一种基于多尺度边缘的图像融合算法

给出了一种只利用源图像多尺度边缘点进行融合的图像融合算法.该算法分为三步:首先, 对源图像进行多尺度边缘检测;其次,采用边缘相关性最大的融合准则对源图像的多尺度边 缘进行融合,得到融合图像的多尺度边缘;最后,由融合图像的多尺度边缘重构 出融合图像.该算法融合过程中计算量小,融合图像中最大程度地保留了源图像的边缘信息 ,在一定程度上对融合图像进行了压缩,从而减小了数据存储所占用的资源以及数据传输占用 的带宽.仿真结果表明,用该算法得到的融合图像能有效包含源图像的信息.      

基于LabVIEW的刀具故障诊断系统

在LabVIEW环境下通过调用MATLAB工具包开发系统平台实现刀具的故障诊断。     

磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性,用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上,应用模糊算法构造相应的隶属函数,提取弱边缘信息,最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明,该方法对噪声有一定的抑制作用,可有效检测出弱边缘信息,定位准确,且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

H~2(I)空间上的多分辨分析

Sobolev空间在偏微分方程理论中占有重要的地位 ,且关于 Sobolev空间 H20 (I)的多分辨分析 (MRA)也已经被建立起来。然而在处理偏微分方程的边值问题时就显得有些不足 ,尤其是捕捉靠近边界层附近的激波。在本文中给出了 Sobolev空间 H2 (I)的尺度函数以及它们之间的双尺度关系。在其基础上可以直接建立 Sobolev空间 H2 (I)的多分辨分析 (V0 V1 … ) ,其中 Vj 是由尺度函数通过平移与伸缩得到的。最后分析了关于Sobolev空间 H20 (I)与 H2 (I)的多分辨分析关系并给出了 Sobolev空间 H2 (I)的小波分解算法。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

基于小波分析和LSSVM的高压直流电源故障诊断

针对该电源故障样本少、专家经验不足和模式辨识困难的特点,提出了一种基于改进型最小二乘支持向量机的诊断方法,综合利用小波变换和最小二乘支持向量机在时频分析和小样本辨识领域的优点,很好地解决了高压直流电源的故障诊断问题。     

一种基于GA优化小波LS-SVR的实时寿命预测方法

针对性能非线性退化的产品,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法(GA)优化小波最小二乘支持向量回归机(LS-SVR)的实时退化轨迹建模和寿命预测方法。该方法根据特定个体与同类产品的Euclid距离确定隶属度权值,加权小波LS-SVR建立的同类产品退化模型得到特定个体的退化轨迹模型,结合实测数据更新模型并进行实时寿命预测。实例分析验证了所提方法的有效性。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

小波、小波包分析在遥测数据处理中的应用

在研究小波分解算法的基础上,结合遥测信号的变化特性,分析了小波算法在遥测数据处理中虚假趋势排除和信号去噪两方面的应用,并与传统分析方法进行对比,通过仿真结果证明了小波分析方法的有效性.