搜索资源列表
matlab1
- 我们知道，小波变换的一级分解过程是，原始信号分别进行低通、高通滤波，再分别进行二元下抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。以下是一维小波分解的程序. -We know that a wavelet transform decomposition process is that the original signal were low-pass, high pass filter, and then
wavlet
- 离散正交小波变换及小波重构，程序中给出测试数据，可得到这组数据小波分解后的低频分量和重构以后的数据-Discrete orthogonal wavelet transform and wavelet reconstruction, procedures given in the test data, available in this set of data after wavelet decomposition and reconstruction after low-frequency co
WaveletTransform
- 利用二维小波分析对一幅图象作2层小波分解,并在此基础上提取各层的低频信息实现图像的压缩.-The use of two-dimensional wavelet analysis of images for a 2-layer wavelet decomposition, and on this basis the low-frequency information extracted all levels to achieve image compression.
63535316jiqishijue
- 视频文字识别在视频分析与检索中有着重要作用,该算法对字幕图像进行N层小波分解,获得该视频文字的低频分量,再借助相似性度量方法实现视频文字的识别。-Video character recognition in the video analysis and retrieval plays an important role in the algorithm of subtitles images N layer wavelet decomposition, which is low-frequenc
Matlab_wavelet
- 掌握小波分析在图像分析等各方面的应用。对图像进行二维离散小波分解、多尺度二维离散小波分解 并提取二维小波分解的高频系数和低频系数， 画出原始图形并显示分解结果。-Master the application of wavelet analysis in image analysis and other applications. Image two-dimensional discrete wavelet decomposition, multi-scale two-dimensiona
ImageCompression
- 图像进行小波分解后，对于相对来说不重要的高频成份采用较高的阈值，进行高压缩；而对集中图像大部分能量的低频成分采用较小阈值，以确保图像恢复时的质量-Image Compression
li11_7
- 利用小波分解，去掉图像高频部分，只保留低频部分的图像压缩实例-The use of wavelet decomposition to remove high-frequency part of the image, leaving only the low-frequency part of the image compression examples
yuzhi
- 小波软阈值simulink模型,对带噪语音信号进行小波分解，得到高低频系数，然后对高低频系数进行阈值处理，然后就行重构得到去噪语音信号-the simulink model of yuzhi
2cengwave
- 利用二维小波分析对图像作2层小波分解，并在此基础上提取各层的低频信息。-Image using two-dimensional wavelet analysis for two-layer wavelet decomposition, and on this basis, the low-frequency information extracted layers.
fingerprint
- 能够实现对灰度图像进行小波分解，并且分别利用低频和高频系数重构图像-Can be achieved on the gray image using wavelet decomposition and the use of low frequency and high frequency coefficients respectively, the reconstructed image
amethodforimagefusion
- 文中的方法是把图像分块，小波分解得到低频分量、高频分量，然后计算每一块的对比度，把图像块划分为清晰块、模糊块，把清晰块和模糊块相邻的区域定义为边界区域，融合时，直接选取清晰块作为融合后的相应块，对于边界区域，在小波分解的基础上采用基于对比度的像素选取的方法进行处理。-Paper, the method is to image segmentation, wavelet decomposition are low frequency, high frequency components, then
medicalcengshu
- ：根据小波低频子带图像的轮廓模糊度和高频子带图像的细节信息量随小波分解层数增多而增多的规律，从图像熵 出发，提出了一种基于低频子带图像熵差的最佳小波分解层数选择法, 该方法通过计算不同分解层数下各低频子带的图像 熵差，选择最接近原始图像熵差的分解层数作为最佳分解层数。用多种基于小波变换的图像融合法分别对两组医学图像进 行仿真实验，结果表明根据该分解层数选择法得到的融合图像目视效果最好，与相关系数、峰值信噪比、模糊Chebyshev 距离 值等客观评价指标保持了很好的一致性。
Matlab
- 信号去噪的基本步骤： （1）信号的小波分解； （2）小波分解高频系数的阈值量化； （3）信号的小波重构。使用分解的低频系数以及阈值量化后的高频系数进行小波重构。 -The basic steps of signal denoising:( 1) of the wavelet decomposition of signals ( 2) the high frequency coefficients of wavelet decomposition threshold quan
wavelet-image
- 二维图像信号的去噪步骤： （1）二维图像信号的小波分解。选择合适的小波与恰当的分解层次N，并对待压缩的二维图像信号进行N层分解计算。 （2）对分解后的每一层高频系数，选择一个恰当的阈值，并对该层高频系数进行软阈值量化处理。 （3）二维图像信号的小波重构。用小波分解后的第N层近似（低频系数）和经过阈值量化处理后的各层细节（高频系数），对二维信号进行小波重构。-Two-dimensional image signal denoising steps: (1) two-dimensiona
wavelet-MATLAB-code
- 实现以下功能：装载信号；完成信号的单尺度一维离散小波分解；从系数中重构低频部分和高频部分；显示高频和低频部分；由小波逆变换恢复信号；多层一维分解；提取系数的低频和高频部分；重构第3层的低频系数；重构第1、2、3、4、5层的高频信号；重构原始信号并显示-Achieve the following functions: load signal complete signal single-scale one-dimensional discrete wavelet decomposition r
小波分解与重构
- 对信号进行多尺度分解并提取小波的高频系数和低频系数(Multi-scale decomposition of signals and extraction of high frequency coefficients and low frequency coefficients of wavelet)
小波分解重构
- 小波分解重构，可以作为研究小波频率的一个重要参考，但是注意，该代码分解出来的高低频系数不能完全当作滤波器使用，只是参考。(Wavelet decomposition and reconstruction can be used as an important reference for studying wavelet frequency, but attention is paid to the high and low frequency coefficients decomposed by
小波分解与重构
- 光谱数据的小波分解与单层重构并输出低频和高频系数的MATLAB算法
小波分解
- 小波分解，将信号分解成高频信号和低频信号进行分析(Wavelet decomposition)
小波变换和混沌理论在股市预测中的应用
- 应用小波变换和混沌理论相结合的方法对股票市场进行预测 ,即先对股指时序进行小波分解 ,然后对分解得到的高、低频部分分别进行混沌预测 ,再将预测的结果进行小波重构 ,得到原时序的预测结果。 在此基础上应用小波和混沌理论提出进一步提高预测精度的方法 ,即通过对高频部分再进行小分解、混沌预测和小波重构而使高频部分的预测精度得以提高 ,进而提高原始时序的预测精度。(The method of combining wavelet transform and chaos theory is used to