基于DT-CWT和SVD的变电站直流系统接地故障检测技术研究

变电站直流系统的状态直接关系到变电站的正常运行,为了对变电站直流系统出现的接地故障快速、准确定位,提出了一种双树复小波变换(DT-CWT)和奇异值分解(SVD)相结合的变电站直流系统接地故障检测新方法。该方法首先利用DT-CWT对支路电流信号进行分解来构建Hankel矩阵;然后对Hankel矩阵进行SVD分解,得到一系列奇异特征值;再次,利用相邻奇异值差值构建奇异值差分谱,通过奇异值差分谱最大峰值来保留有效的奇异值个数;最后,利用保留的奇异值来重构低频信号。算例分析结果表明,该方法能够准确地从支路电流信号中提取出低频交流信号,可以对变电站直流系统接地故障进行准确定位,很大程度上减小对地电容对检测精度的影响。

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.

基于DT-CWT和LS-SVM的苹果果梗/花萼和缺陷识别

该文提出了一种基于双树复小波变换(DT-CWT)和最小二乘支持向量机(LS-SVM)区分苹果的果梗/花萼和缺陷的方法。对苹果图像使用DT-CWT分解,使用变换后得到的高频子带系数的均值和方差构造特征向量,然后使用最小支持二乘向量机作为分类器进行分类。对180幅苹果图像进行了试验。讨论了DT-CWT分解层数以及目标图像大小对分类正确率的影响。试验结果显示,使用3层DT-CWT对大小为64×64子图像进行小波分解提取纹理特征,能达到最好的分类效果,分类正确率可以达到95.6%。

SVM和DT-CWT的纹理图像分类方法研究

提出了一种将支持向量机(SVM)和二元树复小波变换(DT-CWT)相结合的纹理图像分类方法.通过DT-CWT对纹理图像进行4层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用SVM作为分类器实现纹理图像分类.从Brodatz图像库中随机选取了30幅纹理图像进行了分类试验,结果表明:该方法具有较高的分类精度,尤其在有限训练样本的情况下分类正确率明显优于其它的分类算法,体现了该方法的有效性和良好的泛化能力.

一种DT-CWT域内的图像零水印算法

为了实现数字图像的版权保护,基于双树复小波变换,提出了一种新的零水印算法。该算法由于不改变图像的任何信息,因此在兼具不可见性和鲁棒性的同时,还可以解决常规的冗余变换域水印算法的能量损失问题。该算法先借用实小波变换的零树结构思想,在变换后图像中选择重要的系数树,并利用主分量分析提取它们的第一主分量,然后经过量化编码构造零水印信息,再到认证中心注册后,即可作为用户的版权标志。实验结果表明,该算法不仅具有很好的鲁棒性,而且可以抵抗滤波、加噪、有损压缩等各种攻击。

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用"模值绝对值和取大"和对低频系数采用"局部区域标准方差取大"的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换(Log-Polar)和双树复数小波变换(DT-CWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将该方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。

基于DT-CWT统计模型的舰船噪声信号中线谱信号检测研究

双树复解析小波变换(DT-CWT)在信号去噪方面的性能优于实小波变换,且计算量远小于后者。文章基于DT-CWT小波理论,通过对海洋环境噪声中舰船噪声中低频线谱信号小波系数的层间联合分布的分析,提出一种DT-CWT统计模型并推导出最大后验概率估计子(MAP),用于检测海洋噪声背景中的舰船噪声中的低频线谱信号。对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的DT-CWT统计模型算法明显优于VisuShrink、SureShrink和BayesShrink算法对舰船噪声中线谱信号的检测效果。

在频谱直方图中应用DT-CWT的人脸检测技术

提出了一种利用双树-复小波变换(DT-CWT)构成频谱直方图并通过支持向量机(SVM)进行人脸检测的方法。在人脸图像的表示中,基于DT-CWT在不同尺度上具有的很好方向选择性,对原始图像滤波,并与其它滤波器卷积滤波后得到原始图像的不同频率特征一起构成频谱直方图,该直方图在图像的表示上具有很好的本质扩展性。通过支持向量机(SVM)对频谱直放图向量进行分类训练,得到了有效区分人脸与非人脸的分类函数。实验显示,DT-CWT具有与Gabor变换类似的性质,而且计算冗余度更小,计算速度更快。应用DT-CWT频谱直方图的人脸检测算法取得了令人满意的结果。

硬C-means聚类和DT-CWT变换的数字图像水印算法

为了提高数字水印图像的鲁棒性,提出一种基于硬C均值聚类和双树复小波变换域的图像水印算法。该算法对载体图像进行一层双树复小波变换分解,利用人类视觉特性对其2个低频子带进行硬C均值聚类划分,确定可嵌入信息区域。将二值水印图像信号经过Hilbert曲线置乱和降维,形成一维信号序列。利用图像自身局部相关性,调节水印嵌入强度并修改小波系数值,实现将水印嵌入到可嵌入信息区域。实验表明,该算法具有良好的透明性且对压缩、剪切、噪声和滤波等几何攻击具有高鲁棒性。

基于DT-CWT的像素级多分辨分析图像融合算法研究

提出基于对偶树复小波变换的像素级多分辨分析图像融合算法.对多聚焦图像和遥感影像的实验结果表明,本方法较基于离散小波变换和传统IHS变换的融合方法,保留了更多的光谱信息,而且提高了融合图像的空间细节信息.

Facial Expression Recognition Based on the Q-shift DT-CWT and Rotation Invariant LBP

In this paper, a novel method based on dual-tree complex wavelet transform(DT-CWT) and rotation invariant local binary pattern(LBP) for facial expression recognition is proposed. The quarter sample shift (Q-shift) DT-CWT can provide a group delay of 1/4 of a sample period, and satisfy the usual 2-band filter bank constraints of no aliasing and perfect reconstruction. To resolve illumination variation in expression verification, low-frequency coefficients produced by DT-CWT are set zeroes, high-frequency coefficients are used for reconstructing the image, and basic LBP histogram is mapped on the reconstructed image by means of histogram specification. LBP is capable of encoding texture and shape information of the preprocessed images. The histogram graphs built from multi-scale rotation invariant LBPs are combined to serve as feature for further recognition. Template matching is adopted to classify facial expressions for its simplicity. The experimental results show that the proposed approach has good performance in efficiency and accuracy.

基于多相关HMT模型的DT CWT域数字水印算法

本文以双树复数小波变换(Dual-tree complex wavelet transform,DT CWT)及隐马尔科夫树(Hidden Markov tree,HMT)理论为基础,提出了一种基于Weibull向量HMT模型的DT CWT域数字音频盲水印算法.原始数字音频首先进行DT CWT,然后利用局部信息熵刻画音频内容特征并据此确定出重要DT CWT系数段,进而将水印信息乘性嵌入到重要DT CWT高频系数幅值内.水印检测时,首先根据DT CWT系数幅值的边缘分布及系数间的多种相关性(包括子带内、尺度间、分解树间等相关性),构造出Weibull混合向量HMT统计模型,并估计出其统计模型参数;然后,利用局部最大势能(Locally most powerful,LMP)检验理论构造出局部最优检测器(Locally optimum decoder,LOD)以盲提取水印信息.仿真实验结果表明,本文算法可以较好地获得不可感知性、鲁棒性、水印容量之间的良好平衡,其总体性能优于现有同类音频水印算法.

基于双树复小波变换的轴承复合故障诊断研究

针对滚动轴承复合故障信号特征难以分离的问题,提出将双树复小波变换和独立分量分析(ICA)结合的故障诊断方法。该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量;由于各个分量存在一定的频率混叠,对故障信号特征提取有很大的干扰,进而引入ICA对各个分量所组成的混合信号进行盲源分离,从而尽可能消除频率混叠;最后对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调,即可实现对复合故障特征信息的分离和故障识别。实验结果表明,该方法有效地分离和提取了滚动轴承复合故障的特征信息,验证了方法的可行性和有效性。

基于双树复小波与非线性时间序列的降噪方法

针对双树复小波变换传统软阈值降噪方法对实、虚部树系数分别进行阈值处理时提取的强背景噪声下轴承故障特征信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真问题,利用故障信号小波变换系数具有周期性与双树复小波系数模震荡小等特点,提出双树复小波变换与非线性时间序列方法相结合的强背景噪声下轴承故障特征提取方法。对故障信号进行双树复小波变换,获得各层小波系数并求模,选择系数模周期性较强层系数进行非线性时间序列处理,增强系数中周期性成分,抑制随机噪声;对增强后系数进行软阈值处理消除直流成分对提取结果的影响;将处理后系数还原为复数形式进行双树复小波重构,可成功提取弱故障特征信号。仿真、试验信号处理结果表明,该方法能有效提取强背景噪声下的故障特征信号。

基于复小波域树结构化MRF模型的声纳图像分割

声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。

基于双树复小波变换的三维粗糙表面评定方法研究

针对目前用于提取三维粗糙表面基准面的第一和第二代小波存在的平移变动性与方向性差等缺点,以及最优小波基的选取和小波分解次数的确定等难点,提出将第三代小波变换——双树复小波变换(DT-CWT)用于三维粗糙表面的评定。通过比较三代小波实际重构图像以及仿真三维粗糙表面的误差和最大重构误差,得出了DT-CWT最优的结论;采用频带能量法确定DT-CWT的分解次数,并用仿真三维表面表征参数均方差S来验证得出的分解次数的正确性。最后用DT-CWT对具有分形特征的三维非平稳随机粗糙表面进行基准面的提取,结果验证了所提出方法的有效性。

基于小波图像融合的表情细节合成

表情细节是人脸表情变化时带来的皮肤纹理变化,表情细节合成有助于增强合成表情的真实感.提出了基于小波的图像融合方法,挖掘表情细节的纹理特征本质,并应用到表情细节的合成中,使合成的表情更加真实自然.为了满足表情细节个性化的需求,采用传统的小波变换和双树复小波变换,同时使用不同的融合算子,得到了丰富的表情合成.本方法不仅适用于灰度图像,通过颜色空间的转换还适用于彩色图像.最后还提出了基于聚类和图切割的最优替换区域选取方法,使得合成的表情细节区域与目标图像融为一体.

应用复小波和独立成分分析的人脸识别

结合双树复小波变换(DT-CWT)和独立成分分析(ICA)提出了一种人脸识别新方法。该方法首先应用双树复小波变换提取图像的特征向量,接着通过主成分分析(PCA)降低特征向量的维数,在此基础上应用独立成分分析提取统计上独立的特征向量,然后基于相关系数的分类器对特征向量进行分类。双树复小波变换具有方向与尺度选择性,并能有效地保持图像的频域信息,用它与独立成分分析相结合提取的特征具有良好的分类性能。在ORL和AR人脸图像数据库上进行算法验证的结果表明该方法的有效性。

基于小波熵的低误报率人体热释电红外信号识别

提出一种基于双密度双树复小波变换小波熵特征的热释电红外(PIR)信号人体识别方法。首先对人体和狗的PIR探测器输出信号进行去噪预处理,然后提取信号的双密度双树复小波变换的小波熵作为特征,最后采用最小二乘支持向量机对特征进行分类。实验结果表明:所提取的特征及分类方法对人体与狗的热释电红外信号的识别率可达93.6%。因此该识别方法能大大降低PIR探测器的误报率,并可进一步提升PIR探测器在安防和智能家居系统中应用。