摘要：地形纹理特征提取和识别是地形自动分类的关键。该文在分析已有地形纹理特征提取方法的基础上,提出一种基于双树复小波变换的地形纹理特征提取和识别方法。该方法将DEM地形垂直特征信息引入双树复小波变换模型,设计并实现了面向DEM地形数据特点的地形纹理特征提取方法。以陕北黄土丘陵沟壑区为实验样区,选取6个不同地貌特征共109个典型地形纹理样本进行特征识别实验,并将实验结果与常用的灰度共生矩阵(GLCM)模型及Gabor滤波结合PCA方法进行对比。研究显示,基于地形垂直特征改进的双树复小波变换模型对6类样本有较高的识别精度,同时消耗最短的纹理特征构建时间。

摘要：为提高对时变信号的分析处理能力,设计了一组同时满足抗混淆、完全重构和正交化的Q-shift滤波器。与传统Q-shift滤波器相比,其权系数可以根据输入信号特性进行自适应调整。将基于自适应Q-shift滤波的双树复小波变换用于对超声缺陷信号进行阈值降噪,实验结果表明,与Q-shift 10/10和DWT两种传统方法相比,去噪后信号的信噪比可以分别提高1.03 dB和1.97 dB。

摘要：变电站直流系统的状态直接关系到变电站的正常运行,为了对变电站直流系统出现的接地故障快速、准确定位,提出了一种双树复小波变换(DT-CWT)和奇异值分解(SVD)相结合的变电站直流系统接地故障检测新方法。该方法首先利用DT-CWT对支路电流信号进行分解来构建Hankel矩阵;然后对Hankel矩阵进行SVD分解,得到一系列奇异特征值;再次,利用相邻奇异值差值构建奇异值差分谱,通过奇异值差分谱最大峰值来保留有效的奇异值个数;最后,利用保留的奇异值来重构低频信号。算例分析结果表明,该方法能够准确地从支路电流信号中提取出低频交流信号,可以对变电站直流系统接地故障进行准确定位,很大程度上减小对地电容对检测精度的影响。

摘要：随着风力发电技术的迅速发展,风电机组的可靠性和性能成为风电项目高效运维持续关注的焦点.轴承是风电机组关键的机械部件,运行过程中容易出现磨损,因此,对轴承状态进行及时的诊断和维护至关重要.基于此,设计了一种基于双树复小波变换与深度残差网络相结合的风电机组轴承故障诊断模型DTRSANMD.该模型利用双树复小波变换对风电机组振动信号进行多尺度分解,将得到的特征信息输入加入了注意力机制的深度残差网中以获取有效的深度特征表示,并引入多核最大均值差异方法对变工况特征分布进行评价,有效地降低了源域和目标域之间的分布差异,提高了模型的泛化性能.最后,设计了风电机多源数据智能采集分析终端与系统,实现了风电机组机械部件的远程诊断分析,降低了维护成本.

摘要：在研究双树复小波变换原理的基础上,结合遥感图像中云雾和景物的频率差异,提出一种去云雾方法。设计并建立了去云雾处理硬件系统,介绍系统组成和系统开发步骤,叙述摄像头驱动程序、视频信号输出程序、人机交互界面等的设计方法,采用设计的系统开展图像采集和去云雾处理,给出并分析处理效果。实验结果表明,当分解层数、分界数和权重取默认值时,该文算法的图像处理的熵达到7.61,优于小波阈值法和同态滤波法。设计的系统去云雾处理能力和自适应性强。

摘要：齿轮振动信号具有非平稳性和非线性的特点。为了准确提取其故障特征并进行故障诊断,提出一种基于双树复小波变换(DTCWT)-最大熵谱估计(MESE)和惯性权重线性递减粒子群优化(LDWPSO)算法-参数优化概率神经网络(PNN)的齿轮故障诊断方法。首先,利用DTCWT把状态已知的齿轮振动信号分解为不同频带的模态分量。其次,采用MESE得到每个分量的最小偏差频谱估计,计算出不同频段的能量熵作为故障特征矩阵。然后利用LDWPSO算法寻找出最优神经网络参数——平滑因子。最后,将故障特征矩阵输入优化后的PNN模型,建立起故障特征和齿轮运行状况之间的数值化映射关系,进而完成齿轮故障诊断模型。经试验数据分析表明,采用提出的DTCWT处理齿轮的振动信号,并引入MESE处理关键分量,可以提取稳定的信号特征并降低噪声干扰。另外,相比于传统的PNN,基于改进的PNN的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

摘要：常见的医学信号(如脉搏信号)包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。

摘要：图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向.在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除.为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法.仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息.

摘要：针对超声乳腺图像中对不同规模病变的分割鲁棒性不足的问题,提出了一种多尺度注意力小波网络(MAW-Net).通过设计两个轻量的网络模块,多尺度拼接模块和跳过连接升维模块,达到在不同尺度上集成丰富的特征和全局上下文信息,减少编码器和解码器之间的语义差距以适应不同规模病变分割的目的.并引入双树复小波变换,很好地削弱了噪声影响.在两个公共的乳腺超声数据集UDIAT和BUSI数据集上进行测试,其Dice系数分别达到91.32%和84.23%.并与其他6种先进的图像分割方法进行比较,具备强分割鲁棒性、噪声影响小等优势.

摘要：针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波(DT-CWT)纹理和马尔可夫随机场(MRF)模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。