搜索资源列表
wavlet_denoise
- 此函数用于研究Mallet算法及滤波器设计 此函数用于消噪处理 分解的高频系数采用db9较好,即它的消失矩较大 分解的有用信号小波高频系数基本趋于零 对于噪声信号高频分解系数很大，便于阈值消噪处理-this function for research Mallet filter algorithm design and function for Denoising decomposition of high-frequency coefficients Terminal b
ImgComBasedonWavletandNN
- Matlab实现图像压缩与重构步骤 ① 对图像进行小波分解，得到第一层分解的低频系数和高频系数。 ② 保留低频系数，对高频系数进行基于神经网络的矢量量化编码，达到压缩。 ③ 根据码书以w还原高频系数 ④ 根据保留的低频系数和还原的高频系数重构图像 -Matlab realization image compression and the heavy construction step (1) pair of picture carries on the wavelet to
WaveletVC++Res
- 通过设计VC程序对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换，从而得到小波分解系数；再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。在这一程序实现的过程中能直观地理解信号小波分解重构的过程和在信号消噪中的重要作用，以及在对各层高频系数进行权重处理时系数的选取对信号消噪效果的影响。-through the design process to a simple one-dimensional signal with a Ga
new4
- 先产生一个信号。然后对信号进行小波变换，得到低频和高频系数-first produce a signal. Then the signal wavelet transform, and low-frequency and high-frequency coefficients
lvboquzaoxin
- 用于消噪处理用于研究Mallet算法及滤波器设计分解的高频系数采用db9较好,即它的消失矩较大-for Signal Processing Algorithms for the study Mallet decomposition and filter design using high-frequency coefficients db9 better, that is, its larger vanishing moments
waveletuse
- 小波分解墨和分解低频系数和高频系数重构程序
xiaobojiangzao
- 根据小波变换和噪声信号地能量分布特性，提出了一种先用小波变换对含噪图像进行多尺度分解，求出各尺度小波变换高频系数地噪声方差和阈值，利用各尺度地阈值对高频系数进行处理，然后利用小波变换系数重构图像，实现图像降噪地方法。
suanfa
- 给出了一种基于小波变换的图像融合方法，对小波分解后的低频分量通过度量其图像块空间频率和对比度来确定融合图 像的低频分量，对分解后得到的高频分量，选择高频系数时，基于绝对值最大的原则，并对选择结果进行一致性验证，最后重构得 到融合图像。从仿真结果可以看出，给出的方法很好地保留了多幅原图像的有用信息，融合图像清晰度和对比度都较好，是一种有 效的图像融合算法
wavelet_compress
- 本程序为应用小波变换进行信号压缩。由于本程序涉及到了小波变换的函数，因此可能涉及到一些时频分析工具箱的函数。程序中应用db3小波进行3层分解，选用全局阈值进行阈值处理，即对各高频系数使用同一个阈值，进行阈值处理。
WaveletImageReconstruction
- 利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。
dsafdsa
- 出了一种基于近邻插值取样法的自适应奇检测彩色图像水印算法．该算法利用近邻插值取样法，根据载体图像的 大小，自适应调节二值水印图像的尺寸，经ArnoM置乱预处理后，嵌入到彩色载体图像蓝色分量的Dcr高频系数中，检测时不需要 原载体图像．实验表明，该算法具有较强的鲁棒性和良好的不可感知性，可有效低抗剪切、加噪、锐化等常见的图像攻击．
数字水印
- 对原始信号做DCT的算法：Cox 和Piva 等人提出的DCT技术的经典之作。Cox利用随机数发生器产生标准正态序列作为水印信息对图像进行整体DCT变换后，选取除去DC系数之外部分较低频率系数叠加水印信息 Piva则修改整幅图像的中频部分。对原始信号分块后，再作DCT的算法：Hsu和Wu 把图像进行8*8分块，将一个二进制序列作为水印放入DCT的中频区；有些学者则计算整个图像的DCT，把一个实数序列嵌入DCT的中频系数上。选择中频区的好处是一方面尽量减少嵌入信息对图像主观视觉的影响；同时，尽量避
图论讲义
- detcoef2 提取二微小波分解高频系数 appcoef2 提取二维小波分解低频系数 wthresh 进行软阈值或硬阈值处理 wthcoef2 二维信号的小波系数阈值处理 ddencmp 获取在消噪或压缩过程中的默认值阈值-detcoef2 from two high-frequency micro-wave decomposition coefficient appcoef2 extract 2D wavelet decomposition low-frequency coefficient
Wavelet-image-denoising-procedures
- 小波图像去噪程序。th=sigma*sqrt(2*log10(L*T)) 计算阈值 ch=c(1,num(4-i,1):num(4-i,3)+step(4-i)-1) 对各高频系数进行阈值处理 chl=length(ch) for j=1:chl if abs(ch(j))>=th ch(j)=sign(ch(j))*(abs(ch(j))-2*th/(1+exp(m*(ch(j)^2)))) 阈值处理函数 else -Wavelet image denois
tuxiangronghe
- 本文给出了一种混合多级式多聚焦图像融合方法。对于三层小波分解的多聚焦图像融合，每幅图像被分解为三层十个频带。对这十个频带本文分别采用三种方法进行融合。对于低频系数，本文仍然采用求平均法；对于高频系数本文采用方差法和最大系数法进行融合。它们的计算量比最大系数法大一些，但是融合结果更接近于原始清晰图像，而相比于方差法，它们的计算量小的多，但是融合质量稍差一些，应用者可以根据不同的需要进行选择。-This paper presents a hybrid multi-level multi-focus
xiaobofenxi
- 在“小波分析”文件中xiaobofenxi.m为主函数，gui.m是有界面的主函数。相对于上次主要是对于高频系数用了线性变换，低频系数用了非线性变换。-In "wavelet analysis" file xiaobofenxi. M primarily function, GUI. M is the main function have the interface. Relative to the last major is to high frequency coefficients use
Matlab_wavelet
- 掌握小波分析在图像分析等各方面的应用。对图像进行二维离散小波分解、多尺度二维离散小波分解 并提取二维小波分解的高频系数和低频系数， 画出原始图形并显示分解结果。-Master the application of wavelet analysis in image analysis and other applications. Image two-dimensional discrete wavelet decomposition, multi-scale two-dimensiona
fingerprint
- 能够实现对灰度图像进行小波分解，并且分别利用低频和高频系数重构图像-Can be achieved on the gray image using wavelet decomposition and the use of low frequency and high frequency coefficients respectively, the reconstructed image
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
txtXinhaozairu,plot,MATLAB
- 原始txt信号载入，小波变换，小波2、3层低、高频系数重构(The signal is loaded, the signal is intercepted, the signal is transformed by wavelet transform, and the wavelet is reconstructed with low and high frequency)