小波变换在信号奇异性检测中的应用

小波变换是近十年来迅速发展起来的学科,它与傅里叶变换相比,是一个时间和频率的局部变换.它的主要特点是将信号表示为不同尺度和不同位置的基本单元,而不同的基本单元表示原始信号中的不同信息成分,这种特点使小波变换成为一种高效的信号处理工具.在信号分析中,因为奇异点包含了比较重要的信息,因此信号的奇异性检测甚为必要.本文介绍了信号奇异性的小波变换检测原理,通过对仿真信号的分析表明在信号奇异性的检测中小波变换优于傅里叶变换.     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法。它基于小波变换的多尺度方法。这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。     

运用小波变换实现听觉诱发电位的单次提取

论述了运用小波变换进行听觉诱发电位单次提取的原理,方法和实验分析。结果表明,对单次试验信号,经小波变换及相关分析后,可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析与传统的叠加平均方法相比,可减少试验次数,缩短检测周期。     

基于小波变换和模糊模式识别的超声无损检测

本文研究了小波变换和模糊模式识别在薄板粘接质量超声检测中的应用.首先介绍了有关复合粘接材料的超声无损检测方法,然后使用小波变换对超声检测信号进行分析,提取出与粘接质量有关的三个特征值;根据超声检测回波信号特征值具有模糊性这一特点,提出了以隶属度为核心、以最大隶属度原则为判断标准的模糊模式识别算法.实验证明,该特征提取和模式识别算法对于粘接质量定量识别的准确度比较高.     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

应用小波变换提取输油管道泄漏突变信号

为减少输油管道泄漏事故造成的损失，需及时发现泄漏并判断出泄漏 的准确位置。依据负压波检测输油管道泄漏的基本原理，分析了压力信号的突变点以及噪声在小波变换下的不同特性，认识到突变信号的小波变换模极大值具有随尺度的增加而增加，而噪声的小波变换模极大值随尺度的增加而减小的特点，因此可以应用小波变换精确地检测到负压波到达输油管道两端传感器的时间差，结合负压波传播速度就可以算出泄漏点位置。针对具体数据给出了计算算例。应用结果表 明：小波变换法能准确的提取瞬态负压波的突变值，实现对输油管道的泄漏检测与定位。     

国家治理现代化视域下的绿色发展

基于损伤桥梁在移动车辆荷载下的动态响应特点以及提升小波变换在奇异性检测方面的优越性能,提出了对不同大小移动车辆荷载作用下的单点桥梁加速度响应差值进行提升小波变换,通过提升小波系数峰值识别桥梁损伤的不依赖无损模型的损伤检测方法。数值分析表明,该方法可以有效识别不同程度、不同位置和多处桥梁损伤。其次,讨论了不同测点位置、荷载速度、噪声水平对损伤识别效果的影响,表明该方法具有较好的抗噪性;测点距离损伤位置越近,损伤识别效果越好;当荷载速度过大时,损伤信息易被淹没,损伤效果变差。     

用M带小波变换实现图像的边缘检测

小波变换是一种时频域信号分析理论，是信号分析处理的一种强有力的新工具。文中根据小波变换特点和边缘的时频空特性，在Ｍａｌａｔ关于小波边缘提取理论的基础上，将二通道小波变换的边缘提取问题推广到Ｍ通道小波变换的边缘提取，讨论和分析了如何利用Ｍ带小波来获取边缘的方法和实现步骤     

小波变换在图像压缩中的应用

小波变换是对傅立叶变换的完善和发展，提供了非常灵活的处理方法。在MATLAB平台上运用小波变换，实现了一级和二级不同扫描次数的图像压缩，并对其结果进行分析比较，验证了小波变换在图像压缩中的可行性和优越性。     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.     

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法。该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的分割。试验结果表明,该方法对高分辨SAR图像具有强散射点的目标分割更完整,并且比无监督统计模型分割方法分割速度更快。     

SAR图像的分维特征提取

通过对合成孔径雷达（ＳＡＲ）图像的目标统计特性的分析，从理论上证明了ＳＡＲ图像的分维现象的存在性，提出了一种ＳＡＲ图像分维特征提取算法；最后，利用分维特征对分辨力为３ｍ×３ｍ机载Ｘ—ＳＡＲ成像数据进行了分割处理。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

利用双尺度模型的海浪极化SAR成像模拟

海浪极化SAR成像模拟对海面散射的研究有重要的意义。该文根据海浪随机理论进行了粗糙海面建模,利用海面的双尺度模型构造了包含涌浪的随机粗糙海面;同时考虑了大、小尺度的海面的影响。基于该海面模型,利用Bragg散射模型和几何光学近似法模拟了不同风速情况下海浪的极化SAR图像,并对海浪参数及SAR参数对极化图像的影响做了分析,得出了一些有益于海浪信息提取的结论。     

基于ICA的极化SAR图像相干斑抑制

根据极化SAR图像的特点,针对传统空域滤波方法总存在降低相干斑与有效保持边缘纹理信息这一对矛盾,探讨了基于独立分量分析的极化SAR图像相干斑抑制技术,研究了两种基于ICA的极化SAR图像相干斑抑制方法,并分析了其优缺点及应用条件。实验结果表明:基于独立分量分析的方法能有效降低相干斑噪声,较好地保留边缘纹理信息,是一种有效的相干斑抑制方法。     

合成孔径雷达图像特征及压缩研究

合成孔径雷达图像压缩有助于减少数据率，对图像传输和存贮效率的提高有积极的意义。对合成孔径雷达图像统计模型进行了研究，给出了其概率分布和相关性能分析，并用ＳＥＡＳＡＴ－ＳＡＲ数据进行了统计。据此提出了无失真压缩算法，达到了熵压缩边界，并对合成孔径雷达有失真压缩进行了讨论。     

一种基于区域分集的SAR相干斑抑制算法

合成孔径雷达（ＳＡＲ）因为相干成像原理所固有的相干斑噪声是影响其图像质量的主要原因。文中根据ＳＡＲ图像的纹理特征和相干斑噪声的统计特征，提出了一种基于区域分集的相干斑抑制算法。本算法能够完全保留ＳＡＲ图像边缘特征，同时对相干斑具有较好的抑制能力。实验结果表明，本算法处理效果优于目前常用的相干斑滤波算法。     

基于真实反射场景的SAR原始回波数据模拟

针对ＳＡＲ（合成孔径雷达）原始回波数据模拟，提出了一种基于真实反射场景的模拟算法，并对算法中的关键问题，如距离走动误差注入、质心偏移误差注入、Ａ／Ｄ量化误差分析等进行了分析。该算法利用机载和星载ＳＡＲ成像数据进行了模拟实验，证明其模拟的效果理想，算法运算量小，易于实现。     

一种新的SAR图像Speckle滤波算法

详细分析了合成孔径雷达图像中相干斑的统计特性，提出了一种具有窗口自选功能的自适应相干斑滤波算法，并将该算法用于Ｓｅａｓａｔ－ＡＳＡＲ图像的滤波处理；并将滤波结果与Ｌｅｅ算法和Ｏｄｄｙ算法作了对比试验，其结果表明滤波性能优于Ｌｅｅ算法和Ｏｄｄｙ算法。