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。
技术实现要素:
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
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