搜索资源列表
CWaveFile_demo
- 用vc对信号进行存储因为数字表示可以有冗余数据。通过冗余数据的信息，即使传输过程中信号发生严重变化，也可以恢复原来的信号。因此数据信号被广泛使用：通讯、领航、医药、声音处理、计算机等
H263encode
- 这个是一个实现H.263视频编码技术的程序。H.263视频编码标准是一个可以用来压缩包含低比特率情况下有运动图像成分的视听服务的编码表示。该程序的实现了H.263，采用了一种结合了可减少时间冗余的帧间预测和可减少空间冗余的残留信号编码的方面。
H263
- 建议说明了一个可以用来压缩包含低比特率情况下的有运动图象成分的视听服务的编码表示。视频信号编码的基本构造是基于ITU-T的H.261建议，它是通过帧间预测编码去除时间上的冗余和通过对保留信号进行变换编码来去除空间上的冗余的结合。源编码器可以在五种标准图象格式上工作：sub-QCIF, QCIF, CIF, 4CIF和 16CIF。
基于自动推理技术的智能规划方法研究
- 本文主要针对基于自动推理技术的规划方法予以研究，分别考虑经典规划问题基于命题逻辑的规划方法和规划问题基于模态逻辑的规划方法，主要包括如下工作: 1)综述基于自动推理技术的规划方法的研究现状。 2)提出基于Graphplan的编码和基于状态的编码中重叠公理的判定策略和冗余公理的删除策略;在基于Graphplan的编码方式的基础上，通过压缩动作互斥公理和添加框架公理设计并实现两种新的编码方式:基于PMA的编码方式和基于FA的编码方式。 3)在基于动作的编码方式的基础上，提出一种新的利用约简动作变元
gujia
- 数字图像处理骨架提取，能将一个二值图像的骨架提取出来进行后续处理。骨架是一种非常重要的图像几何特征，在图像几何形态分析及相关领域具有非常广泛的应用，利用骨架表示原始图像，可以在保持图像重要拓扑特征的前提下，减少图像中的冗余信息。骨架既能压缩图像数据，保留区域的连通性和拓扑性，描述区域轮廓的几何特征，又能使原始图像完全或部分地从骨架中恢复或重构。-Skeleton extraction of digital image processing, to a binary image of the sk
compress edsensing OMP
- 压缩感知 正交匹配追踪一些人关心压缩感知与雷达成像，他们把稀疏表示放在最重要的地方，以为在雷达成像中成功实现压缩感知关键是稀疏表示； 事实上并不是如此。我们知道：压缩感知需要建立AX=B,且该方法具有较低的抑制信噪比能力；另外雷达成像的基础是雷达 信号与目标的相互作用，也就是电磁波与介质的相互作用，该相互作用是一个非常复杂的非线性问题，因此研究这个问题与 压缩感知的关系才是解决雷达成像问题的关键点所在。从另外一个角度来看，雷达成像中惯用的方法是匹配滤波，
SparseDecomposition
- 期刊网上有关冗余字典对信号进行稀疏表示的几篇中文文章-several papers about Sparse Decomposition
KSVD_Matlab_ToolBox
- 数字图像处理，K-SVD字典学习方法，信号的稀疏与冗余表示理论，图像压缩，图像去噪-Digital image processing, K-SVD dictionary learning methods, sparse and redundant signal representation theory, image compression, image denoising
Motion-compensation
- 运动补偿是一种描述相邻帧（相邻在这里表示在编码关系上相邻，在播放顺序上两帧未必相邻）差别的方法，具体来说是描述前面一帧（相邻在这里表示在编码关系上的前面，在播放顺序上未必在当前帧前面）的每个小块怎样移动到当前帧中的某个位置去。这种方法经常被视频压缩/视频编解码器用来减少视频序列中的空域冗余-The motion compensation is a descr iption of the adjacent frame (adjacent represented here on the coding
ksvdbox
- 用于信号稀疏表示中冗余字典训练的KSVD算法，采用matlab与c的混合编程，具有更高的计算效率-KSVD algorithm for sparse signal representation in a redundant dictionary training
Image-and-Redundant
- 通过稀疏和冗余图像去噪在学习词典下的表示-Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
KSVD
- 稀疏表示中字典学习算法KSVD的实现，可以得到冗余字典，代码内部有详细注释-The realization of the sparse representation of a dictionary learning algorithm KSVD, can get a redundant dictionary, internal has a detailed code comments
RiemannianMatrixCompletion_30Jun2014
- 稀疏和冗余交涉从理论到应用的信号和图像处理，稀疏表示的最新巨作 - 稀疏和冗余交涉从理论到应用的信号和图像处理，最新大片的稀疏表示-Sparse and Redundant Representations From Theory to Applications in Signal and Image Processing，稀疏表示的最新巨作-Sparse and Redundant Representations From Theory to Applications in Signal and
Research-on-Compressed-Sensing
- 经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在远低于奈奎斯 特频率的采样频率下对压缩数据的直接采集.该
learning-dictionary-redundant
- 基于学习字典的图像冗余表示，用来进行图像去噪-Image-based learning dictionary redundant representation for image denoising
KSVD_Denoising_IEEE_TIP
- 基于学习字典的图像冗余表示，用来进行图像去噪-Image-based learning dictionary redundant representation for image denoising
libogg
- 首先对输入音频PCM信号进行时频分析，决定MDCT的长度，即加窗，然后进行MDCT变换；同时对原始音频信号要进行FFT分析。两种变换的频谱系输入给心理声学模型单元，MDCT系数用于噪声掩蔽计算，H可结果用于音调掩蔽特性计算，共同构造总的掩蔽曲线。然后根据MDCT系数及掩蔽曲线，对频谱系数进行线性预测分析用LPC(Linear Prediction Coefficience，线性预测系数)表示频谱包络，即基底曲线(Floor Curve)；或通过线性分段逼近方式获得基底曲线。从MDCT系数中去掉
Matlab-Package-Book
- 本书介绍了稀疏和冗余表示,内容分两部分,共十六章。第一部分是稀疏和冗余表示的理论和数值基础,系统、条理地罗列了数据模型的理论基础、相关算法的数值部分(This book introduces the sparse and redundant representation, the content is divided into two parts, a total of sixteen chapters. The first part is the theoretical and numeric
sparse and redundant representation
- 稀疏与冗余表示-理论及其在信号与图像处理中的应用一书的源代码(Sparse and redundant representation -From theory to application in signal and image processing -- the source code of the Book)