搜索资源列表
wavelet_function
- 此程序实现构造小波基。 采用双尺度方程求解小波基函数-Generating wavelet function using two-scale dilation equations.
CWT_EXE
- 多个尺度连续小波变换的实现。其中构造墨西哥帽子小波函数-1-D continuous wavelet transform code.
hanzaoshengdeyundongmohutuxiangdiankuosanhanshuchi
- 含有噪声的运动模糊图像点扩散函数尺度鉴别-Noisy motion-blurred image point spread function scale identification of
33
- 在利用曲波对图像进行分解的基础上,提出了一种考虑不同尺度分量的曲波系数间是相互关联的系数概率密度函数(PDF)模型,不同尺度的系数选择依赖其父层系数的大小,从而保证在去除噪声的同时,保留图像的纹理边缘等细节信息,然后对图像进行重构-In the use of curvelet decomposition of the image is proposed based on a consideration of different scale components curvelet coeffici
gabor_filter
- 实现对图像的gabor小波变换,利用了opencv的函数库,可实现方向和尺度等多项选择。-Achieve image gabor wavelet transform, using the opencv function library, enabling the direction and scale and many other options.
gauss_wavelet
- ,分析探讨了有关高斯函数的小波特性。根据多尺度微分算予理论和多分辨分析思 想,证明了高斯函数构造了一个多分辨分析(MRA),高斯函数的各阶导数均构成小波基函数-Analysis of the characteristics of the Gaussian wavelet function. According to the theory of multi-scale differential operator and multi-resolution analysis thinking th
dfp1111
- 变尺度法DFP求函数极小点(个人编写,改变函数、即可使用)-DFP DFP minimum point of a function
HHT_power-system_power-quality_disturbances-detect
- 优秀论文及配套源码。Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术,该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列,每一个序列称为一个固有模态函数(IMF),然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱,汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理,将信号中真实存在的不同尺度波动或趋势逐级分解出来,最
emd
- 经验模态分解(Empirical Mode Decomposition, 简称EMD))方法是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。-Empirical Mode Decomposition
vcPPsourcecode7
- 600个大型项目源码之一: MATLAB与VC++混合编程实现一维小波多尺度分解 小波分析世纪80年代开始发展成熟起来的一个数学分支,其应用领域十分广泛,并逐步成为信号分析的又一有力工具。MATLAB的小波工具箱为我们提供了小波多尺度分解函数,方便了我们对小波的使用。但是用它所编写的软件不能脱离MATLAB编程环境在Windows平台下直接运行,代码执行效率低下,运行时占较多的系统资源,不能达到某些用户的需求。 VC++是由美国Microsoft 公司开发的可视化C/C++集
Rotation-and-Scale
- 通过opencv的subpix函数实现图像的旋转和尺度变化-The subpix function implementation by opencv image rotation and scale changes
ADAPTIVE-IMAGE-FUSION-ALGORITHM
- 针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对 低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值 对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明: 与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中
wavelete
- 对一维信号和而为图像的小波分解程序,包括单尺度分解和多尺度分解,未利用MATLAB中自带函数,完全自己实现-Signal and the one-dimensional wavelet decomposition of the image process, including single-and multi-scale decomposition decomposed using MATLAB, comes not function completely on my own to achiev
Several-methods-for-the-most-value
- 一阶梯度法、共轭梯度法、变尺度法分别求解Wood函数,并得到此时的自变量值-The step degree method, conjugate gradient method, variable metric method for solving Wood function, respectively, and with the value of the independent variables at this time
xiaobofengjie
- 随机序列生产一维信号 用DB3小波进行二尺度分解 示范了dwt函数的用法 计算重构信号和原始信号的误差-Random sequence to produce one-dimensional signals DB3 wavelet decomposition of two-scale demonstrates the usage of computing functions dwt reconstructed error signal and the original signal
haar
- matlab下编写的基于一维单尺度的haar函数-matlab prepared under the one-dimensional single-scale based on haar function
contourlet
- Contourlet变换是一种新的图像二维表示方法,具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质,其基函数分布于多尺度、多方向上,少量系数即可有效地捕捉图像中的边缘轮廓,而边缘轮廓正是自然图像中的主要特征。-Contourlet image transformation is a new two-dimensional representation, with multi-resolution, local orientation, multi-directional, neig
Wavelet
- 传统的信号理论,是建立在Fourier分析基础上的,而Fourier变换作为一种全局性的变化,其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进,小波分析由此产生了。小波分析是一种新兴的数学分支,它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶;在应用领域,特别是在信号处理、图像处理、语音处理以及众多非线性科学领域,它被认为是继Fourier分析之后的又一有效的时频分析方法。 小波变换与Fourier变换相比,是一个时间和频域的局域变换因而能有效地从信号中提
Wavelet-Analysis
- 小波分析是建立在泛函分析、调和分析、数值分析、逼近论和傅里叶分析等的基础上发展起来的新的时频分析方法。与经典的傅里叶分析相比较,小波变换是空间(时间)和频率的局部变换,因而能有效地从信号中提取信息,因此小波分析有着许多显著的优点。小波变换是空间(时间)和频率的局部变换,因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析,解决了Fourier变换不能解决的许多困难问题。 小波分析是时间—尺度分析和多分辨分析的一种新技术,它在信号分析、语音合成、图像识别、计
GaborFeature
- Gabor变换属于加窗傅立叶变换,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿,所以经常用作纹理识别上,并取得了较好的效果。-Gabor transform is windowed Fourier transform, Gabor functions in the frequency domain at different scales and different directions to extract relevant features