搜索资源列表
小波压缩代码
- 对图像进行2维小波编码 来实现压缩。将小波分析引入图像压缩的范畴也是一个重要的手段，并且有着它自己的特点。它的特点在于压缩比高、压缩速度快，压缩后能保持信号与图像的特征基本不变，且在传递过程中可以抗干扰等等。（有两种方法）-of two-dimensional images wavelet compression coding to achieve. Wavelet Image Compression analysis of the introduction of the context is
小波变换在活塞环图像边缘检测中的应用研究
- 摘 要 小波变换是时间频率的局部化分析，它可以通过伸缩平移运算对信号逐步进行多尺度细化。本文正是基于小波变换在图像处理领域中表现出的多尺度分析，提出了用小波变换检测活塞环图像边缘的方法，这种方法通过对二维小波变换图像局部极大值的检测得到图像的边缘信息。通过实验证明了这种方法的有效性。-Abstract wavelet transform is the local time frequency analysis, it can shift computing through telescopic
二进小波变换（MATLAB源程序）
- 该程序应用二进小波变换对二维信号图像进行去噪
基于MATLAB的带噪图像的中值滤波
- 图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。本文将纯净的图像加入椒盐噪声,然后采用中值滤波的方法对其进行去噪。中值滤波是一种常用的非线性信号处理技术，在图像处理中，它对滤除脉冲干扰噪声最为有效。文章阐述了中值滤波的原理、算法以及在图像处理中的应用。MATLAB是一种高效的工程计算语言，在数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。
wavelet
- 本程序可以实现利用小波变换对图像和数字信号的进行去噪-This procedure can be achieved using wavelet transform for image and digital signal Denoising
tuxiangfuyuan
- 该程序为盲源分离的仿真程序，对卷积模型的混合图像信号进行分离-The program for the blind source separation of the simulation program, a mixed model of convolution image signal separation
zy1
- 摘要 该文主要考虑利用图像噪声再生技术来提取图像细节 其思想是利用被滤除的噪声信号进行回收再利用 通过对噪声信号和初步去噪信号进行小波变换 比较它们的小波系数 当噪声信号的小波系数达到一定的阈值时 将噪声信号的小波系数保留叠加至初步去噪信号的小波系数 然后利用传统的软阈值去噪的方法来进行图像的去噪 从而达到既能够去除噪声 又能保留图像细节的目的 实验证明 该方法较传统的方法在去噪和细节保持上有改进-Abstract In this paper, consider using images to
miyao
- 本文提出了基于二维混沌映射的数字图像水印算法，混沌具有随机性、似噪声及对初始条件的极端敏感性等特点。将经过二维混沌映射置乱后的数字水印信号嵌入图像小波域的低频系数，实现了数字水印的隐蔽性、保密性和稳固性；利用二维混沌映射Arnold变换对水印信号进行置乱，不仅增强了水印信号保密性，同时有效提高了视觉上抵抗图像剪切攻击的能力。-In this paper, two-dimensional chaotic map based on digital image watermarking algorit
WaveletHut
- 用VC++编译的小波程序，可对一维信号，二维图像进行分析，，能通过的，很好的一个程序-Compiled with VC++ wavelet procedures, which are one-dimensional signals, two-dimensional image analysis, through, and a good a program,,,
watermarking
- 对音频信号分帧加窗,对每帧进行三阶小波变换,取其逼近系数平均值(一般为零).在此嵌入二值图像 并有对潜入水印信号进行盲检,恢复其嵌入水印-Sub-frame of the audio signal increases the Hamming window for each frame impletment third-order wavelet transform, whichever is close to the average coefficient (usually zero). a
wave
- 小波分层阈值去噪，用sym4小波对图像信号进行3层小波分解-On Wavelet threshold denoising using wavelet image signal sym4 3-layer wavelet decomposition
xx
- 本文详细描述了基于小波包的纹理图像去噪方法： 噪声对图像的后续处理影响较大，常用的去噪方法虽然可以去除变化平缓的图 像中的噪声，但对细节较多的纹理图像的去噪效果却不太理想, 文中基于信号和噪声在小 波分解中呈现出来的不同特性，提出了一种新颖的小波包去噪算法, 采用该算法对纹理图 像进行最优小波包分解，并计算每个子频带的两个范数，然后根据范数值区分信号和噪 声，从而达到去除噪声的目的, 实验结果表明，该算法对皮革图像具有较好的去噪效果，不 仅可以去除纹理图像中的大部分
wavalet
- 通过小波变换对图像信号进行分解，去噪，压缩再重构，得到处理后的图像-Images using wavelet transform signal decomposition, denoising, compression and then reconstructed to obtain the processed image
2DWaveletsimpression
- 由于小波及小波包技术可以将信号或图像分层次按小波基展开，所以可以根据图像信号的性质以及事先给定的图像处理要求确定到底要展开到哪一级为止，从而不仅能有效地控制计算量，满足实时处理的需要，而且可以方便地实现通常由子频带、层次编码技术实现的累进传输编码（即采取逐步浮现的方式传送多媒体图像）。这样一种工作方式在多媒体数据浏览、医学图片远程诊断时是非常必要的。另外，利用小波变换具有放大、缩小和平移的数学显微镜的功能，可以方便地产生各种分辨率的图像，从而适应于不同分辨率的图像I/O设备和不同传输速率的通信系
wavelet-image
- 二维图像信号的去噪步骤： （1）二维图像信号的小波分解。选择合适的小波与恰当的分解层次N，并对待压缩的二维图像信号进行N层分解计算。 （2）对分解后的每一层高频系数，选择一个恰当的阈值，并对该层高频系数进行软阈值量化处理。 （3）二维图像信号的小波重构。用小波分解后的第N层近似（低频系数）和经过阈值量化处理后的各层细节（高频系数），对二维信号进行小波重构。-Two-dimensional image signal denoising steps: (1) two-dimensiona
RemovingNoiseFromAnImageWithFFT
- 保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。-Retained most of the wavelet coefficients that contains the signal, so you can maintain better image details. Wavelet analysis for image denoising
基于小波变换的数字水印系统设计
- 本文提出一种基于小波变换的图像数字水印算法，通过将低频子图分块并量化其小波系数，实现水印的嵌入和提取，并对其进行抗噪声、JPEG压缩、旋转等实验。对于旋转攻击，该算法结合了图像的归一化技术。实验结果表明，该算法对常见图像处理和旋转都有较好的鲁棒性。
小波基函数
- 我们通常用的函数dbn中的n就是这个小波函数的消失矩; 消失矩越大,它的支撑长度就越大,通常是支撑长度不少于2*n-1的; 消失矩越大,对应的滤波器越平坦,而且小波函数的振荡很强. 光滑函数在利用小波展开后的零点越多,也就是说小波的消失矩的大小, 决定了小波逼近光滑信号的能力.这一点也可以用来进行图像压缩. 越大的消失矩将使高频系数越小,小波分解后的图像能量也就很集中,压缩比例就越高. 通常我们都愿意采用消失矩较高的小波函数. 我们可以对一个信号,采用不同的消失矩的小波函数来分
二维小波分解 (1)
- 小波变换，对图像二维信号进行3层小波分解。 本题二维图像采用MATLAB自带的图片,实现图片多层小波分解的函数是： [C,S]=wavedec2(X,N,’wname’) , 即使用给定小波‘wname’对二维信号X进行N层小波分解。本题使用’bior3.7’小波进行分析。(wavelet transform)
傅里叶变换轮廓术
- 小波变换测试，使用dwt对信号进行小波变换并绘制图像(wavelet test, please read the Chinese version of the instruction instead)