Curve let变换在X射线图像处理中的应用

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。

基于FM^mlet变换与非负矩阵分解的轴承故障诊断

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。

FM^2let变换分解算法的研究

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。

基于Curve Let变换的X射线图像增强算法

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。