小波域局部Laplace模型降噪算法及其在机械故障诊断中应用

提出一种基于小波域局部拉普拉斯模型的降噪算法。并将其成功应用于机械故障诊断中。降噪算法利用复小波变换幅值和相位的组合信息对信号奇异点具有更好的敏感特性,对各尺度上信号奇异点予以精确定位;根据各尺度上奇异点位置和一定宽度的邻域窗,将实小波分解的各尺度上小波系数分为两类:有效系数和无效系数。将奇异点邻域窗之外的无效系数直接置零;而对邻域窗内有效系数的统计分布进行拉普拉斯建模。在先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出真实信号的小波系数。利用信号小波系数的估计值来重构信号,便得到降噪信号。通过仿真试验和汽车驱动桥主减速器故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对主减速器中齿轮故障信号进行降噪。

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法。首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模。在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号。分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比。

多传感器多尺度图像信息融合算法

在已获得对同一目标场景的多个传感器观测图像的情况下,本文建立了一种基于概率模型的多尺度图像信息融合算法.其基本思想是:首先对每个传感器图像分别进行小波包多尺度分解变换,建立基于该传感器图像的塔式结构子图像集,并且在每个尺度上得到基于每个子图像像素的概率模型;然后在每个尺度上的对应像素处,基于来自不同传感器图像的多个对应像素值,利用最小二乘规则对多尺度概率模型中的参数进行估计;再后是根据贝叶斯规则对该像素处的像素值进行融合估计;最后通过利用小波包多尺度逆变换,获得目标场景基于多个传感器图像的融合估计结果.应用该算法我们对获得的可见光和红外两种传感器图像进行计算机仿真实验,结果表明,与相关的方法相比新算法更有效.

二元树复小波域的局部高斯混合模型图像降噪

在复小波域上对观测图像进行一种基于高斯混合模型的后验概率分类,并在每类小波系数的局部邻域估计出局部高斯混合模型的参数,这种参数估计是局部自适应的;然后用该局部高斯混合模型对各个子带系数进行贝叶斯框架下的最大后验概率(MAP)估计,以达到降低噪声的目的·由于这种小波变换具有近似的平移不变性和良好的方向选择性,因此在降噪的同时可以很好地消除主要边缘处的“震铃”效应·实验结果表明;文中算法无论从峰值信噪比还是从主观视觉效果上都要优于一些传统的降噪算法·

基于概率模型的多尺度图像融合算法

文章给出了一种基于概率模型的多尺度图像融合新算法。首先,对不同的传感器图像分别进行小波分解,得到塔式结构子图像层;其次,基于不同传感器图像对应层上的对应像素,根据最小二乘规则估计模型参数;然后,根据贝叶斯规则进行融合图像相应像素的最大后验概率估计;最后,通过小波逆变换得到融合图像。采用该算法对可见光和红外图像进行融合,其结果与其它方法相比更有效。

基于小波系数Laplace模型的混合傅里叶-小波方法在去除电缆瓷套终端红外图像白噪声中的应用

抑制图像噪声是电气设备红外诊断技术的前提。为有效抑制白噪声,本文提出一种用于电缆瓷套终端红外图像的改进混合傅里叶-小波去噪方法。该方法先在傅里叶域中采用维纳滤波器去噪,得到初步去噪后的红外图像;再针对初步去噪后的图像,在小波域中采用考虑小波系数尺度间相关性的拉普拉斯模型对小波系数建模,并在此基础上,运用最大后验概率估计估计出真实图像的小波系数,利用真实图像小波系数的估计值来重构信号,得到最后的去噪图像。数值试验表明,与传统的软阈值方法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE)。