搜索资源列表
fenjie
- 图像的分解与重构,运用高斯函数对图像进行分解和重构,较简单-image decomposition and reconstruction, using Gaussian function right image decomposition and reconstruction, a simpler
WaveletVC++Res
- 通过设计VC程序对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换,从而得到小波分解系数;再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。在这一程序实现的过程中能直观地理解信号小波分解重构的过程和在信号消噪中的重要作用,以及在对各层高频系数进行权重处理时系数的选取对信号消噪效果的影响。-through the design process to a simple one-dimensional signal with a Ga
imageprocessing
- 图像处理的码源,如WALSH变换、Wavelets and Multiwavelet变换方法、高斯平滑、利用小波变换对图像进行分解与重构、拉普拉斯锐化等,所有的码源都是用VC++实现的。
wavelet_wx
- (1.)二维信号的小波分解。选择一个小波和小波分解的层次N,然后计算信号s到第N层的分解。 (2)对高斯系数进行阈值量化。对于从1到N的每一层,选择一个阈值,并对这一层的高斯系数进行软阈值量化处理。 (3)二维信号的重构。根据小波分解的第N层的低频系数和经过修改的从第1层到第N层的各层高频系数计算二维信号的小波重构。 -(1) 2 d signal wavelet decomposition. Choose a wavelet and wavelet decomposition le
example_yingyuzhi
- 小波变换,硬阈值降噪,产生原始信号,在原信号中叠加入高斯白噪声,信号重构-Wavelet transform hard threshold noise reduction, resulting in the original signal, stacked Gaussian white noise to the original signal, signal reconstruction
Wavelet_IRLS
- 压缩感知CS——采用小波变换进行稀疏表示,高斯随机矩阵为观测矩阵,重构算法为ILRS算法,对256*256的lena图处理,比较原图和IRLS算法在不同采样比例(0.74、0.5、0.3)下的重构效果,并各运行50次,比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_OMP
- 压缩感知CS——采用小波变换进行稀疏表示,高斯随机矩阵为观测矩阵,重构算法为OMP算法,对256*256的lena图处理,比较原图和OMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果,并各运行50次,比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_SP
- 压缩感知CS——采用小波变换进行稀疏表示,高斯随机矩阵为观测矩阵,重构算法为SP算法,对256*256的lena图处理,比较原图和SP算法在不同采样比例(0.74、0.5、0.3)下的重构效果,并各运行50次,比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix and
Wavelet_ROMP
- 压缩感知CS——采用小波变换进行稀疏表示,高斯随机矩阵为观测矩阵,重构算法为ROMP算法,对256*256的lena图处理,比较原图和ROMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果,并各运行50次,比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matr
Wavelet_SL0
- 压缩感知CS——采用小波变换进行稀疏表示,高斯随机矩阵为观测矩阵,重构算法为SL0算法,对256*256的lena图处理,比较原图和SL0算法在不同采样比例(0.74、0.5、0.3)下的重构效果,并各运行50次,比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
tfristft
- 令x(n)=5exp(j*0.15*n*n)+6exp(j*300n-j*0.15*n*n) ,w(n)为高斯窗函数。试用matlab软件,取不同长度的窗函数,分别求x(n)离散短时傅里叶变换,并进行信号重构。-ORDER x (n) = 5exp (j* 0.15* n* n)+6exp (j* 300n-j* 0.15* n* n), w (n) for the Gaussian window function. Trial Matlab software, take different l
DCT_Gaosi_fenkuai
- 对256*256大小的8bit灰度lena图像进行仿真 将图像分为16*16的分块进行计算 稀疏矩阵采用DCT矩阵,观测矩阵采用高斯随机矩阵,重构采用OMP算法- 256* 256 size lena image simulation 8bit grayscale image is divided into 16 * 16 calculate block sparse matrix using DCT matrix, observation matrix using Ga
CS--design-MATLAB
- 基于MATLAB的图像压缩感知毕业设计说明书。运用matlab软件,在离散傅里叶变换(DFT)和离散余弦变换(DCT)分块CS的基础上,采用正交匹配追踪算法(OMP)实现了对一维信号和二维图像的高概率重构。将重构结果与原始信号对比,结果表明,只要采样数M(远小于奈奎斯特定理所需要的采样率)能够包含图像所需要的有用信息时,CS算法就能精确的完成对图像的重构,并且重构效果也比较好-Compressed sensing image graduation design specification bas
haar
- 基于haar小波的图像分解和重构,加入高斯噪声和椒盐噪声来验证小波的效果-Haar wavelet-based image decomposition and reconstruction, adding salt and pepper noise and Gaussian noise to verify the effect of wavelet
compressing
- 应用傅立叶变换矩阵对信号进行稀疏,经高斯随机观测矩阵观测,经正交匹配追踪算法重构.压缩感知入门程序-The Fourier transform matrix is used to spill the signal. Observed by Gaussian random observation matrix and reconstructed by orthogonal matching tracing algorithm. Compression Sensing Getting Started
SpectrumRecongnize
- 高光谱识别程序。可以改变字典长度进行多尺度识别,识别时,利用重构误差改变字典长度,通过高斯变换得到多尺度信息进行识别-Hyperspectral recognition program. Can change the length of the dictionary for multi-scale recognition, recognition, the use of reconstruction error to change the dictionary length, through t
cs
- 该文包含了压缩感知图像重构算法,有omp,cosamp,sp,可以选择观测矩阵高斯随机矩阵,稀疏随机矩阵,部分哈达码矩阵。(This paper includes compressed sensing image reconstruction algorithm. It has OMP, CoSaMP and sp. It can choose observation matrix Gauss random matrix, sparse random matrix and partial Had