基于小波變換的針葉苗木彩色圖像分割

針對傳統(tǒng)圖像增強算法在處理有大量噪聲、光照不足或不均勻的圖像,尤其是實際現場的帶鋼表面圖像時效果較差的問題,提出基于小波變換的圖像增強算法,將其應用于冷軋帶鋼表面缺陷圖像的增強中。對比實驗結果表明,該方法的增強效果和抗噪性能明顯優(yōu)于傳統(tǒng)算法。

通過對木材圖像進行3尺度的小波變換,在高頻內判斷并提取噪聲點,最后對確定的噪聲點進行平滑處理,用峰值信噪比、均方誤差值和灰度曲線對去噪效果進行評價。研究結果表明,該方法不僅對木材圖像具有明顯的降噪效果,也能最大限度的保留有用的木材紋理信息,同時本文采用的灰度曲線(profile)可以直觀地分析圖像的去噪效果。

以300個木材樣本為對象,研究了基于多分辨率灰度共生矩陣參數的木材表面紋理的分類方法.以灰度共生矩陣特征參數的相關性為依據,確定以"角二階矩"、"對比度"、"相關"、"方差"、"均值和"5個參數描述木材表面紋理.用symlet4小波對木材圖像進行了2級分解,在小波重構域,以一級重構的水平細節(jié)h1、垂直細節(jié)v1、對角細節(jié)d1、二級重構的近似a2、水平細節(jié)h2、垂直細節(jié)v2、對角細節(jié)d2共7個圖像的23個特征參數構成多尺度參數體系.以bp神經網絡進行了紋理分類驗證,正確率為94.0%,優(yōu)于單分辨參數方法(87.5%).實驗表明:多分辨參數可以更細致地描述木材的紋理特征,并能提高分類正確率.

針對視覺導航agv的道路標線中心線提取,提出了一種新型的基于hsi圖像分割的方法。該方法首先將原始的rgb圖像轉換成hsi圖像,在此基礎上完成圖像分割。圖像分割所獲得的單色位圖,經過圖像形態(tài)學的處理,包括開運算、腐蝕、差運算等,最終可提取出道路標線的中心線。對實際道路圖像數據的實驗驗證了該方法的有效性。與原有方法相比,該方法所需運算簡單,實現該方法所需硬件資源消耗小,適合基于嵌入式系統(tǒng)開發(fā)的視覺導航agv。

在不完全樹型小波分解基礎上將紋理和顏色特征進行融合,提出了適合彩色紋理圖像分析的新的特征,它比單純的灰度紋理特征或顏色特征具有更強的分類能力同時還利用20類真實彩色自然紋理圖像對塔式小波分解、不完全樹型小波分解和小波包分解進行了多特征融合的分類比較,實驗結果表明:不完全樹型小波分解的特征級融合表現出良好的分類性能和抗噪能力

在低能見度條件下,增強道路標牌圖像有利于提高駕駛員的視覺辨識度,從而保證交通安全。本文通過分析小波理論,論證小波變換用于圖像增強的適用性,提出基于小渡變換的道路標牌圖像增強的思路。構建霧天條件下道路標牌的增強實驗,對比分析小波變換和傳統(tǒng)灰度拉伸的實驗結果。研究結果表明:小波變換能對道路標牌圖像的噪聲進行抑制,并較好地增強圖像特征。

在對航空影像中的建筑物進行識別提取時,建筑物頂部的輪廓信息是一個重要的判斷依據?；诤娇沼跋窠ㄖ飩€數繁多、形狀復雜,且存在較多的干擾信息,提出一種新穎有效的建筑物識別方法:首先,利用改進標記分水嶺算法提取建筑物區(qū)域。然后,對每個分割得到的建筑物區(qū)域,提取其輪廓,對輪廓進行基于平穩(wěn)小波變換的仿射不變量計算,并構造建筑物模型數據庫,利用相關系數實現了建筑物的有效識別。

強化木地板表面質量的圖像檢測技術在我國尚屬空白。本文將遺傳算法應用于強化木地板表面缺陷的圖像分割,利用最大熵準則作為算法的適應度函數。實驗表明,該算法可較準確地分割出強化木地板的表面缺陷,是一種有效的圖像分割方法。

采用最佳閾值法、最大類間方差法、最小誤差法分別對多幅典型的破損道路標線圖像進行分割,通過分析對比確定用最小誤差法分割道路標線圖像效果較好。但是采用最小誤差法分割道路標線存在無法正確分割出細節(jié)的缺陷,為改善圖像的分割效果,進一步探討并決定采用基于最小誤差的動態(tài)閾值法對道路標線圖像進行分割。通過對比全局閾值法和動態(tài)閾值法的優(yōu)缺點,并結合兩者的優(yōu)點,提出了動態(tài)閾值結合全局閾值的方法分割道路標線圖像,取得較好的效果。

以180幅木材樣本圖片為對象,研究以小波變換方法提取特征參數,分析幾種小波基的特點和性質,最終以對稱性為依據,選擇使用sym4小波對圖像進行二級小波分解,可以得到一級水平細節(jié)hl1、垂直細節(jié)lh1、對角細節(jié)hh1,二級的近似ll2、水平細節(jié)hl2、垂直細節(jié)lh2、對角細節(jié)hh2共7個子圖,提取整幅圖像的熵和每個子圖小波系數的均值及標準差作為特征參數。將木材紋理按照直紋、拋物線和亂紋3種紋理的分類標準,以bp神經網絡作為分類器進行了木材紋理分類的驗證,并與灰度共生矩陣的方法進行了對比。試驗表明:采用小波變換的方法對木材紋理特征進行描述,不但提高了分類的準確率,重要的是縮短了運算時間,可以達到在線監(jiān)測的要求。

復雜場景中的圖像分割是當前圖像分割中的一個難點,給分割算法帶來了更大的挑戰(zhàn).基于深度學習的算法基于統(tǒng)計學理論,相比傳統(tǒng)的神經網絡,深度學習能夠進行更深層次的學習,因此準確率大大提升,本文研究了一種深度信念網模型,加入dropout策略,并且進行改進,最后把模型應用于施工現場勾機的圖像分割與識別.實驗證明,改進的深度信念網模型算法可以有效的識別復雜場景中的圖像.

某建筑物的發(fā)生了變形,通過變形監(jiān)測的方式得到了一序列變形觀測數據并且進行了細致分析。本文利用mallat算法,對實測數據進行小波變換,消除觀測噪聲,提取有用信息,通過對這些信息研究分析,對建筑物變形進行幾何分析和物理解釋。

對建筑物進行沉降監(jiān)測并預報其變化趨勢,能有效保障建筑物的安全性。本文提出一種基于小波變換的arma模型用于建筑物沉降預報。利用小波多尺度分析將沉降監(jiān)測數據分解為高頻信號和低頻信號,并分別采用arma模型進行預測,然后將各序列預測結果進行合成,得到最終預測結果。并以青島市某高層建筑物監(jiān)測數據為例,分別采用傳統(tǒng)arma模型以及基于小波變換的arma模型進行預報對比分析,結果表明基于小波變換的arma模型取得了較高的預報精度。

1 中英文資料對照外文翻譯文獻綜述 一種在線圖像編碼識別系統(tǒng)的設計 摘要：本文介紹了在線圖像編碼字符識別系統(tǒng)的設計與實現過程，對其中 重點環(huán)節(jié)進行了分析與研究，給出了主要環(huán)節(jié)問題的解決方法，在識 別算法上，結合模板匹配與特征識別，提出了基于特征加權的模板匹 配算法，該算法對提高字符識別率提到了較好的作用。 關鍵詞：圖像處理;模式識別;特征加權;軟件設計 0引言 圖像編碼字符識別的研究目前仍是國內外一個重點研究課題，它具有 廣泛的應用背景，比如車牌號碼自動識別、郵政編碼的自動識別、試卷自 動閱讀、報表自動處理等，由于這種在線圖像編碼字符的識別都具有一些 共性，本文結合在線輪胎編碼字符識別系統(tǒng)的設計，對一般圖像編碼字符 識別系統(tǒng)進行了闡述，對關鍵環(huán)節(jié)進行了研究與分析，該方法對其它在線 圖像編碼字符系統(tǒng)的開發(fā)具有一定指導意義。 1在線圖像編碼識別系統(tǒng)流程 在線圖像編碼字符識別系統(tǒng)主要

礦井配電網是單端供電系統(tǒng),其中性點不接地或通過消弧線圈接地,當出現單相接地故障時,由于故障電流微弱,故障點位置很難查找。為解決這個問題,采用行波測距法通過檢測故障點初始行波和故障點二次反射波分別到達母線檢測點的時間來進行故障測距,該算法極大的提高了測距的可靠性。仿真結果證實了該方法的有效性和可行性。

基于小波變換的信號濾波在探地雷達中的應用

本科畢業(yè)設計（論文） 基于小波變換的腦電信號去噪方法 燕山大學畢業(yè)設計（論文）任務書 學院：系級教學單位： 學 號 學生 姓名 專業(yè) 班級 題 目 題目名稱 題目性質 1.理工類：工程設計（）；工程技術實驗研究型（）； 理論研究型（）；計算機軟件型（）；綜合型（） 2.管理類（）；3.外語類（）；4.藝術類（） 題目類型1.畢業(yè)設計（）2.論文（） 題目來源科研課題（）生產實際（）自選題目（） 主 要 內 容 基 本 要 求 參 考 資 料 周次第～周第～周第～周第～周第～周 應 完 成 的 內 容 指導教師： 職稱：年月日 系級教學單位審批： 年月日 ：表題黑體小三號字，內容五號字，行距18磅。（此行文字閱后刪除） 摘要 i 摘要 腦電信號(eeg)是腦神經細胞電生理活動在大腦皮層或頭皮表面的總

基于小波變換的思想建立了遞歸bp網絡模型來預測空調負荷,改進了網絡權值、閾值的修改算法,引入了折扣系數法以提高近期預測精度,結合一實例進行了空調逐時冷負荷預測,結果表明該方法預測精度高,適用于空調負荷預測。

利用小波多分辨率分析將地震動加速度分解為多頻段小波分量,并運用復模態(tài)方法推導其計算層間隔震體系在地震作用下的動力響應公式,討論各頻段地震信號及結構響應的能量分配。同時利用小波時頻工具分析地震動能量在時頻域內的分布對層間隔震結構響應的影響,進而為考察地震動非平穩(wěn)性對層間隔震結構非線性分析的影響提供方法。利用小波分析的以上優(yōu)勢,對一典型層間隔震結構分別進行彈性和彈塑性分析,結果表明彈性體系在地震作用下的響應可由該地震波各小波分量的響應疊加而得,地震動能量在時間上的集中會對層間隔震結構響應產生不利影響。

為了合理準確的預測出邊坡變形程度,減少邊坡不穩(wěn)定帶來的損失,針對小波變換去噪理論與灰色模型預測方法的特點,提出了一種基于小波變換理論的灰色模型預測方法來預測邊坡變形量。首先通過小波去噪,獲得具有更小隨機誤差的觀測數據,然后利用灰色模型預測變形量,最后通過結果對比分析預測精度。通過實驗證明,基于小波變換的灰色模型邊坡變形預測方法精度更高,效果更好,適合用于邊坡變形預測。

本文采用了不同小波函數及不同尺度參數對含強載波干擾的局部放電信號進行連續(xù)小波變換，并對小波變換結果進行了定量對比分析。仿真結果表明，在采樣頻率一定的情況下，不同的小波函數只有在各自的最佳尺度參數下對干擾的抑制能力才是最強的，因此，只有選取合適的小波函數及其最佳尺度參數才能更加有效地抑制周期載波干擾。

基于變壓器器身振動信號的監(jiān)測方法是近年來國內外研究的一種新方法,本文主要針對變壓器振動機理及采集到的振動信號進行研究,利用小波變換在信號處理方面的強大功能,通過對實際運行的電力變壓器振動信號進行時頻域分析處理,去除信號白噪聲。