期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Curve let变换在X射线图像处理中的应用
被引量:
1
1
作者
刘艳华
《山西电子技术》
2016年第3期5-6,32,共3页
与其他算法相比,Curve let变换是一种更适合X射线图像特点的多尺度变换。它的基本表示元素是图像边缘,具有完备性和各向异性以及很强的方向性,能更好地对图像进行处理,尤其是在X射线图像处理中的作用也日益重要。文章首先简要介绍了Curv...
与其他算法相比,Curve let变换是一种更适合X射线图像特点的多尺度变换。它的基本表示元素是图像边缘,具有完备性和各向异性以及很强的方向性,能更好地对图像进行处理,尤其是在X射线图像处理中的作用也日益重要。文章首先简要介绍了Curve let变换的概念,随后详细叙述了Curve let变换在图像处理中的应用。
展开更多
关键词
CURVE
let变换
RIDGE
let变换
X射线图像
图像处理
下载PDF
职称材料
基于FM^mlet变换与非负矩阵分解的轴承故障诊断
2
作者
成洁
李思燃
《煤矿机械》
2017年第1期123-125,共3页
针对轴承振动信号的非平稳特征和现实中难以提取故障参数的问题,提出一种基于FM^mlet变换与非负矩阵分解算法(NMF)的轴承故障诊断方法。采用FM^mlet变换对轴承振动信号进行时频分析,能较好匹配信号的线性和非线性时变成分。在此基础上,...
针对轴承振动信号的非平稳特征和现实中难以提取故障参数的问题,提出一种基于FM^mlet变换与非负矩阵分解算法(NMF)的轴承故障诊断方法。采用FM^mlet变换对轴承振动信号进行时频分析,能较好匹配信号的线性和非线性时变成分。在此基础上,引入非负矩阵分解计算特征参数,实现了轴承振动谱图像的自动诊断。将该方法应用于轴承4种典型工况的故障诊断实例中,结果证明了方法的有效性。
展开更多
关键词
轴承
FM^m
let变换
非负矩阵分解
故障诊断
下载PDF
职称材料
FM^2let变换分解算法的研究
被引量:
1
3
作者
陈罡
范万春
+1 位作者
唐恒专
范延芳
《无线电工程》
2006年第7期27-29,共3页
FM2let变换分解力图采用最少的线性或非线性调频基函数来分解信号。FM2let变换分解算法的基本原理是利用信号的瞬时频率求得FM2let原子的5个参数,然后基于自适应匹配投影塔形分解思想实现FM2let变换的分解。FM2let变换分解算法在信号分...
FM2let变换分解力图采用最少的线性或非线性调频基函数来分解信号。FM2let变换分解算法的基本原理是利用信号的瞬时频率求得FM2let原子的5个参数,然后基于自适应匹配投影塔形分解思想实现FM2let变换的分解。FM2let变换分解算法在信号分析处理方面具有运算量小、运算速度快等优良的性能。FM2let谱分辨率高、抗噪性能好、参数数据量少,并且利用伪时频分布可以去除交叉项干扰。理论和实验证明,FM2let变换分解算法能对不同的信号结构表现出很强的适应性,能够简洁地表征信号时变或时不变特性。
展开更多
关键词
FM^2
let变换
时频分析
瞬时频率
自适应匹配投影塔形分解
下载PDF
职称材料
基于Curve Let变换的X射线图像增强算法
被引量:
1
4
作者
刘艳华
程耀瑜
张向兵
《无损检测》
2010年第4期253-255,共3页
为了提高了X射线图像的对比度和细节显示的清晰度,应用基于Curve let变换的图像增强算法,对原图像进行增强。试验结果表明,该算法与直方图均衡化、同态滤波等算法相比,有效地增强了对比度、抑制了背景噪声。相比之下,Curve let变换更具...
为了提高了X射线图像的对比度和细节显示的清晰度,应用基于Curve let变换的图像增强算法,对原图像进行增强。试验结果表明,该算法与直方图均衡化、同态滤波等算法相比,有效地增强了对比度、抑制了背景噪声。相比之下,Curve let变换更具有优势。
展开更多
关键词
CURVE
let变换
X射线图像
图像增强
下载PDF
职称材料
题名
Curve let变换在X射线图像处理中的应用
被引量:
1
1
作者
刘艳华
机构
山西工程职业技术学院
出处
《山西电子技术》
2016年第3期5-6,32,共3页
文摘
与其他算法相比,Curve let变换是一种更适合X射线图像特点的多尺度变换。它的基本表示元素是图像边缘,具有完备性和各向异性以及很强的方向性,能更好地对图像进行处理,尤其是在X射线图像处理中的作用也日益重要。文章首先简要介绍了Curve let变换的概念,随后详细叙述了Curve let变换在图像处理中的应用。
关键词
CURVE
let变换
RIDGE
let变换
X射线图像
图像处理
Keywords
Curve
let
transform
Ridge
let
transform
X-ray image
image processing
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于FM^mlet变换与非负矩阵分解的轴承故障诊断
2
作者
成洁
李思燃
机构
武警后勤学院
火箭军指挥学院
出处
《煤矿机械》
2017年第1期123-125,共3页
文摘
针对轴承振动信号的非平稳特征和现实中难以提取故障参数的问题,提出一种基于FM^mlet变换与非负矩阵分解算法(NMF)的轴承故障诊断方法。采用FM^mlet变换对轴承振动信号进行时频分析,能较好匹配信号的线性和非线性时变成分。在此基础上,引入非负矩阵分解计算特征参数,实现了轴承振动谱图像的自动诊断。将该方法应用于轴承4种典型工况的故障诊断实例中,结果证明了方法的有效性。
关键词
轴承
FM^m
let变换
非负矩阵分解
故障诊断
Keywords
bearing
FM^m
let
non-negative matrix factorization
fault diagnosis
time-frequency analysis
分类号
TK428 [动力工程及工程热物理—动力机械及工程]
下载PDF
职称材料
题名
FM^2let变换分解算法的研究
被引量:
1
3
作者
陈罡
范万春
唐恒专
范延芳
机构
禁核试北京国家数据中心
出处
《无线电工程》
2006年第7期27-29,共3页
文摘
FM2let变换分解力图采用最少的线性或非线性调频基函数来分解信号。FM2let变换分解算法的基本原理是利用信号的瞬时频率求得FM2let原子的5个参数,然后基于自适应匹配投影塔形分解思想实现FM2let变换的分解。FM2let变换分解算法在信号分析处理方面具有运算量小、运算速度快等优良的性能。FM2let谱分辨率高、抗噪性能好、参数数据量少,并且利用伪时频分布可以去除交叉项干扰。理论和实验证明,FM2let变换分解算法能对不同的信号结构表现出很强的适应性,能够简洁地表征信号时变或时不变特性。
关键词
FM^2
let变换
时频分析
瞬时频率
自适应匹配投影塔形分解
Keywords
FM^2
let
transform
time-frequency analysis
instantaneous frequency
adaptive pyramidal matching projection algorithm
分类号
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于Curve Let变换的X射线图像增强算法
被引量:
1
4
作者
刘艳华
程耀瑜
张向兵
机构
中北大学山西省现代无损检测工程技术研究中心
出处
《无损检测》
2010年第4期253-255,共3页
文摘
为了提高了X射线图像的对比度和细节显示的清晰度,应用基于Curve let变换的图像增强算法,对原图像进行增强。试验结果表明,该算法与直方图均衡化、同态滤波等算法相比,有效地增强了对比度、抑制了背景噪声。相比之下,Curve let变换更具有优势。
关键词
CURVE
let变换
X射线图像
图像增强
Keywords
Curve
let
transform
Radiographic image
Image enhancement
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TG115.28 [金属学及工艺—物理冶金]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Curve let变换在X射线图像处理中的应用
刘艳华
《山西电子技术》
2016
1
下载PDF
职称材料
2
基于FM^mlet变换与非负矩阵分解的轴承故障诊断
成洁
李思燃
《煤矿机械》
2017
0
下载PDF
职称材料
3
FM^2let变换分解算法的研究
陈罡
范万春
唐恒专
范延芳
《无线电工程》
2006
1
下载PDF
职称材料
4
基于Curve Let变换的X射线图像增强算法
刘艳华
程耀瑜
张向兵
《无损检测》
2010
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部