图像清晰度的小波变换抗噪评价算法
为了使机器视觉系统中各类待检产品获得清晰图像,给调焦系统提供优良的评价依据,针对图像清晰度评价时易受到噪声干扰等问题,提出了一种基于小波变换高频系数的清晰度评价算法。该算法首先采用小波分解变换求得待测图像的细节分量,然后基于梯度平方法对各方向细节分量的变化快慢进行评价,最后根据纹理方向特征综合三个方向的高频系数的变化快慢,实现对图像清晰度评价。通过实验,验证了小波变换分解层数对清晰度评价的影响,并选取了第三层小波分解变换的高频系数作为评价的依据。为了验证所提出的算法,通过工业相机对样品进行连续变焦取像,并向该组图像中加入了均值为0,方差为0.01的高斯白噪声作为含噪样本,基于Matlab软件,分别采用梯度平方法、FISH算法、variance函数和提出的评价算法对两组样本进行清晰度评价测试。结果表明,提出...
基于峭度的VMD分解中k值的确定方法研究
在变分模态分解(Variational mode decomposition,VMD)中,因为分解层数k值属于自定义变量,所以在取值时分解结果会随着k值的变化而得到不同的结果,k值的取值直接影响着结果的准确性,k值取得过大或者过小都会对结果造成影响。基于以上问题,提出了一种利用峭度确定k值的方法。选取k值为2~n的整数,计算当k值为2~n时,每一个k值相关系数最大分量的峭度,并绘制峭度的变化曲线,若在该曲线内峭度没有峰值且单调递增,则继续计算当k为n+1时相关系数最大分量的峭度值,重复以上步骤,以峭度最大作为优化的标准,当峭度最大的时候,k为最佳值。用实际故障信号验证了方法的可行性,为VMD方法的研究提出了一种新的思路。
基于排列熵的小波包改进去噪算法研究
为了弥补传统小波包阈值去噪算法去噪参数选择完全依据人为经验的缺陷,引入对信号噪声含量变化敏感的排列熵算法,提出一种新的基于排列熵的小波包阈值去噪方法。对含噪信号进行小波包分解得到相应的小波包系数序列,并对其进行排列熵计算,通过分析小波包系数排列熵的变化规律来确定小波包分解层数与阈值以达到最优去噪效果。采用该方法对滚动轴承振动信号进行去噪分析,结果表明该方法去除噪声较为彻底,与其他参数去噪结果进行对比,验证了该方法的有效性。
-
共1页/3条