搜索资源列表
OneDimensionalDiscreteWaveletTransforms
- 本实验要求开发一个基本的哈尔小波变换程序包，用于后续的实验。实验中使用哈尔基函数特有的“平均”与“差分”方法。首先要编写一个计算哈尔小波的j-尺度离散小波变换程序。并且要编写一个计算哈尔小波的j-尺度的逆离散小波程序，并用课本上的例7.8来验证所编写的程序-The experiment calls for the development of a basic package Haar wavelet transform for the follow-up experiment. Harki fu
41695066wienerfilter2
- 内容：第4章 图像增强（对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强）；第5章 图像复原（逆滤波复原、维纳滤波方法）；第6章 图像处理中的正交变换（傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法）；第7章 图像压缩编码（霍夫曼（Huffman）编码、算术编码、游程编码（Run Length Coding）、位平面编码、预测编码、DPCM、-Content: Chapter
xb
- 分别实现对一幅图像的M尺度的小波变换和小波逆变换-Respectively, to achieve an image of the M-scale wavelet transform and inverse wavelet transform
DWT
- 小波变换和小波逆变换的C++实现，令附有测试数据和结果供参照。-Wavelet transform and wavelet inverse transform of the C++ implementation, so that with test data and results for reference.
idwt
- 小波变换、小波逆变换代码，数字信号处理领域常用-Wavelet transform, wavelet inverse transform code, digital signal processing used
haar
- 整数Haar小波变换和逆变换 可用于差值扩展等-Integer Haar wavelet transform and inverter
xiaoboronghe
- 首先对两幅需要进行融合的图像完成小波变换，小波系数位于LL，LH，HL以及HH这4个频带。小波系数的绝对值越大，其对应于更为尖锐的灰度变化（即图像中的突出特征部分），在小波融合中，一个主要的思想便是判断两幅原始图像对应小波系数的绝对值大小。在变换域的每一个小波系数都取绝对值相对大的那一个，这样，便实现了在所有分辨率级别上的小波系数融合，并且新的小波系数完好地保存了更多的频带特征。所有融合后的图像可以通过对新的小波系数进行小波逆变换得到。-First two images need to comp
waveletimtransformandimagecompression
- 用Matlab实现图像的整数小波变换和逆变换，对行和列各做一次，采用最简单的S小波，它是Haar变换的整数形式。此程序代码为逆程序代码-Using Matlab for image wavelet transform and inverse integer transform, the rows and columns to do once the most simple and S-wavelet, which is the integer Haar transform. This progr
kuaisutisheng
- 针对CT 医学图像和MR I 医学图像成像特点, 提出了基于快速整数提升小波变换的融合方法。在CT 和 MR I 两幅医学图像配准的前提下, 利用提升小波变换把图像分解成低频和高频子图像, 对于小波变换后的高频 子图像, 选择区域标准差大的作为融合后的子图像 对于低频子图像, 采用加权融合, 最后进行小波逆变换, 得到 融合后的图像, 并对融合后图像用信息熵、平均梯度、相关系数的指标进行评价。实验结果表明, 基于快速整数提 升小波变换融合中, 小波高低频系数采用不同的规则能够取得
imagefusion
- 提出了一种基于多通道 Gabo r滤波器和 FCM聚类的图像融合新方法。该方法先利用模糊 C2均值聚类算法在多通道 Gabo r滤波器形成的特征空间上对图像进行区域分割 再对待融合图像进行多尺度小波分解 在此基础上利用 Gabo r滤波器提取高频段纹理特征构造区域相似度 ,应用区域相似度及信息量构造加权因子 ,从而得到融合图像的小波系数 最后 ,利用小波逆变换得到融合图像.-Proposed a multi-channel Gabo r filter and FCM clustering f
DWT
- 用OpenCV实现二维离散小波变换及其逆变换(对初学者非常有用)-OpenCV implementation with two-dimensional discrete wavelet transform and its inverse transform (very useful for beginners)
FreqCalculate
- 各种变换：// FFT() - 一维快速付立叶变换 // IFFT() - 一维快速付立叶逆变换 // Fourier() - 二维快速傅立叶变换 // IFourier() - 二维快速傅立叶逆变换 // DCT() - 一维快速离散余弦变换 // IDCT() - 一维快速离散余弦逆变换 // FreqDCT() - 二维快速离散余弦变换 // IFreqDCT() - 二维快速离散余弦逆变换，图象的二维离散小波变换-Var
vcPPWavelet-transform
- VC++实现的小波变换，多级小波分解，小波逆变换。运行成功。值得参考-VC++ implementation of the wavelet transform, multi-level wavelet decomposition, inverse wavelet transform. Run successfully. Worth considering
2D_DWT_In_C_Programming_Language
- 用C语言实现任意级别的二维离散小波变换和小波逆变换-Wavelet Transformation and its inverse Transformation. Programmed in C programming language.
wavelet-transform
- 对含噪声信号进行小波变换；对变换得到的小波系数进行某种处理，以去除其中包含的噪声；对处理后的小波系数进行小波逆变换，得到去噪后的信号-Containing noise signal wavelet transform the wavelet transform coefficients to a treatment to remove the noise contained therein the treated wavelet inverse wavelet transform coeff
pm_haar_inv
- MATLAB函数为pm Haar 1-D IDWT算法 离散Haar小波逆变换的基本原理-MATLAB function for pm Haar 1-D IDWT algorithm, Fundamentals of the discrete Haar wavelet transform
wavelet
- 使用Matlab进行小波变换的程序，包含小波正变换和小波逆变换，可以作为学习Matlab以及小波变换的参考。-Using wavelet transform Matlab procedures, including wavelet transform and inverse wavelet transform, and can be used as a reference study of Matlab wavelet transform.
BBSD
- 基于区域的空间域图像融合。先对源图像作小波分解，低频分量加权平均，高频分量用模糊C均值聚类算法进行区域分割，对区域进行基于ssim值的融合，最后小波逆变换得到融合图像。-region based spatial domain method.First do the source image wavelet decomposition low frequency components weighted average of the high frequency component using Fu
Wavelet_SR
- 本程序是基于单幅图像的超分辨率算法，通过对输入的高分辨率图像进行下采样得 % 到原始低分辨率图像，对输入的低分辨率图像插值后，利用DWT将低分辨率图像分 % 解为不同的4个子带；同时直接对对分辨率图像进行SWT处理。由SWT得到的高频子 % 带来修正DWT得到的高频子带。最后，通过逆离散小波变换（IDWT）组合修正的高 % 频子带和低分辨率图像，得到输出的超分辨率图像。通过计算PSNR和SSIM评价结果。(This prog
心电信号检测与分类算法的研究
- （1）心电信号预处理 心电信号是一种低频且含有众多噪声干扰的信号。针对心电信号存在的 噪声干扰问题，本文采用了平稳小波变换结合双变量阈值的方法对其进行去 噪处理。通过对心电信号进行八层平稳小波变换，得到不同的小波系数，采 用双变量阈值函数表达式对其进行处理得到新的小波系数，最后进行逆平稳 小波变换实现小波重构，完成心电信号去噪。Matlab 仿真结果显示，本文算 法的准确率较高，信噪比达到 84.5934dB。 （2）心电信号波形识别 反映心电信号的特征部分往往是信号的突变点，因此需