搜索资源列表
brushletdenoise
- brushlet用于图像降噪，一种三代小波，速度快，效果好，图像更加稀疏-brushlet for image noise reduction, a third generation wavelet, fast, effective and more sparse image
CS
- 用matlab利用压缩感知CS实现对一位信号的处理~小波稀疏分解，正交追踪算法重构~1-D信号压缩传感的实现(正交匹配追踪法Orthogonal Matching Pursuit) 测量数M>=K*log(N/K),K是稀疏度,N信号长度,可以近乎完全重构-CS with matlab using compressed sensing to achieve a sparse signal processing- wavelet decomposition, the orthogona
omp
- 用小波先进行稀疏化，再用OMP算法进行修复重构-Using wavelet to the sparse, garnish with OMP algorithm to repair the reconstruction
BMbox
- 波尔兹曼学习机,非常适合压缩感知方向和稀疏表示的同学-BM machine
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
Wavelet_OMP
- 本程序实现图像LENA的压缩传感，小波变换让图像稀疏化，算法采用正交匹配法-This procedure for the compression of the image LENA sensing, wavelet transform to image sparse algorithm using orthogonal matching method
omp
- 用小波变换作为稀疏基，采取OMP算法将图像重建恢复，由于算法计算量大会导致成像时间过长，程序用改进的分块处理缩短了时间，-Wavelet transform as a sparse base, take OMP algorithms to restore the image reconstruction algorithm to calculate the General Assembly led to the long imaging time, the program using a mod
CS_Primary_tutorial
- CS压缩传感的初级教学代码，使用OMP重构，已注释，包括1维信号，2维图像的重构，分别使用dct和小波稀疏，列扫描和分块法进行omp重构-CS compressed sensing primary teaching code using OMP remodeling, already commented, including a 1-dimensional signals, 2-dimensional image reconstruction, respectively, using the D
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
ShearLab-PPFT-1.0
- 图形处理中需要用到的剪切小波变换。可以稀疏表示信号。-Graphics processing needed shear wavelet transform. Sparse representation of the signal.
Toolbox_sparseMRI_PBDW
- 基于分块小波的图像框架的核磁共振图像稀疏重建算法工具箱。-Ts image smoothing. Keep the big picture edges smoothed images of small edges. Has the effect of drawing cartoon images.
7
- 本文提出一种基于边缘自适应小波变换的多尺度图像修复算法，对非纹理图像有比较好的修复效 果。边缘自适应小波变换的基本思想是，先检测出图像的主要边缘，这些边缘把图像分割成几个平滑区，然后 对图像进行不跨越边缘的小波分解，即在各平滑区内部进行小波变换，得到图像的多尺度表示，并且同时计算 边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上，而高频系数则非常稀疏，而且都接近 于零。在此基础上进行图像修复，就只需要对低频部分与边缘图像进行修复，然后重构得到修复图像即可。 经过小
9Image-Denoising-EdgePerts
- 9基于小波的图像融合算法稀疏…CS448-Image Fusion Algorithm Based on Wavelet Sparse ... CS448
HaarWare
- 基于哈小波的图像稀疏分解与重构。并进行MATLAB仿真。图像为经典lena图像-Image sparse decomposition and reconstruction based on wavelet. And the MATLAB simulation. The classic image to Lena image
xiaobo
- 基于小波变换的图像稀疏表示，用来进行图像去噪-Wavelet Transform for image sparse representation
workshop.tar
- 压缩感知的MRI图像重建测试CS-MRI 程序包括：fft2、ifft2、小波稀疏变换子程序、测试数据、demo程序......(compressed sensing for MRI)