搜索资源列表
Wavelet_gray
- 用小波变换实现对BMP图像的灰度处理，迅速分离空间域与频率域
suanfa
- 给出了一种基于小波变换的图像融合方法，对小波分解后的低频分量通过度量其图像块空间频率和对比度来确定融合图 像的低频分量，对分解后得到的高频分量，选择高频系数时，基于绝对值最大的原则，并对选择结果进行一致性验证，最后重构得 到融合图像。从仿真结果可以看出，给出的方法很好地保留了多幅原图像的有用信息，融合图像清晰度和对比度都较好，是一种有 效的图像融合算法
tishengxiaobo-fusion
- 探讨了一种新的基于提升小波变换的图像融合算法，提升小波的构造不依赖于傅立叶变 换，应用它进行图像融合可以提高处理速度，节约内存空间。
小波变换BMP（256）
- 小波变换是一个当今比较常用的图像处理方法，它可以很方便实现图像空间域到频率域的转换！-wavelet transform is a more commonly used in today's image processing method, which can facilitate the achievement of image space domain to the frequency domain conversion!
conditional_sta_scatter
- 基本轮廓波变换之后，在变换域空间的系数分布散点图-Basic outline of the wavelet transform, the coefficients in the transform domain spatial distribution of scatter
vision
- 本书的目的主要是向读者展示傅里叶分析和小波的许多基础知识以及在信号分析方面的应用。全书分为8章和2个附录，前言部分是学习第1章至第7章的准备知识，即内积空间；第1章讲解傅里叶系列的基础知识；第2章讲解傅里叶变换；第3章介绍离散傅里叶变换以及快速傅里叶变换；第4章至第7章讨论小波，重点在于正交小波的构建；附录部分则介绍稍微复杂的一些技术主题以及演示概念或产生图形的MATLAB代码。许多关于小波的文章和参考书籍均要求读者具有复杂的数学背景知识，本书则只要求学生具有较好的微积分以及线性代数知识，通俗易
PicEnergy
- 根据被测图像纹理背景和目标区域在小波变换域内图像能量分布的不同,以及经过多尺 度分解后在各子空间信息分布的不同,提出与背景纹理的方向无关,把目标的变化具有旋转、平移 以及尺度不变性的能量特征作为检测的依据。实验证明该方法具有较好的适应性。-According to the measured image texture background and target region in wavelet transform domain energy distribution of the di
JPEG2000_006.pdf
- 本文提出了一种基于提升算法的高效JPEG2000二维离散小波变换(2D—DWT)~ 结构，将边界延拓内嵌于离散小波变换过程中，减少了所需的内存空间和功耗。采用W 扫描输入方式和行列并行处理结构，加快了变换速度，大大提高了小波变换的效率。整个二维离散小波变换结构已经通过FPGA硬件仿真验证。-This paper presents a highly efficient algorithm based on lifting JPEG2000 two-dimensional discrete wave
xiaobofenxijiangyi
- 小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。 这套讲
xiaobo
- 小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过近10年的探索研究，重要的数学形式化体系已经建立，理论基础更加扎实。与Fourier变换相比，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。-Wavelet analysis is currently applied mathematics and engineering disciplines in a rapidly developing new fields, after almost 10 years o
tuxiangpipei
- 基于小波变换的多分辨匹配算法: 首先利用小波的多分辩率特性将匹配图像和模板图像分解到乙层上，并且只保留LL低频部分，然后利用归一化相关法作为相似性度量，进行由粗到细的相关匹配过程，每次利用下一层的匹配结果在上层小范围内搜索。这样做极大地减少了搜索空间，而且减少了每次匹配计算相似度的数据量。 -Wavelet multiresolution matching algorithms: a wavelet multi-resolution feature will match the imag
fdct_usfft_matlab
- 采用非均匀空间抽样法，进行曲波变换的工具箱，带有几个例子-Non-uniform spatial sampling, for curvelet transform toolbox, with a few examples
2
- 相空间重构中嵌入维数和延迟时间的选择关系到非线性时间序列重构的质量，介绍了小波变换方法确定重构中的两个参数-Reconstruction of phase space embedding dimension and delay time related to the choice of the quality of reconstruction of nonlinear time series, introduces the wavelet transform method to determi
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
Wavelet-analysis-to-understand
- 小波变换是克服其他信号处理技术缺陷的一种分析信号的方法。小波由一族小波基函数 构成，它可以描述信号时间（空间）和频率（尺度）域的局部特性。采用小波分析最大优点 是可对信号进行实施局部分析，可在任意的时间或空间域中分析信号。 -Wavelet transform is a signal processing techniques to overcome the other deficiencies of a signal analysis method. By the family o
Wavelet-learning-materials
- 从数学的角度讲，小波是构造函数空间正交基的基本单元，是在能量有限空间L2(R) 上满足允许条件的函数，这样认识小波需要L2(R) 空间的基础知识，特别是内积空间中空间分解、函数变换等的基础知识。 从信号处理的角度讲，小波(变换)是强有力的时频分析(处理)工具，是在克服傅立叶变换缺点的基础上发展而来的，所以从信号处理的角度认识小波，需要傅立叶变换、傅立叶级数、滤波器等的基础知识。-From the mathematical point of view, is to construct a
Matlab-wavelet-lifting-scheme
- 提升小波源代码，可直接用于matlab编程，具有许多优良特性：结构简单、运算量低、原位运算、节省存储空间、逆变化可以直接反转实现，以及可逆的整数到整数变换。-The wavelet lifting scheme under matlab.It has many features:simple structure,little caculation scalar,computing at the original place,little storation,directily anti-conv
smokedet
- 运动检测基础上结合颜色空间变换，并采用小波变换空域检测获取其模糊性，来检测烟雾，效果好-move detection color wavelet detection somke detection
Gabor
- 二维gabor变换提取图像的空间多尺度多方向的特征(2 dimensional gabor transform)
matlab小波变换程序
- 小波变换(wavelet transform，WT)是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的"时间-频率"窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了