融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。

基于数学形态学和沃尔什变换的配电网高阻接地故障检测

配电网中高阻接地故障(high impedance grounding fault,HIGF)时常发生,故障一维零序电流信号特征模糊、微弱,极易与励磁涌流、电容器投切信号混淆。为此,提出一种基于相空间重构、数学形态学(mathematical morphology,MM)-沃尔什变换(Walsh transform,WT)的HIGF识别方法。首先,使用联合参数选取算法确定延迟时间和嵌入维数,利用坐标重构法对仿真零序电流信号进行相空间重构,获得重构轨迹图,以发掘在一维空间无法观测到的特征;然后,使用MM对重构图像进行去噪以及边缘特征提取;接着,采用MM-WT算法提取重构图像特征;最后,计算提取的图像特征的脉冲因子和对称因子,实现对HIGF和其他扰动事件的识别。在PSCAD/EMTDC和RSCAD/RTDS上进行仿真实验,结果验证了所提算法的可靠性和可行性。

基于广义S变换与数学形态学的局部放电窄带干扰抑制方法

针对高压电力设备局部放电信号受周期性窄带干扰影响大的问题,提出了一种基于广义S变换与数学形态学的局部放电窄带干扰抑制方法。该方法可以从染噪局部放电(partial discharge,PD)信号中分离出原始PD信号和窄带干扰信号的时频谱图,从而在时频域内准确辨识出窄带干扰和原始PD信号,避免强能量的窄带干扰掩盖原始PD信号时频特征的问题。再利用总体最小二乘不变旋转矢量技术准确估计窄带干扰的特征参数,以抑制染噪PD信号中窄带干扰。对仿真和实测PD信号开展窄带干扰的抑制测试,测试结果表明:该文所提方法可以有效分离出染噪PD信号时频谱图中窄带干扰和PD信号,提高了时频分析的准确率;同时相比于传统的快速傅里叶变换(fast Fourier transform,FFT)算法谱最小熵解卷积滤波法和自适应奇异值分解法,该文方法能够有效抑制小幅值的窄带干扰,具备更好的窄带干扰抑制效果,以恢复局放信号的波形特征。

综合利用光谱特征、形态学特征和霍夫变换的无人机图像玉米幼苗分布信息提取

提出一种利用光谱特征、形态学特征和霍夫变换的无人机图像玉米幼苗分布信息提取方法。首先,从无人机图像中提取光谱特征和形态学特征,利用改进的单类随机森林算法,分别得到基于光谱特征和基于形态学特征的玉米幼苗图像分类结果。然后,利用霍夫变换方法,从基于形态学特征的玉米幼苗图像分类结果中提取玉米幼苗行线。最后,利用得到的玉米幼苗行线,优化基于光谱特征的玉米幼苗图像分类结果,得到最终的幼苗分布信息提取结果。两个研究区提取结果的对比表明,所提方法有效地结合了形态学特征与霍夫变换的特点,与现有方法相比,可以得到更好的玉米幼苗分布信息提取结果。

基于形态学特征的机械零件焊接裂纹无损图像检测方法

在机械零件焊接裂纹检测中,由于采集的图像中焊接边界受到反射波干扰,其存在模糊化噪点,导致检测不准确。为解决该问题,基于边界形态中形状基不变原理,提出考虑形态学特征的机械零件焊接裂纹无损图像检测方法。该方法采用机器视觉技术采集机械零件焊接的视觉图像,通过照明反射模型和傅里叶变换,滤除图像受到光学干扰产生的模糊化噪点。通过二层小波分解图像,构建低频近似分量和高频细节分量。引入形态学算法,以结构元素为核心,通过腐蚀和膨胀处理,并且通过优化腐蚀次数和同态滤波进行优化,提取机械零件焊接裂纹的形态学特征,实现机械零件焊接裂纹无损检测。经过试验证明,所提方法采集的视觉图像更加清晰,可以有效提取裂纹形态学特征和裂纹,其机械零件焊接裂纹检测位置与实际位置基本一致,误差仅为0.01,说明该方法检测精度较高。

基于双树复小波包变换和形态学的减速机故障诊断

针对煤机设备减速机的振动信号特征难以提取的问题,提出了双树复小波包变换和形态学相结合的故障特征提取策略。首先利用双树复小波将减速机的振动信号分解成若干个不同频段的分量。然后根据减速机故障特征频率分布特征,选取相关的频段分量进行降噪重构。最后对重构后含有故障特征频率的分量进行形态滤波处理,进而提取出减速机的故障特征。利用现场实测数据进行验证,结果表明,该故障特征提取策略可以有效地提取出减速机的故障特征。

基于小波包变换和形态学滤波的小目标检测算法

为从红外图像中提取出微弱的小目标,提出一种小波包变换和顶帽运算相结合进行图像处理的小目标检测算法。首先利用小波包分解得到原图像不同子带的低频分量和水平、垂直、对角三个方向的高频分量,然后采用软阈值去噪方法滤除高频分量中的噪声并进行小波包重构;最后利用顶帽算法对背景进行处理并进行二值图像分割。算法充分利用小波包多尺度、多方向性特点,在大面积海空背景抑制、小目标增强方面进行了改进,在信噪较低的情况下,能够从不同背景的红外图像中有效检测小目标。

结合小波变换与数学形态学的电缆局放信号识别与降噪方法

针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声。利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类。基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景。

基于多方向小波变换及形态学重构的SAR图像边缘检测

结合小波变换和形态学的优点,针对SAR图像提出了一种改进的边缘检测方法。图像小波分解后,对3个方向的高频子图像分别利用Donoho的软门限阈值去噪,采用不同方向的边缘检测算子进行边缘检测,对低频子图像用形态学的开闭运算去噪后采用腐蚀运算进行边缘检测,利用得到的高、低频边缘子图像进行小波逆变换重构出图像边缘。实验结果表明,该算法规则简单,不需要人为设定阈值,泛化能力强,较好地再现了图像的边缘信息,是一种有效的图像边缘检测算法。

一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.

基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声 ,通过实验表明 ,用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法 ,提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效 ,边缘定位准确 ,对噪声有一定的抑制作用 。

基于形态学小波变换的图像融合算法

在给出基于小波变换图像融合算法的基础上,为了增强图像的质量,提高图像分辨率,提出一种基于数学形态学的小波变换图像融合算法。对读入的图像进行小波变换分解,将分解后的高低频系数用一个扩展矩阵进行存储。在低频分量系数选择中,采用数学形态学方法进行边缘检测,得到边缘图像后,对边缘图像中的尺度系数采用加权平均法进行融合。在选择高频系数时,基于绝对值最大的原则。对多组图像进行实验,实验结果表明,该算法优于传统的融合算法,有效提高了图像的分辨率。

基于小波变换和数学形态学的局部放电信号分析方法

应用小波变换与数学形态学相融合的方法对含有强噪声的局部放电信号进行消噪,并与小波变换的阈值法进行了比较,发现该方法能更有效地消除局部放电信号的噪声,同时能很好地保留原信号特征。采用多尺度数学形态学开运算提取消噪后的局部放电信号数学形态谱,通过形态谱的提取可看出每种放电类型具有不同的形态特征,为放电类型的识别打下基础。

改进的形态学和小波变换边缘检测算法研究

针对传统数学形态学边缘检测算法存在的图像噪声干扰、边缘分辨率较低等问题,提出了一种基于数学形态学与小波变换方法相结合的边缘检测改进算法。在小波域中,对图像分解的弱边缘进行适当的加强,对低频系数采用模极大值法进行边缘处理,对边缘细节比较多的高频系数采用基于多尺度的双结构元素数学形态学算法进行边缘检测,最终得到图像的完整边缘。实验结果表明与传统的小波变换边缘检测法以及数学形态学边缘检测等方法相比,此种算法更能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。

小波变换和数学形态学在电力扰动信号消噪中的应用

基于小波变换和数学形态学的信号消噪方法都已被充分证明是行之有效的,但两种方法应用于电力扰动信号这一特殊对象的消噪是否能够适应良好,根据不同的信号和精度要求如何选择不同的消噪方法,成为一个很重要的问题。基于此,建立了重构因子用以评价算法对信号的重构能力,并对几种典型电力扰动信号进行了分析,通过计算其重构因子,讨论了两种算法对不同信号的适应性。通过仿真分析,得出对于无暂态脉冲或高频振荡扰动的信号,两种方法都是有效的,可根据计算速度和精度的不同要求予以选择;对于含暂态脉冲和振荡扰动的信号,基于小波变换的消噪效果明显优于基于数学形态学的消噪方法。

基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测

针对舰载红外搜索与跟踪系统中的弱目标检测问题,本文首先提出了一种采用小波变换与灰度形态学滤波相结合的背景抑制与目标增强算法;然后基于所提出的背景抑制与目标增强算法设计了一种双波段红外图像弱目标融合检测方法;最后采用实际的双波段红外图像序列对所提出的背景抑制与目标增强算法和所设计的双波段红外图像弱目标融合检测方法进行了实验测试,并给出了详细的分析与比较。实验结果显示所提出的背景抑制与目标增强算法在较大程度上改善了在信噪比条件下的红外图像弱目标检测效率,而双波段红外图像的应用进一步提高了系统的目标检测性能。

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.

基于小波变换和数学形态学的遥感图像人工建筑区提取

为了快速定位中高分辨率可见光遥感图像中的人工建筑目标,一般需要先对目标进行粗定位,提取人工建筑区域。根据遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,提出了基于小波变换和数学形态学的遥感图像人工建筑区提取算法。该算法先对遥感图像进行小波变换,将不同地貌的信息转换到不同频带,再对高频信息进行融合,并将融合后的高频信息中幅度变化剧烈的区域看作"山峰",变化平稳的区域看作"盆地",最后采用形态学重建的方法提取人工建筑区,实验结果表明,该算法具有快速性和准确性的特点。

基于融合技术的小波变换和形态学边缘检测算法

提出了一种图像边缘检测的方法.本算法将小波变换和数学形态学相结合,并采用简单的融合策略,确定图像边缘位置.在小波域中,对高频子图像用小波模极大法进行边缘检测,对低频子图像用数学形态学法进行边缘检测,然后采用一定的融合规则分别对高、低频边缘子图像进行融合,最后进行小波逆变换重构融合图像.实验结果表明,该算法融合规则简单,泛化能力强,能有效地抑制噪声,较好地再现图像的边缘信息,是一种有效的图像边缘检测算法.

基于小波变换与形态学运算的ECG自适应滤波算法

针对ECG信号常用滤波算法存在的缺陷,提出了基于小波变换与形态学运算的自适应滤波新算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,利用自适应滤波器调整对含噪ECG信号进行滤波处理。最后,经实验验证了本文算法的有效性。