摘要:为了提高图像复原算法的性能 ,提出了一种改进的奇异值分解法估计图像的点扩散函数。从图像的退化离散模型 出发 ,对图像进行逐层分块奇异值分解 ,并自动选取奇异值重组阶数以减少噪声对估计的影响。利用理想图像奇异值向 量平均能谱指数模型 ,估计点扩散函数奇异值向量的频谱 ,再反傅里叶变换得到其时域结果。实验结果表明 ,该方法能 在不同信噪比情况下估计成像系统的点扩散函数 ,估计结果比原有估计方法有所提高 ,有望为图像复原算法的预处理提 供一种有效的手段。-Abstract : T

问题是高切滤波或低通滤波，如果采用硬件实现，速度最快，但是现在计算机速度这么快，硬件实现起来相对麻烦，成本高，且灵活性性差， 软件实现相对方便多了，具体体的操作步骤如下（频率域） 先对数据作正FFT,再对变换后的频域数据乘以滤波因子，滤波因子的选择有理想高通、巴特沃斯高通、指数高通、梯形高通，一般选择梯形高通滤波因子，具体原因你可从数字信号处理的书上找到，，接下来将数据再作逆FFT就是了，还有就是在空间域作滤波，这里有一个带同滤波的程序的程序，你可参考一下，（将低切参数设为零就是

混沌时间序列Matlab源程序,包含时间序列的时间延迟计算，关联积分计算，相空间重构，时间序列分解，Heaviside函数的计算，延迟时间和时间窗口计算，混沌吸引子关联维计算，重构相空间进行K_L变换，混沌吸引子关联维计算，Hurst指数分析，关联维和Kolmogorov熵计算，FFT计算序列平均周期，最大lyapunov指数计算，利用互信息法求时间延迟，混沌和噪声识别的源程序。-Matlab chaotic time series source, time includes the time

pypro4sail模块需要在github下载，该代码内包含几个部分：变换不同输入参数获取波长-反射率数组，计算五个常见的植被指数作为因变量，波长为自变量，并拟合该曲线，计算R²、RMSE等统计参数。 需要的uu可以根据注释，按照自己的要求稍加改动即可使用！