双树复小波变换下的数字图像鲁棒性水印方法

为提高数字图像的峰值信噪比,提出基于双树复小波变换的数字图像鲁棒性水印方法。利用双树复小波变换对原始输入图像进行分解,结合小波函数与图像重构条件,降低输出信息的冗余度,并通过计算各子图的高频变量,确定水印嵌入位置,以此为依据,根据嵌入强度因子与水印嵌入密钥实现水印的嵌入,通过图像水印序列的解扩与反置乱操作,对图像水印进行提取,继而完成水印的嵌入与提取过程。实验结果表明,所提方法的峰值信噪比较高,具有良好的鲁棒性。

基于复剪切波变换与VGG19模型的医学图像融合方法

针对传统医学图像融合方法存在的细节信息不够清晰、边缘信息易丢失和图像失真等缺点,以及深度学习网络缺乏足够的训练数据集等问题,提出了一种基于复剪切波变换和预训练网络模型VGG19的多模态医学图像融合方法。首先,利用复剪切波变换提取医学图像边缘和纹理信息,并得到多尺度、多方向的子带系数。然后,使用加权局部能量和修正的拉普拉斯算子对低频子带系数进行融合;引入预训练的VGG19提取多层特征图,结合加权评估规则来获取高频子带的融合结果。最后,对融合的高频和低频子带,施加复剪切波逆变换重构融合图像。实验表明,该方法得到的融合图像,不仅可以清晰地显示图像的细节信息和边缘信息,而且能够有效抑制伪影和失真现象的产生,在主观视觉比较和6种客观评价指标下能够达到更佳融合效果。

一种反衍拟合的复小波改进方法在XRF图谱本底扣除中的应用

X射线荧光光谱(XRF)分析是煤中金属元素定量分析的重要方法,本底扣除准确度直接影响矿物金属分选的精细度。针对传统本底扣除方法本底契合度低、衍射峰面积误差大的问题,本文提出了一种基于复小波变换的反衍拟合XRF本底扣除优化方法。利用逆置寻谷的方法获得模拟本底谱线,通过拉格朗日插值法剥离谱线中的重叠峰谷,使模拟谱线进一步逼近实际本底,利用复小波变换方法对模拟本底谱线进行分解与重构,最终获得XRF图谱本底。利用反衍拟合的复小波改进方法对仿真图谱和真实图谱进行本底扣除实验,并与实数小波和双树复小波进行对比分析。实验结果表明,本文提出的方法衍射峰净峰面积误差低于1%,本底面积误差低于0.1%,本底准确性明显优于传统方法。

基于双树复小波变换的磁共振幅值相位同时重建

为了加快磁共振成像速度及同时获取可信度较高的磁共振幅值和相位信息,提出了一种基于双树复小波变换的磁共振幅值和相位同时重建算法。该算法在传统的压缩感知框架下,借助双树复小波变换的多方向选择性和平移不变性,对幅值和相位分别进行稀疏变换。实验结果表明,在不同的数据集下,该算法均能提高重建磁共振相位图像的质量,并一定程度地改善了幅值图像。

用于低剂量CT图像去噪的多级双树复小波网络

基于卷积神经网络(CNN)的图像去噪方法能有效去除低剂量计算机断层扫描(CT)图像伴随的伪影和噪声,从而确保CT设备输出高质量图像同时降低辐射,这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量,提出一种小波域去噪网络MDTNet。首先,基于双树复小波变换(DTCWT)构造多级编解码去噪网络,在多个尺度上提取特征以保留更多高频细节;然后,利用扩展的像素重排技术替代卷积上下采样,实现多级输入和特征融合,从而降低计算复杂度;最后,通过大量训练找到最佳的去噪模型,即二级MDTNet配合LeGall滤波器和Qshift_b滤波器,并选择较大尺寸的CT图像作为训练数据。使用AAPM数据集评估MDTNet的性能,实验结果表明,MDTNet能有效去除条纹状伪影和噪声,在定量和定性评估中性能均优于同类型去噪方法。与FWDNet相比,对于1 mm的切片,MDTNet的平均峰值信噪比(PSNR)和结构相似性指数(SSIM)分别提高了0.0887 dB和0.0024;对于3 mm的切片,分别提升了0.1443 dB和0.003。对于单张512×512像素的低剂量CT图像去噪,MDTNet在GPU上仅需0.193 s。MDTNet在保持高效率的同时保留了更多的高频细节,能够为低剂量CT图像去噪提供一种新的框架。

基于双树复小波变换—最大熵谱估计和参数优化概率神经网络的齿轮箱故障诊断研究

齿轮振动信号具有非平稳性和非线性的特点。为了准确提取其故障特征并进行故障诊断,提出一种基于双树复小波变换(DTCWT)-最大熵谱估计(MESE)和惯性权重线性递减粒子群优化(LDWPSO)算法-参数优化概率神经网络(PNN)的齿轮故障诊断方法。首先,利用DTCWT把状态已知的齿轮振动信号分解为不同频带的模态分量。其次,采用MESE得到每个分量的最小偏差频谱估计,计算出不同频段的能量熵作为故障特征矩阵。然后利用LDWPSO算法寻找出最优神经网络参数——平滑因子。最后,将故障特征矩阵输入优化后的PNN模型,建立起故障特征和齿轮运行状况之间的数值化映射关系,进而完成齿轮故障诊断模型。经试验数据分析表明,采用提出的DTCWT处理齿轮的振动信号,并引入MESE处理关键分量,可以提取稳定的信号特征并降低噪声干扰。另外,相比于传统的PNN,基于改进的PNN的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

基于自适应Q-shift滤波的双树复小波变换

为提高对时变信号的分析处理能力,设计了一组同时满足抗混淆、完全重构和正交化的Q-shift滤波器。与传统Q-shift滤波器相比,其权系数可以根据输入信号特性进行自适应调整。将基于自适应Q-shift滤波的双树复小波变换用于对超声缺陷信号进行阈值降噪,实验结果表明,与Q-shift 10/10和DWT两种传统方法相比,去噪后信号的信噪比可以分别提高1.03 dB和1.97 dB。

Q-shift二元树复小波在图像融合中的应用

复小波滤波器的构造较为复杂,采用Q-shift方法构造的二元树能有效地逼近复小波的实部和虚部特征,且具有近似的平移不变性;将二元树复小波变换用于不同传感器图像的融合,对来自不同传感器图像进行Dual-Tree CWT分解,得到2个低频子图和6个高频子图,将低频部分进行加权平均,高频部分采用最大值选取法进行融合。对融合结果的性能采用熵、均方根误差、平均梯度和相关系数进行评估,并与其它融合算法进行比较,结果表明:本融合方法优于同等环境下的其它方法。

应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究

由于GIS局部放电超高频检测中不可避免的会遇到白噪声干扰,且现有抑制白噪声的方法有许多不足之处。文中根据白噪声干扰的特点,构造了Daubechie’s系列复小波,通过复小波变换的简单信息和复合信息,对染有白噪声的仿真信号和实测信号进行去噪研究。结果证明:综合运用复小波变换的简单信息与构成的复合信息,能更有效地抑制GIS局部放电超高频信号中的白噪声干扰。

应用复小波变换检测突发短路时的电力变压器绕组状态

突发短路时电力变压器箱壁的振动信号与绕组的运行状态密切相关。考虑到突发短路时变压器振动信号的强时变性和非平稳性,为了进一步提高振动分析法检测变压器绕组状态的准确性,本文引入复数小波变换法即Morlet小波对突发短路时变压器的实测振动信号进行时频分析,根据振动信号中的频域特征变化来判断变压器的绕组状态。结果表明:复小波变换算法能够准确地展示突发短路时变压器振动信号的频谱特性,时频图中100Hz分量和冲击总能量的大幅增加预示了绕组的松动,而高频分量的出现敏锐地反映出绕组变形的开始。与短路电抗法相比,振动分析法更能灵敏地反映出变压器绕组的变形故障。

基于双树复小波变换的心电信号去噪研究

在心电信号处理过程中,为了避免产生Gibbs振荡现象和严重的频率混叠现象,提出一种基于双树复小波变换,并结合最大后验估计确定阈值的心电信号去噪方法。文中采用了信噪比和均方误差来评价双树复小波变换和离散小波变换两种方法对心电信号的去噪效果。实验结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,边界、纹理等特征能较好地保留,可以作为一种生物医学信号降噪处理的新方法。

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号。分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷。提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性。同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法。结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显。

基于不同复小波变换方法的纹理检索和相似计算

复小波克服了单小波的缺点,具有时移不变性、方向性信息多和相位信息等特点·从能量角度出发,主要研究了不同复小波变换方法的一阶和二阶统计矩(共生矩阵)特性,并应用于纹理特征的提取,与传统的单小波做了比较·通过理论分析和在纹理图像检索的对比实验数据说明了复小波在纹理特征提取方面的性能优于单小波,采用一阶和二阶统计矩相结合方法的性能最好,检索精度提高了8%·

基于复Morlet小波变换的大跨空间结构模态参数识别研究

探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。

基于复小波变换的暂态电能质量扰动检测与分类

根据Daubechies实小波生成相应的复小波,在此基础上,利用复小波变换的相位信息分析几种常见的短时电能质量扰动。针对由复小波变换得到的相位图特征不明显的问题,提出了改进相位图,能更清楚地观察到扰动时的相位变化,便于更精确地对扰动进行定位,同时根据改进后的相位图所表现出来的特征可以简单地对各种扰动进行分类。仿真分析表明,利用改进后的相位图可以简单有效地实现对常见的短时扰动的检测与分类。

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起 ,具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率 ,通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析 ,表明该方法能有效地诊断齿轮局部故障 ,且与传统的频域方法相比具有更好的分析效果。

采用改进支持向量机和复小波变换的谐波及间谐波测量方法

为给谐波、间谐波治理提供准确依据,提出了基于改进型支持向量机和可调窗复连续小波变换相结合的高精度谐波、间谐波测量方法。通过合理优化预设模型的准确性,构造改进型支持向量机对整个测量频带进行初步扫频,以较小的计算量一次性获取谐波、间谐波分量的个数并初步测量其频率。根据改进型支持向量机提供的频谱分布情况,对各个分量跟踪配置复连续小波对应的带通滤波器,逐个精确测量其频率和幅值。通过适当调整各个复小波窗函数的带宽参数,构造频窗互不交叉的复带通滤波器来抑制频率邻近分量之间的干扰,同时能在非同步采样条件下有效抑制基波频率波动对测量精度的影响。仿真结果表明,该方法能够准确测量谐波、间谐波分量的频率、幅值和相位,具有测量精度高、计算量小、抗噪性能好等优点。

应用复小波变换对电力变压器局部放电超高频信号去噪研究

以电力变压器超高频局部放电在线检测系统为例,提出了一种基于复小波变换技术的分离局部放电超高频信号和噪声的方法;研究了三步骤去噪算法,对其最优复小波的选择、复小波分解阶数的确定及其阈值算法的选取作了重点研究。针对不同的噪声给出了不同的阈值算法——惩罚阈值法和SURE法的阈值选取能方便地捕捉噪声范围内存在信号分解的微小的细节信息,而普通阈值法和渐进SURE法的阈值选取能有效地去除噪声;最后,给出了在线去除局部放电超高频信号噪声的步骤和方法。结果表明:利用复小波变换技术,抑制电力变压器超高频在线监测的局部放电信号中的噪声是一种极为有效的优化方法。

基于最小二乘法和复连续小波变换的电力系统间谐波测量方法

将最小二乘法和复连续小波变换相结合,提出了高精度稳态间谐波测量方法。该方法应用最小二乘法对整个测量频带进行函数拟合,得到了间谐波分量的个数,利用复连续小波变换的带通滤波特性精确测量了各个间谐波分量的频率和幅值。Matlab的仿真结果表明,该方法能够准确测量间谐波分量的频率和幅值,计算量较小。