一种基于分区标记的快速细化方法

在分析了已有的细化算法的基础上,提出了一种基于分区标记的快速细化方法,这种算法属于逐层剥离法,虽然不能避免逐层剥离法的局限性,但方法采用了系列优化措施。实例表明,该方法极大地提高了细化效率,为线自动、快速矢量化奠定了基础,具有推广意义。

一种改进的指纹快速细化算法

针对指纹快速细化算法中存在双像素宽的情况,研究快速细化后像素的8邻域像素值的特征,通过计算8邻域像素值的和以及8邻域中相邻像素间的关系,对快速细化算法进行改进,使细化的结果为单像素宽。改进的算法对指纹的细化效果好,速度快,效率高。

基于预测与跟踪的激光图像光迹快速细化方法

线形激光图像中光迹的细化是视觉测量的关键问题。由于激光成像过程中存在散斑噪声,导致图像中的光迹断裂,光迹粗糙,影响光迹细化的准确性和速度。针对上述问题,提出基于预测与跟踪的光迹快速细化方法。首先对激光图像进行预处理以简化计算和抑制散斑噪声,接着对光迹进行搜索与标记,然后运用基于预测与跟踪的方法快速定位光迹的中心线,完成光迹的细化。实验结果表明,该法能准确实现光迹细化,单幅图像的细化速度小于10 ms。

改进的指纹图象快速细化算法及其在DSP中的应用

快速细化算法是指纹图象细化中经常用到的算法,快速细化算法速度快,不会产生毛刺,但是其存在图象细化不彻底的问题,不能很好的满足指纹纹线处处为单像素宽度的指纹图象细化标准。结合已有的快速细化算法并对之改进构造出一种新的算法,操作对象为经过骨架化后的指纹图象,使之适合于指纹图像处理的要求以实现其在DSP中的应用。

基于精细化改进多尺度快速样本熵的旋转机械故障诊断方法研究

为了解决现有多尺度样本熵(Multiscale Sample Entropy, MSE)方法提取复杂序列特征时存在的计算效率低及幅值信息缺失等问题,提出精细化改进多尺度快速样本熵(Refined Improved Multiscale Fast Sample Entropy, RIMFSE)方法。首先使用快速样本熵代替传统样本熵,通过改进重构向量匹配机制大幅降低了计算成本,而后使用改进的多尺度拓展方法代替传统的粗粒化方法,避免了幅值信息的丢失。在此基础上,结合最大相关最小冗余(Max-relevance and Min-redundancy, mRMR)方法及支持向量机(Support Vector Machine, SVM)分类器提出一种新的旋转机械故障诊断方法。使用齿轮箱和轴承两个故障数据集对提出方法的性能进行验证,同时将提出的方法与MSE,复合MSE(Composite Multiscale Sample Entropy, CMSE)及精细化复合MSE(Refined Composite Multiscale Sample Entropy, RCMSE)等现有方法进行对比。结果表明,相较于MSE、CMSE及RCMSE,提出的方法在鲁棒性、计算效率及识别精度等方面均具有明显优势,为基于熵特征提取的旋转机械故障诊断提供了一种新的思路。

基于文字结构特征的快速平滑细化方法

本文提出了一种针对文本图象的平滑细化方法,该方法以汉字的结构特征为基础,由平滑和细化两大部分组成。平滑方法依据近邻象素相关函数,滤除了影响汉字结构特征的噪声。细化方法又分为快速边缘检测算法和内外边缘同步细化算法,该算法的显著特点,是利用汉字边缘特征,状态字和连通图指导快速细化。同时采用判别树形式使条件判断所需时间最少。该处理方法失真小,速度快。

一种改进的快速并行细化算法

对二值化的图像进行细化处理在目标识别中有着重要的应用.Zhang快速并行细化算法是一种常用的细化算法,其细化结果保持了原图像的连通性,且形态结构保持较好,无毛刺现象.但是细化后结果不能保证为单一像素,这为图像的后期处理带来了困难.本文对Zhang并行细化算法进行了改进,实验结果表明改进后的细化结果保证为单一像素,且又保持原有算法的优点.

快速并行细化算法在焊缝识别中的实现

针对焊接部分和其他部分的特征区分不明显,在焊缝质量检测的图像采集中可能会存在大量噪点从而导致焊缝识别出现偏差的问题,提出一种基于图像快速并行细化的焊缝识别方法。文章给出图像获得、图像灰度转化、图像二值化、图像缩小、图像快速并行细化的处理步骤及采用C#语言对焊缝识别的编程实现,并对实际焊缝图像进行实验验证。该算法对图像的焊缝骨架提取较为准确,同时具有运行效率高和易于移植的特点。

面向字符识别的快速小形变细化算法

本文描述了现有字符细化算法的思想及其缺陷 ,并且在分析细化形变根源的基础上给出了一种面向字符识别的快速细化算法。该算法不仅速度非常快 ,而且不会产生毛刺和伪分支点 ,细化后字符骨架形变很小。

基于DSP的快速频谱细化分析的方法

在低通采样的频谱分析仪中,DSP需要进行大数据量的频谱分析,存在工作时间过长、运算复杂的问题。使用FFT分解的方法,充分利用DSP的内部存储器资源,将大量数据的FFT运算分析分解成为多次小量数据的FFT和DFT分析,得到了设置频率范围内的频谱分析数据,减少了频谱分析的数据量和运算量,缩短了DSP处理时间,提高了频谱分析仪的工作效率。

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究,分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点,针对这两种算法的不足,分析其产生的原因,并且在第二种算法的基础上,重新构建了细化模板,提出了一种新的细化算法。经过实验证明,该算法能够很好的满足细化的要求,细化完全彻底,细化以后的指纹骨架在纹线中心线,并保持了纹线原有的拓外结构和细节特征,而且光滑无毛刺,运算速度也很快。

指纹图像细化的综合化算法

指纹图像细化指将指纹脊线削减为单像素宽的线条,它能够有效地提高自动指纹识别系统(AFIS)的性能.根据OPTA算法及其改进算法,结合AFIS对图像细化算法在运算速度和系统资源两方面的要求,提出一种基于快速细化算法并引入OPTA算法优点的改进算法,该算法对指纹二值图像的细化结果满足8连接条件.在FVC指纹数据库上的测试结果表明,文中算法能够获得正确的指纹细化图像,运算速度满足AFIS的要求.

基于CZT和Zoom-FFT的频谱细化分析中能量泄漏的研究

在经典谱估计理论中,频谱能量泄漏是导致频谱失真的主要误差因素。CZT和Zoom-FFT是两种重要的频谱细化分析算法,本文对这两种方法的能量泄漏进行了详细的分析,并仿真分析了不同种类和不同宽度的窗对谱泄漏的影响。分析和仿真的结果表明,Zoom-FFT可以大大减小频谱能量泄漏,获得更高质量的细化频谱。

基于Zoom-FFT频谱细化的水声目标螺旋桨轴数提取技术

基于对水声目标调制谱结构特征的分析,在传统包络信号探测(DEMON)谱分析方法基础上,采用细化-快速傅里叶变换(Zoom-FFT)算法,提高轴频位置带宽内的频率分辨率,实现频谱细化处理,从而提取到水声目标螺旋桨轴数。利用实测信号数据及仿真试验数据进行了分析验证。试验结果表明,该算法对于水声目标螺旋桨轴数的识别准确率可达80%以上,具有工程实用价值。

基于小波包和细化包络分析的滚动轴承故障诊断方法研究

滚动轴承故障是旋转机械常见的故障之一,针对传统包络解调分析方法需要人为选定共振频带的缺陷,首先采用小波包变换滤波的方法提取滚动轴承固有频率共振频带的信号,并对提取的信号进行重构,滤除了其他信号的干扰.然后用Hilbert变换检波的方法对提取的重构信号实现包络解调,去除高频固有振动成分,诊断轴承的缺陷信息.为了进一步提高包络谱的分辨率,最后采用快速傅立叶变换-傅立叶级数(FFT-FS)方法细化频谱.并在ADBE-56-N4型交流电机上实测了6350型滚动轴承故障模拟信号,与理论分析基本吻合.

基于Zoom-FFT-CEEMD和小波包降噪的风电机组齿轮箱故障特征提取和诊断

基于信号处理的风电机组齿轮箱故障诊断是风力发电领域中的重要研究方向。针对风电机组齿轮箱故障特征提取问题,提出了一种基于Zoom-FFT-CEEMD和小波包降噪的方法。通过对在风电机组齿轮箱振动测点所采集到各个测点的振动加速度信号做RMS趋势分析,找出RMS趋势明显上升的测点和时间段。利用小波包降噪技术对该测点的振动信号进行降噪处理,互补集合经验模态分解(CEEMD)得到的分量对振动信号进行多尺度分析,再使用Zoom算法对齿轮箱振动信号进行局部放大,以突出故障信号。利用快速傅里叶变换(FFT)对放大后的信号进行频谱分析,以提高故障特征的提取准确性。实验结果表明,与传统频谱分析法相比,该方法能够有效地提取风电机组齿轮箱的故障特征,具有较高的准确性和稳定性,为风电机组齿轮箱的早期故障诊断提供了一种有效的方法。

改进的EPTA并行细化算法

为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS(ZHANG和SUEN)并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。

基于ZS细化改进算法的仪表盘指针读数方法

目的:针对目前汽车仪表盘质量检测中采用人工读取指针示数方法导致的效率低下、误差较大等问题提出一种基于ZS细化改进算法的汽车仪表盘指针读数方法.方法:首先利用面阵CCD相机获取汽车仪表盘原始图像并进行预处理,运用ZS细化算法获取初始细化图像;然后采用先斜线再十字的搜索和方向判别方法对ZS细化算法进行改进,实现了对初始细化图像的充分细化;最后利用最小二乘法进行直线拟合,并计算出指针读数.结果:实验表明,该方法解决了ZS快速并行细化算法中局部像素冗余、细化直线存在分叉的问题,从而提高了直线识别的准确度.结论:该方法较原算法的平均相对误差降低了0.55%.

大豆植株分杈数自动提取算法研究

根据大豆植株分杈个数可以预估大豆的产量。为了满足现代农业预测农产品产量的需要,本文提出一种大豆植株分杈数自动提取算法,即首先将采集到的大豆植株图片进行灰度变换、滤波、阈值分割得到二值图像,再进行形态学中的闭运算操作得到大豆植株的轮廓,然后基于Zhang并行快速细化算法提取骨架,最后借助改进的角点检测算法对大豆植株的所有分杈点进行标记并自动统计分杈数,仿真结果与大豆植株实际分杈点一致。

高动态下SINS辅助北斗捕获方法优化

针对高动态环境下北斗卫星信号不易快速捕获和捕获精度低的问题,在传统快速傅里叶变换并行码相位捕获算法的基础上,提出一种基于细化快速傅里叶变换(Zoom-FFT)的捷联惯性导航系统(SINS)辅助北斗B1信号捕获的算法,并设计高动态信源进行仿真校验。仿真结果表明,该方法的冷启动时间比无辅助缩短了50%以上,温启动捕获时间仅为无辅助的2%左右,并且使系统捕获的灵敏性得到了改善;同时使捕获的载波频率估计分辨率提高50倍以上,误差在10Hz以内。优化算法可以使高动态环境下的SINS/北斗深组合导航系统具有较快的卫星信号捕获速度和较窄的载波频率捕获带,并且提高了系统捕获的性能。