一种改进的基于小波变换模极大值的边缘检测方法

一种改进的基于小波变换模极大值的边缘检测方法包含如下2个步骤:(1)求出边缘及噪声点的局部极大值;(2)利用边缘点与噪声点具有不同小波变换模极大值的特点,对局部极大值进行二次判别,从而实现噪声与边缘的分离.实例验证结果表明,该方法能很好地解决高精度定位与强去噪能力之间的矛盾.     

光伏并网扰动检测中基于局部模极大值的小波选取

光伏并网系统中的扰动是一类非线性非平稳突变信号。针对扰动信号的检测问题,探讨了一种基于小波变换局部模极大值的信号检测方法。阐述了扰动检测的基本原理,研究了工程领域已有小波的基本性质。以紧支性、对称性、正则性、消失矩阶数四项特性为基本点,分析了这些性质与信号突变性之间的联系,提出了准确检测瞬态扰动的小波选取一般性准则,即“支集宽、正则性优、消失矩阶数高”准则。根据所提出的准则,有针对性的选择了DB1、DB6、sym6和coif3四种小波进行对比性仿真实验。结果证明了本文所提出准则的正确性与可靠性。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法,分别利用不同尺度小波变换后的水平方向和垂直方向高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在2个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像。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搞定为精确及强去噪能力之间的矛盾。     

电压扰动定位中小波与HHT性能分析

为实现配电网电压扰动的有效检测,分别运用小波变换与希尔伯特-黄(HHT)变换2种方法对电压扰动信号进行定位检测,分析对比2种方法的检测精度和性能。仿真算例结果表明:2种方法均具有较好的多分辨率分析特性,但HHT受噪声影响比较大,因此在合适的小波基下小波分解方法检测精度高于HHT变换检测精度。     

基于FIMD和小波变换电缆双端行波测距新方法

针对电力电缆故障定位误差较大问题,提出基于FIMD和小波变换模极大值导数双端行波测距新方法。利用PSCAD仿真软件建立电力电缆模型,变换各测量点电流突变量相模,分解变换后模分量FIMD。利用小波变换对分解所得IMF1分量求取模极大值导数,找出暂态信号奇异点。根据首个暂态行波奇异点,确定初始行波到达线路两端时间,计算故障距离。结果表明,该方法测定电缆故障距离精度高、具有应用可行性。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

模极大值法与尺度独立法在稻米边缘检测中的模拟研究

稻米图像边界是阶梯型边界,在稻米图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法提取了阶梯型边界,但得到的边缘图像存在边界不连续和边缘响应次数不唯一的问题。而小波变换的模极大值法检测出了所有类型的边界,其中包括不需要的边界。本文提出一种边缘检测方法,将尺度独立法与模极大值法的优点结合,在稻米图像的边缘检测中取得了理想的结果。     

高维张量积M e y e r小波的一种新分解

基于Meyer小波的无穷可微性、急减性和消失矩性等重要性质,给出了高维张量积Meyer小波的一种新的分解形式.     

基于小波变换的羽毛杆折痕缺陷检测

在工程系统可靠性评估中,由于马尔可夫方法和蒙特卡罗方法分别存在对元件寿命模型限于指数分布和仿真结果具有随机性的缺点,而电力设备中元件寿命分布类型不确定,影响了可靠性评估的有效性和准确性.针对这一问题,本文利用可修复系统事后维修模型（RSS）方法,采用威布尔模型对电力设备FYXF-03发电机原动系统仿真器进行可靠性评估,其仿真精度高、仿真结果具有确定性,为电力设备的可靠性评估、维修和保养计划的制订、以及可靠性设计时的元件选型提供了参考.     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.     

综合小波和模糊方法的图像边缘检测

为了更好地对图像边缘进行检测,提出一种基于小波局部极大模和模糊方法相结合的图像边缘检测算法．它将图像分为高频和低频部分分别进行处理．高频部分利用小波局部极大模的方法进行边缘检测,低频部分则利用模糊方法进行处理,并对两种边缘图像进行了融合．试验结果证实了该算法的可行性．     

基于微钻阻力的落叶松弹性模量快速检测

以落叶松(Larix gmelinii)新鲜材、古建筑旧材为试验材料,运用微钻阻力仪对其内部的微钻阻力进行了快速检测,分析微钻阻力与两种落叶松材弹性模量之间的相关性及利用微钻阻力快速评估木材弹性模量的可行性.结果表明,对于新鲜落叶松材料,其微钻阻力检测值与弹性模量呈显著线性相关,可以利用微钻阻力较好地评估其弹性模量,且二者相关系数为0.831 9;对于古建筑的落叶松材料,利用微钻阻力快速检测弹性模量的精度则相对较差,二者相关系数为0.341 5,需结合其他检测指标综合进行判断.     

Gabor小波变换在帘子布疵点检测中的应用

给出一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法.在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测.该方法用于帘子布的缺陷检测,具有识别能力强,实时性好等优点.可以用于检测有规则纹理结构的表面及物体.     

基于高频小波系数分类器的图像文本信息的非监督检测

图像文本信息的定位与识别在数字图像信息、视频数据库和Web地址的检索应用中十分重要.但文本信息通常镶印在图像的复杂场景中,其检测相当困难.提出了一种能够自动水平校准检测不同大小、字体、颜色和语种的图像文本信息的鲁棒方法.它首先对待测图像进行小波变换,将高频小波系数的分布状况作为文本区与非文本区的统计特征,然后应用K-均值算法分类出图像中的文本区,再经过投影分析以更精确地定位.最后,生成作为OCR引擎输入值的二值文本图像.所提出的检测方法的性能通过试验得到了验证.     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

基于加Blackman窗FFT和db44小波包变换的综合电力系统谐波分析

传统的傅里叶变换（FFT）主要适用于平稳信号的分析,确定信号的幅值和频率,但会丢失信号的局部信息,而小波包变换虽然可以准确得到信号局部细节的信息,但其分析精度不及傅里叶变换。将高分析精度的傅里叶变换和可以准确得到信号局部细节信息的小波包变换结合,提出结合两者优点的谐波分析方法。对平稳信号采用加Blackman窗傅里叶变换进行分析,得到信号的频率和幅值。对暂态信号采用db44小波包变换进行分解分析,得到信号局部细节的信息。通过 MATLAB仿真结果表明,该方法可以准确分析电力系统中的稳态谐波并准确定位暂态谐波。