民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

氢氧火箭发动机羽烟紫外辐射参数反演研究

针对氢氧火箭发动机羽烟紫外辐射特性参数分析,提出一种基于紫外CCD(change coupled device)相机采集的单幅辐射图像,同时反演羽烟内紫外辐射源项和吸收系数的方法.该方法将羽烟简化为发射-吸收轴对称介质,通过对辐射图像数据进行Able变换得到三维介质内辐射强度分布,利用最小二乘法将反演问题转化为使计算得到的与Abel变换得到的辐射强度误差最小的最优化问题,然后利用共轭梯度法求解该最优化问题.通过在求解正问题得到的准确值的基础上添加随机噪声,模拟辐射图像数据,分析了测量误差对算法反演精度的影响.结果表明:该算法对测量误差不敏感,能够准确的重建羽烟内的辐射源项和吸收系数分布.      

飞机结构健康监控中的信息处理技术

在今年本刊第三期刊登的《飞机结构健康监控中的信息获取技术》中,详细介绍了结构健康系统中信息获取的各种手段和途径,本文主要介绍通过上述途径获得信息之后的处理技术,这些信息处理技术可以剔除与结构健康状态无关的干扰信号,并对能反映结构的损伤状态的信号进行压缩、提炼、转化,使之成为有用的信号以确定结构的健康状态,并对结构健康监控系统做出了展望。     

全微机化坐标数显与数据处理系统

本文介绍了一种全微计算机化的两坐标数显与数据处理系统。系统实现了机、光、电的一体化。在坐标信号的提取与读出过程中,用计算法和CRT显示代替了传统的电子细分和可逆计数器;12种基本测量软件及其35种组合软件、6种专用测量软件可以实现工件二维坐标的绝大部份测量任务,在少数情况下也可由用户编程,实现某些特殊的测量功能。     

Beamlet变换提取线特征的改进算法

文章首先利用二进方块中Beamlet基的对称、平行等几何性质对离散Beamlet基进行分类;然后通过定义一个新的二进方块统计量和建立一个新的能量函数,对Beamlet变换方法中利用BD-RDP提取线特征的算法进行改进.通过实验对比,该算法进一步减少了运算量,提高了线特征提取的速度,且对复杂结构图像中的线特征提取效果更为清晰.     

谐波信号的通用频谱校正算法在回转机械监测中的应用

分析了常规FFT谱由于能量泄漏和栅栏效应,不能获得简谐振动信号精确幅值、频率和相位的原因。针对现有校正频谱方法的不足,提出了基于黄金分割的通用频谱校正算法。经仿真实例验证,该方法具有计算量小、校正精度高、适应面广的特性。经过回转机械启动实例分析,该方法能得到准确的临界转速、升速曲线和幅频响应曲线,为回转机械的瞬态行为分析提供了新的手段。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.