本發(fā)明涉及數(shù)據(jù)特征增強技術(shù)領(lǐng)域，具體為一種將一維數(shù)據(jù)二維化的特征增強方法。
背景技術(shù)：
在利用數(shù)字射線成像系統(tǒng)進行特征檢測過程中，由于系統(tǒng)和工件本身特點的原因，在獲取的射線圖像中，某些需要識別的特征信息常常被大量的低頻背景信息掩蓋，使特征的識別增加了難度。針對上述問題，研究了一種基于經(jīng)驗?zāi)Ｊ椒纸?empiricalmodedecomposition,簡稱emd)的圖像特征增強技術(shù)。emd方法能夠更準確地剔除圖像中存在的非需特征信息，增強需要識別的特征信息，提高特征信息的識別率。
傳統(tǒng)的識別算法會存在信號識別的問題，尤其是環(huán)境惡劣、干擾較多的條件下，數(shù)據(jù)特征就會被模糊化，數(shù)據(jù)特征的提取、分析和判斷尤為困難。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于提供一種將一維數(shù)據(jù)二維化的特征增強方法，以解決上述背景技術(shù)中提出的問題。
為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
一種將一維數(shù)據(jù)二維化的特征增強方法，包括如下步驟：
s1、建立函數(shù)關(guān)系：一個n個元素的一維數(shù)組m，轉(zhuǎn)換為r行c列的二維數(shù)組n，對于一維數(shù)組中任意一個元素的下標i(0<=i<n)，其對應(yīng)的二維數(shù)組下標為(i/c,i%c),只與列數(shù)c有關(guān)，而與行數(shù)r無關(guān)；
s2、下標關(guān)系轉(zhuǎn)換：將一維數(shù)組m與二維數(shù)組n的關(guān)系轉(zhuǎn)換成一維數(shù)組m的下標i與二維數(shù)組n的下標(i/c,i%c)之間的關(guān)系；
s3、數(shù)據(jù)轉(zhuǎn)換：采用c語言編程對一維數(shù)組m的下標i與二維數(shù)組n的下標(i/c,i%c)的轉(zhuǎn)化，獲得二維數(shù)組n，該二維數(shù)組n的陣列大小為x1*y1；
s4、數(shù)據(jù)擴展：將二維數(shù)組n的陣列某一段（a，b）擴展（i/c,i%c）；灰度變換有時又被稱為圖像的對比度增強或?qū)Ρ榷壤臁］斎雸D像中的一個像素的灰度級為z0，經(jīng)過t(z)函數(shù)變換后輸出圖像對應(yīng)的灰度級為z1，其中要求z0和z1都要在圖像的灰度范圍之內(nèi)。根據(jù)t(z)形式，將灰度變換分為線性變換和非線性變換。
s5、數(shù)組變換；將n中的每一個數(shù)據(jù)依次都經(jīng)過s變換到頻率-延時域數(shù)據(jù)，得到的數(shù)據(jù)為sj(k,n)，其中下標j為正整數(shù)表示道數(shù)，0<j≤a，n是延遲因子，k是頻譜分量，0≤k≤b-1，0≤n≤b-1，即sj(k,n)是一個維數(shù)為b×b的數(shù)組；
s6、數(shù)組方差：對維數(shù)為b×b的數(shù)組計算方差，方差值與陣列中的每個值與平均值的差的絕對值進行累加然后求和，再除以該值的數(shù)量而得到的一個值；
s7、雙曲線擬合：對所得的方差值利用雙曲線擬合，選出與雙曲線規(guī)律相同的數(shù)據(jù)，并將對應(yīng)雙曲線的位置值(i,j)保存在記錄集中；保存記錄集中對應(yīng)(i,j)的右奇異向量vi,j的值，將其他的值置零，獲得一個新的矩陣v；
s8、共軛矩陣：計算新的矩陣v的共軛轉(zhuǎn)置矩陣，并逐一對將共軛轉(zhuǎn)置矩陣的每個點進行處理，根據(jù)待處理的二維數(shù)組n中的點的坐標位置，從輸入陣列中提出相應(yīng)的數(shù)據(jù)陣列。
優(yōu)選的，所述一維數(shù)組m包含的元素n的不小于100。
優(yōu)選的，雙曲線擬合采用最小二乘法原理求出變換后的變量，借助求解非線性方程組的方法求得所需參數(shù)得到擬合曲線。
優(yōu)選的，數(shù)組方差的計算中采用matlab進行計算，方差計算后的值精確到0.01。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明與常規(guī)的數(shù)據(jù)特征增強方法相比，經(jīng)過曲線擬合、數(shù)據(jù)擴展的一系列方法，實現(xiàn)數(shù)據(jù)特征的增強，大大提高數(shù)據(jù)特征的清晰度，方便了數(shù)據(jù)特征的提取、分析和判斷，減少失誤，降低誤差，非常實用，且算法精簡，執(zhí)行效率快速。
具體實施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合具體實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
實施例1
一種將一維數(shù)據(jù)二維化的特征增強方法，包括如下步驟：
s1、建立函數(shù)關(guān)系：一個n個元素的一維數(shù)組m，轉(zhuǎn)換為r行c列的二維數(shù)組n，對于一維數(shù)組中任意一個元素的下標i(0<=i<n)，其對應(yīng)的二維數(shù)組下標為(i/c,i%c),只與列數(shù)c有關(guān)，而與行數(shù)r無關(guān)；
s2、下標關(guān)系轉(zhuǎn)換：將一維數(shù)組m與二維數(shù)組n的關(guān)系轉(zhuǎn)換成一維數(shù)組m的下標i與二維數(shù)組n的下標(i/c,i%c)之間的關(guān)系；
s3、數(shù)據(jù)轉(zhuǎn)換：采用c語言編程對一維數(shù)組m的下標i與二維數(shù)組n的下標(i/c,i%c)的轉(zhuǎn)化，獲得二維數(shù)組n，該二維數(shù)組n的陣列大小為x1*y1；
s4、數(shù)據(jù)擴展：將二維數(shù)組n的陣列某一段（a，b）擴展（i/c,i%c）；灰度變換有時又被稱為圖像的對比度增強或?qū)Ρ榷壤?。輸入圖像中的一個像素的灰度級為z0，經(jīng)過t(z)函數(shù)變換后輸出圖像對應(yīng)的灰度級為z1，其中要求z0和z1都要在圖像的灰度范圍之內(nèi)。根據(jù)t(z)形式，將灰度變換分為線性變換和非線性變換。
s5、數(shù)組變換；將n中的每一個數(shù)據(jù)依次都經(jīng)過s變換到頻率-延時域數(shù)據(jù)，得到的數(shù)據(jù)為sj(k,n)，其中下標j為正整數(shù)表示道數(shù)，0<j≤a，n是延遲因子，k是頻譜分量，0≤k≤b-1，0≤n≤b-1，即sj(k,n)是一個維數(shù)為b×b的數(shù)組；
s6、數(shù)組方差：對維數(shù)為b×b的數(shù)組計算方差，方差值與陣列中的每個值與平均值的差的絕對值進行累加然后求和，再除以該值的數(shù)量而得到的一個值；
s7、雙曲線擬合：對所得的方差值利用雙曲線擬合，選出與雙曲線規(guī)律相同的數(shù)據(jù)，并將對應(yīng)雙曲線的位置值(i,j)保存在記錄集中；保存記錄集中對應(yīng)(i,j)的右奇異向量vi,j的值，將其他的值置零，獲得一個新的矩陣v；
s8、共軛矩陣：計算新的矩陣v的共軛轉(zhuǎn)置矩陣，并逐一對將共軛轉(zhuǎn)置矩陣的每個點進行處理，根據(jù)待處理的二維數(shù)組n中的點的坐標位置，從輸入陣列中提出相應(yīng)的數(shù)據(jù)陣列。
所述一維數(shù)組m包含的元素n的不小于100。
雙曲線擬合采用最小二乘法原理求出變換后的變量，借助求解非線性方程組的方法求得所需參數(shù)得到擬合曲線。
數(shù)組方差的計算中采用matlab進行計算，方差計算后的值精確到0.01。
本發(fā)明與常規(guī)的數(shù)據(jù)特征增強方法相比，經(jīng)過曲線擬合、數(shù)據(jù)擴展的一系列方法，實現(xiàn)數(shù)據(jù)特征的增強，大大提高數(shù)據(jù)特征的清晰度，方便了數(shù)據(jù)特征的提取、分析和判斷，減少失誤，降低誤差，非常實用，且算法精簡，執(zhí)行效率快速。
以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。