搜索资源列表
image_smoth
- 稀疏分解的匹配追踪程序，用新的较少的原子来重建信号或图像，使信号或图像的表示更加简洁。-MP tracking procedures, with new atomic less to rebuild signal or image the signal or image said more concise.
low_high
- 稀疏分解信号重建程序，利用匹配追踪原理不断对信号匹配，最后达到重建信号目的。-sparse decomposition signal reconstruction procedures, the use of matching principle constantly tracking the signal matching, Finally signal to the redevelopment purposes.
GAMP
- 基于GA和MP的信号稀疏分解,算法速度比元来的有很多改进。
sparserepresentationofsignals.
- 详细介绍了信号的稀疏分解和表示方法，可以用于图像特征提取等方面,Details of the sparse signal decomposition and that the method can be used for image feature extraction, etc.
cs.rar
- 压缩传感理论的一个简单例子，首先对信号进行稀疏采样，然后利用MP算法对信号进行重建。,Compressed sensing theory of a simple example, first of all, the signal sparse sampling, and then use MP algorithm of signal reconstruction.
Pursuit
- 基于MP的信号稀疏分解算法,它算法简单,比较容易实现.目前应用在很多领域中-MP-based signal sparse decomposition algorithm
SR
- 基于MP的信号稀疏分解参考程序。源程序是《信号与图像的稀疏分解及初级应用》中的-MP sparse decomposition based on the signal reference program. Source is " Signal and image sparse decomposition and primary application" in the
signal decomposition by bp
- 基于基追踪（basis pursuit）对信号进行稀疏表示的算法-signal decomposition by basis pursuit...
SolveStOMP
- 同时正交分解，也是对MP的改进，实现信号的稀疏分解-At the same time orthogonal decomposition, also MP for improvement, and the signal is sparse decomposition
xsfj
- 利用正交匹配跟踪原子库对信号进行稀疏分解程序-Sparse decomposition process
sparseDecomposition
- 介绍稀疏分解，信号与图像的稀疏分解及初步应用，作者好像是西安交大的-sparse Decomposition of Signals and Images and Application
inpainting_MP
- 自己写的基于MP的信号稀疏分解与修复程序，用的是Gabor原子，本人对其进行了些微修改，使之有周期性。-inpainting based on sparse presentation process, using a Gabor atom, I was carried out slightly modified so that there are cyclical.
sparse_learning
- cholesky算法信号稀疏解 对于数据压缩有很大帮助-we are the world we are the children we are the ones
Sparse-and-Redundant-Representations
- 这本教科书，介绍了稀疏和多余的申述，对信号和图像处理应用的重点。的理论和数值基础处理前的应用进行了讨论。信号源的数学建模一起讨论如何使用适当的模型，如去噪，恢复，分离，插值和外推法，压缩，采样，分析和合成，检测，识别，多任务。这次报告会是优雅和迷人的。-Sparse and Redundant Representations From Theory to Applications in Signal and Image Processing
ACHA05_Inpaint
- 基于信号稀疏分解的形态成分分析来进行图像的分解和修复原作者的英文原文献-Morphological component analysis based on the signal sparse decomposition of the image decomposition and restoration of the original author of the original English literature
CurveLab-2.1.3.tar
- 最新曲波变换工具箱，用于信号稀疏分解重构-Last curvelet transform toolbox for signal sparse decomposition and reconstruction
WaveletOMP
- 冗余字典用于处理图像恢复 以及用于处理信号稀疏性-Redundant dictionary for processing image restoration and means for processing signals sparsity
3
- 信号稀疏度K与重构成功概率关系曲线绘制例程代码-K signal sparsity and Reconstruction success probability plots draw sample code
K-SVD_and_W_KSVD_Sparse_Representation
- 通过字典学习更新的方法，对图像信号进行稀疏化分解(Through the method of learning and updating the dictionary, the image signals are sparse decomposed)
新建文件夹 (2)
- 字典学习。比如一个向量，是k维的，我现在有一个k*n的字典，其中n>>k，所谓的字典学习，就是在这包含n个向量的字典当中寻找一个线性表示可以表示出当前这个k维的向量。之所以称为“稀疏表示”，因为一般n大于k，比如n=512,k=64。这时候你的字典一定是一个Redundant（冗余的，过剩的）的。因此你的表示里面一定有很多系数为0，因而被称作稀疏表示。 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中