[发明专利]一种将一维数据二维化的特征增强方法

说明书

技术领域

本发明涉及数据特征增强技术领域，具体为一种将一维数据二维化的特征增强方法。

背景技术

在利用数字射线成像系统进行特征检测过程中，由于系统和工件本身特点的原因，在获取的射线图像中，某些需要识别的特征信息常常被大量的低频背景信息掩盖，使特征的识别增加了难度。针对上述问题，研究了一种基于经验模式分解(Empirical Mode Decomposition,简称EMD)的图像特征增强技术。EMD方法能够更准确地剔除图像中存在的非需特征信息，增强需要识别的特征信息，提高特征信息的识别率。

传统的识别算法会存在信号识别的问题，尤其是环境恶劣、干扰较多的条件下，数据特征就会被模糊化，数据特征的提取、分析和判断尤为困难。

发明内容

本发明的目的在于提供一种将一维数据二维化的特征增强方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种将一维数据二维化的特征增强方法，包括如下步骤：

S1、建立函数关系：一个n个元素的一维数组M，转换为r行c列的二维数组N，对于一维数组中任意一个元素的下标i(0<=i<n)，其对应的二维数组下标为(i/c,i%c),只与列数c有关，而与行数r无关；

S2、下标关系转换：将一维数组M与二维数组N的关系转换成一维数组M的下标i与二维数组N的下标(i/c,i%c)之间的关系；

S3、数据转换：采用C语言编程对一维数组M的下标i与二维数组N的下标(i/c,i%c)的转化，获得二维数组N，该二维数组N的阵列大小为X1*Y1；

S4、数据扩展：将二维数组N的阵列某一段（a，b）扩展（i/c,i%c）；灰度变换有时又被称为图像的对比度增强或对比度拉伸。输入图像中的一个像素的灰度级为Z0，经过T(Z)函数变换后输出图像对应的灰度级为Z1，其中要求Z0和Z1都要在图像的灰度范围之内。根据T(Z)形式，将灰度变换分为线性变换和非线性变换。

S5、数组变换；将N中的每一个数据依次都经过S变换到频率-延时域数据，得到的数据为Sj(k ,n)，其中下标j 为正整数表示道数，0<j≤A，n是延迟因子，k是频谱分量，0≤k≤B-1，0≤n≤B-1，即Sj(k ,n)是一个维数为B×B的数组；

S6、数组方差：对维数为B×B的数组计算方差，方差值与阵列中的每个值与平均值的差的绝对值进行累加然后求和，再除以该值的数量而得到的一个值；

S7、双曲线拟合：对所得的方差值利用双曲线拟合，选出与双曲线规律相同的数据，并将对应双曲线的位置值(i ,j)保存在记录集中；保存记录集中对应(i ,j)的右奇异向量vi ,j的值，将其他的值置零，获得一个新的矩阵V；

S8、共轭矩阵：计算新的矩阵V的共轭转置矩阵，并逐一对将共轭转置矩阵的每个点进行处理，根据待处理的二维数组N中的点的坐标位置，从输入阵列中提出相应的数据阵列。

优选的，所述一维数组M包含的元素n的不小于100。

优选的，双曲线拟合采用最小二乘法原理求出变换后的变量，借助求解非线性方程组的方法求得所需参数得到拟合曲线。

优选的，数组方差的计算中采用matlab进行计算，方差计算后的值精确到0.01。

与现有技术相比，本发明的有益效果是：本发明与常规的数据特征增强方法相比，经过曲线拟合、数据扩展的一系列方法，实现数据特征的增强，大大提高数据特征的清晰度，方便了数据特征的提取、分析和判断，减少失误，降低误差，非常实用，且算法精简，执行效率快速。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

一种将一维数据二维化的特征增强方法，包括如下步骤：

S1、建立函数关系：一个n个元素的一维数组M，转换为r行c列的二维数组N，对于一维数组中任意一个元素的下标i(0<=i<n)，其对应的二维数组下标为(i/c,i%c),只与列数c有关，而与行数r无关；

S2、下标关系转换：将一维数组M与二维数组N的关系转换成一维数组M的下标i与二维数组N的下标(i/c,i%c)之间的关系；