形态非抽样小波及其在冲击信号特征提取中的应用

针对形态小波分解过程的抽样引起信号长度逐层递减的问题,提出一种基于多尺度Top-Hat变换的形态非抽样小波构造方法。利用形态非抽样小波的一般框架,分别采用形态学开运算和多尺度Top-Hat变换作为形态非抽样小波分解的近似信号和细节信号的分析算子,使形态小波分解过程中信号长度保持不变,从而保证了形态分析时所需的信息量。结合转子振动冲击特征信号提取试验,验证所提方法在故障诊断中应用的可行性与有效性。

基于提升模式非抽样小波变换的滚动轴承故障诊断方法研究

首先分析了传统离散小波变换在分解信号时的缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换方法。然后根据滚动轴承故障特征,提出了基于提升模式非抽样小波变换的滚动轴承故障诊断方法,在ADBE-56-N4型交流电机上实测了6305型滚动轴承正常情况、外圈故障、内圈故障时的振动信号,结果表明,与传统离散小波相比,该方法能更加有效地诊断滚动轴承的故障。

利用形态非抽样小波的电能质量扰动定位方法

由于电能质量扰动信号的波形具有不规则性与多变性,使得目前缺乏成熟的方法对其进行检测与定位。基于此,提出一种新的形态非抽样小波,并将其应用于电能质量扰动信号的检测定位。该形态小波包含了开闭与闭开组合滤波器与可检测突变信号上下边缘的形态梯度,满足信号重构条件。利用Matlab对单一扰动信号与混合扰动信号进行仿真验证,并与前人构造的形态非抽样小波进行对比分析。结果表明,所构造的形态非抽样小波具有很好的扰动信号特征描述能力及抗噪性能,即使在强噪声环境下,也能正确指示扰动起止时刻及突变极性,在电能质量扰动信号的检测定位上具有较好的适应性与可行性。

基于形态非抽样小波分解的滚动轴承故障特征提取

针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征。形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题。结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取。仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好。形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断。

基于非抽样小波字典的低速率视频编码

目前,大多数视频编码器所采用的核心编码技术都是基于分块DCT(discreted cosine transform)变换对帧预测误差进行编码,在极低编码速率下,这类编码器往往会产生人眼敏感的方块效应.而基于匹配跟踪冗余信号分解的视频编码器具有比H.263编码器更高的编码性能,但由于该算法需要在一个冗余字典里搜索最佳匹配误差结构的原子函数,其实现所需要的运算量比传统的编码器要高很多,因此影响了这种编码器的效率.提出了基于树形结构的非抽样小波字典的匹配跟踪算法,能够充分利用字典函数之间存在的滤波结构关系,使得整个算法实现的计算量显著下降.同时,考虑到相邻帧运动信息的连续性,最后还给出一种基于晶格结构的有效原子位置信息编码方法.实验结果表明,该算法保持了原有的编码性能,在视频编码应用中具有很好的实用价值.

基于提升模式的非抽样小波变换及其在故障诊断中的应用

由于传统离散小波变换在分解信号时采用抽样操作,使原始信号的部分时域特征不能保留在分解结果中;另外,分解结果的平移可变,使得分解结果不能完美地描述故障的时域特征。为了克服上述缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换框架。首先,通过信号变换方法去除提升小波变换的剖分环节,得到提升模式下的非抽样小波变换框架;在此基础上,建立提升模式下非抽样小波变换与抽样小波变换的预测器和更新器之间的转换关系,提出非抽样提升小波变换的分解和重构算法。采用这种非抽样小波变换从齿轮箱的振动信号中有效提取幅值调制和瞬态冲击的摩擦故障特征。

一种多元素多尺度形态非抽样小波分解方法

针对电动机轴承故障信号常被强背景噪声淹没的问题,提出了一种多元素多尺度形态非抽样小波分解方法,并将其应用于滚动轴承故障特征提取中。该方法基于形态非抽样小波的一般框架,结合了形态开闭-闭开混合算子的滤波特性以及形态梯度算子提取信号冲击成分的特点,对该算子的两部分分别使用三角形和扁平形结构元素,使效率最优化。仿真和试验证明,该方法既可以进行谐波与噪声滤除,又可以有效地提取冲击成分,较现有的形态非抽样小波方法有更好的效果。

非抽样小波变换耦合Zelnick矩的图像伪造检测算法

为解决目前复制粘贴伪造检测算法鲁棒性较差、检测精度低等不足,提出非抽样小波变换(UWT)耦合泽尼克矩(Zernike)的复制移动图像伪造检测算法。利用非抽样小波变换将输入图像分解为近似系数LL和详细系数HH,得出块与块间的相似性和差异度;划分重叠块,计算图像子块间距;根据LL相似性和HH差异性排序分类;引入泽尼克矩,构建距离矩阵,进行图像特征匹配,对图像进行伪造检测。实验结果表明,该算法具有很好的平移不变性和幅值旋转不变性,抗后处理性能好,精测精度高,漏检率和误检率低。

方向非抽样小波变换在多传感器图像融合中的应用

本文分析和研究非下采样方向滤波器组及具有平移不变性的非抽样小波变换的优点,提出了基于方向非抽样小波变换的图像融合方法。首先利用非抽样小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,最后将融合的各频带进行相应逆变换得到融合图像。实验表明,在不同评价标准下,本文方法优于传统小波变换和拉普拉斯金字塔变换的融合效果,并能有效地消除小波变换所带来的光谱扭曲和假边缘现象。

形态非抽样小波与灰色关联度的轴承故障诊断

文中针对滚动轴承振动信号的强噪声背景以及故障样本不易大量获取的问题,提出了一种基于形态非抽样小波与灰色关联度的滚动轴承故障诊断方法。形态非抽样小波克服了传统形态小波由于采用抽样方式分解而造成的信息丢失问题,具有良好的特征提取和抗噪性能。灰色关联度分析方法对小样本模式识别问题具有良好的分类效果,适用于滚动轴承的故障模式识别。文中首先利用差值形态滤波能够提取信号冲击成分的特点,提出一种多尺度形态非抽样小波方法提取滚动轴承故障特征,然后将形态非抽样小波分解后近似信号的归一化特征能量作为特征向量,最后通过比较待识别样本与标准故障模式的灰色关联度来对故障模式进行分类。实例表明该方法可取得良好的效果。

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。

基于形态非抽样小波和支持向量机的滚动轴承故障诊断

针对滚动轴承故障,文章提出了形态非抽样小波与支持向量机相结合进行滚动轴承故障诊断的方法,利用形态非抽样小波的简单快速运算、较好的保持故障信号的细节特征进行故障信号的提取,然后使用支持向量机进行滚动轴承的故障诊断,重点是通过对比小波变换和形态非抽样小波对故障信号分解和重构后获取的特征向量,验证了形态非抽样小波在特征向量提取和故障诊断中的优势。

基于非抽样小波的多阈值去噪

利用小波系数之间的相关关系,对变换后的小波系数进行分类,提出了基于多阈值的去噪方法。该方法利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系,把变换后系数分成与图像细节特征相关的系数、平滑区域相关的系数以及噪声相关的系数,对不同的系数采用不同的阈值处理策略以改进去噪效果。实验结果表明,与其它去噪方法相比,该方法不仅较好的保留了图像特征,而且具有良好的视觉效果,峰值信噪比也有较大幅度的提高。

基于非抽样小波字典和稀疏表示的图像去噪方法

图像去噪是图像处理中的关键问题之一,也是图像后续处理的基础,结合近年来兴起的稀疏表示理论,能更好地处理图像去噪问题。通过引入图像稀疏表示框架,从含噪图像自身中优化训练字典,初始字典选择构造非采样小波字典来更好地捕获图像信息,通过反复迭代学习获得高度自适应的过完备稀疏字典,重构图像时构造先验概率矩阵,结合后验概率估计与传统的正交匹配算法提出改进的图像重构算法。实验结果表明,与其他去噪方法相比,该算法具有良好的去噪能力,能较好地保持图像的边缘和细节特征,去噪后的图像更为清晰。

基于非抽样小波镜像变换的电弧特征提取

为准确度量电弧信号突变信号特征,运用非抽样小波镜像变换算法提取电弧信号特征。首先将截取到的电弧信号作镜像合成变换;其次,采用非线性小波阈值和非抽样小波分解与重构方法相结合滤除镜像信号噪声,减少消噪算法运算过程的计算量;最后通过信号镜像逆变换裁剪出真实的电弧波形。实验结果表明,与传统方法相比,新方法在降低信号噪声的同时,有效抑制了信号相位偏移,完整捕获电弧波形,避免信号两侧边缘发生畸变,满足焊接过程实时控制要求。

应用形态非抽样小波的电能质量扰动检测方法研究

由于传统的形态非抽样小波存在统计偏倚现象,对噪声过滤不彻底的问题,本文在数学形态学和小波变换的基础之上充分结合广义开闭-闭开混合滤波器及多分辨形态梯度的特性,提出一种改进的形态非抽样小波,并将其应用到电能质量扰动检测研究中.仿真结果表明,改进的形态非抽样小波在电能质量扰动检测的准确性和稳定性上得到了大幅度的提高.

一种基于非抽样小波变换的模糊逻辑图像融合算法

提出了一种基于非抽样小波变换的模糊逻辑图像融合方法.该方法利用非抽样小波对红外与可见光图像进行多尺度分解变换,可分别得到原图像的高频子带系数和低频子带系数;低频子带系数的融合准则采用自适应模糊逻辑算法,高频子带系数的融合准则采用绝对值最大法,最后对融合后的各子带系数进行非抽样小波逆变换得到融合图像.仿真实验表明,该方法对红外与可见光图像融合效果好且运算处理速度更快.

基于非抽样形态小波的图像融合方法

该文提出一种将二通道的非抽样形态小波(Un-decimated Morphological Wavelet,UMW)扩展为三通道的非抽样形态小波(3-Channels Un-decimated Morphological Wavelet,3CUMW)的方法,这种方法将图像的细节信号进行细化,拓展为2个通道的细节信号,针对不同物理含义的细节信号分别进行融合处理,从而改善融合图像的质量。通过红外与可见光图像、多聚焦图像、遥感图像的图像融合实验,证明该方法具有有效性。

基于非抽样小波和边缘保持的自适应图像降噪

提出了一种基于非抽样小波和边缘保持的自适应图像降噪方法。利用小波系数的层间相关性理论及小波域系数模型理论,对小波变换得到的系数进行了分类和处理。与当前许多方法的做法不同,本文算法将图像的小波系数分成了与边缘相关的系数、与同性区域相关的系数和与噪声相关的系数,针对这3类系数的特点,使用不同的策略进行分别处理,保证了降噪的性能。实验结果表明,与传统方法相比,该方法不仅可以获得较清楚的图像边缘,而且降噪后图像质量优良。

基于非抽样的小波变换的彩色图像增强方法

直接用灰度图像增强算法对真彩色图像增强,容易产生色彩偏差。提出一种新的增强算法:先将真彩色图像由RGB颜色空间转换到HSV颜色空间;再对饱和度分量V作非抽样小波变换,对变换域的低频系数采用对数变换以压缩动态范围进行增强,对高频系数进行分段线性变换以增强边缘及纹理;最后再用非抽样小波逆变换重构V分量,将图像由HSV空间还原到RGB颜色空间。实验表明,增强后的图像色彩基本无偏差,动态范围压缩良好,亮度对比度都得到明显提高,并且取得了较高的信息熵,空间频率,平均梯度,均方差。