图像开运算处理并将处理结果叠加,再使用纹理均衡的补偿方法处理结果并输出。通过与传统中值滤波、均值滤波、多尺度形态学滤波等方法比较,提出的新方法不仅能够降低图像中的噪声,有效地保护裂缝边缘,同时有利于裂缝特征的分割。

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EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。

基于多尺度形态学大豆图像滤波方法

提出了一种基于多尺度形态学滤波算法,用于减少噪声影响从而提高大豆图像质量。首先用多尺度结构元素分别对原图像进行开闭重建运算,构造形态学开闭塔;然后计算相邻尺度形态学开闭重建图像间的差,构造亮特征和暗特征的差异塔;最后根据不同尺度的亮特征和暗特征重建图像。通过一组被不同噪声污染的大豆图像验证该文提出的滤波算法,并采用一些标准的评估方法将该文方法与文中提到的其它滤波方法在不同噪声污染情况下进行比较,试验结果表明本文方法的滤波效果优于其它方法。

基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用

为了从故障轴承信号中提取包含故障信号的特征频率,提出了基于LMD(Local Mean Decomposition,LMD)自适应多尺度形态学和Teager能量算子解调的方法。首先,采用LMD将目标信号分解成有限个PF(Product Function,PF)分量,分别对其进行多尺度形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应寻求最优解,最后用Teager能量算子计算各PF分量的瞬时幅值,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。为了验证理论的正确性,进行了数字仿真实验和轴承故障模拟实验,并与EMD形态学和包络解调方法进行了比较,结果表明该算法明显优于其他两种方法,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的频率特征。

基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法

为了从强噪背景中提取滚动轴承微弱故障特征,提出一种基于噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分析方法,其克服了集成经验模态分解的模态混淆和运算量大等问题。将NAMEMD与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用NAMEMD将多分量调频调幅故障信号自适应分解为一系列IMF分量;其次,选取能量高的IMF分量求和重构;最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性,进行了仿真试验和轴承故障试验,并与EEMD和包络解调进行了比较,结果表明该方法在进一步降低模态混叠效应的同时,明显提高了运算速度,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的故障特征频率。

证据加权融合的多尺度形态学细胞边缘检测

提出了一种改进的多尺度形态边缘检测算法。用不同尺度的结构元素分别检测出图像的不同尺寸的边缘信息,然后采用证据加权的融合方法对不同尺寸的边缘图像进行融合。通过对病理显微图像的实验,在噪声存在的条件下得到较为理想的图像边缘。与其他边缘检测算法进行比较,结果表明该算法在有效地消除噪声的同时,能够取得较好的边缘检测效果。

滚动轴承故障诊断的阶比多尺度形态学解调方法

针对变转速下滚动轴承的故障诊断问题,提出滚动轴承故障诊断的阶比多尺度形态学解调方法。该方法先采用线调频小波路径追踪算法获得轴承的故障特征频率,再对非平稳转速下时域振动信号的包络进行等角度重采样得到平稳信号,并用基于信号局部峰值的方法确定多尺度形态学分析的结构元素,用各结构元素对重采样信号进行形态学操作,最后对操作结果的平均值做频谱分析,以完成阶比多尺度形态学的解调过程。线调频小波路径追踪算法能很好地提取轴承非平稳振动信号的故障特征频率,而多尺度形态学解调是对各尺度形态学分析结果的平均值进行频谱分析,能有效地抑制噪声,从而使得该方法具有很好的抗噪性能,适用于工程实际中变转速轴承振动信号的分析。仿真分析和应用实例证明了该方法的有效性和优越性。

齿轮箱故障振动信号的阶比多尺度形态学解调

为从非平稳转速齿轮箱故障振动信号中提取包含故障信息的特征频率,提出阶比多尺度形态学解调方法,该方法采用线调频小波路径追踪算法获得齿轮箱转速信号,根据转速信号对时域振动信号进行等角度重采样,并用基于信号局部峰值的方法确定多尺度形态学分析的结构元素,用各结构元素对重采样信号进行形态学操作,对操作结果的平均值做频谱分析,以完成阶比多尺度形态学的解调过程。由于噪声与线调频基元函数的相似性很小,使得线调频小波路径追踪算法能从低信噪比的时域振动信号中准确获得转速信号,而多尺度形态学解调是对各尺度形态学分析结果的平均值进行频谱分析,能有效地抑制噪声,从而使得该方法具有很好的抗噪性能,适合用于工程实际中转速波动齿轮箱振动信号的分析,仿真分析和应用实例证明该方法的有效性和优越性。

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。

利用多尺度形态学识别微地震监测中的弱信号

针对井中微地震监测数据由于信噪比低、震源强度小、信号弱等原因造成的有效信号难于识别的问题,本文将多尺度形态学理论应用于弱信号分析、识别中。有效信号与噪声在振幅和延续时间上具有一定的差异,因此可以在形态上进行数字信号分析。该方法基于波形形态的细节差异进行分析,对数据的形态特征进行分解。利用形态学中多个尺度的结构元素与原始数据进行运算,可以得到不同尺度的分量。通过分析不同尺度下的信号特征,估计并检测出微弱信号和噪声。模型数据测试和野外实际微地震资料处理结果均表明,本文方法可有效地识别较弱的信号并对噪声进行压制,验证了该方法的有效性和实用性。

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法,针对弱目标和背景噪声的结构差异,选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用,结构元素的形态决定了这种运算所提取的信号的形态信息,因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性,使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度,对图像进行多尺度分析,能准确提取图像在不同尺度下形状的分层特征和有用信息。

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.

用多尺度形态学方法实现成像测井电导率图像的缝洞参数表征

裂缝和溶蚀孔洞为缝洞型储层提供了主要的储集空间和渗流通道,其分布的随机性和复杂性严重影响了对缝洞储层的定量评价。基于高覆盖率和高分辨率的电成像测井数据,采用多尺度数学形态学方法提取电导率图像中的缝洞孔隙度谱。选择不同尺度和形状的结构元素,构造不同种类的形态学滤波算子,实现井壁裂缝和溶蚀孔洞的电导率异常边缘检测。针对缝洞异常的边缘检测结果,用椭圆形函数拟合溶蚀孔洞,用多项式插值函数拟合裂缝边缘,继而提取缝洞参数并获得缝洞孔隙度谱。实验结果表明,用多尺度数学形态学方法对电导率图像的边缘检测有效地实现了缝洞的自动识别,验证了该方法计算缝洞孔隙度谱的准确性。

基于多尺度形态学的舞台机械控制系统编码器故障诊断方法

针对舞台控制系统中常用的一类传感器——编码器故障问题,提出一种多尺度形态学分解方法.通过对故障原因及故障模式的分析,采用多尺度形态学对故障信号进行分解;借助于DIF滤波器本身具有展现信号冲击特征的能力,采用其对分解后的信号进行处理,并用于信号的重构,从而使重构后的信号在故障发生时刻能够突显故障的特征,以此实现对故障编码器的检测.通过模拟不同类型的故障,仿真实验及实践应用验证本文算法的有效性.