搜索资源列表
Wavelet-Image-Enhancement
- 基于小波理论的医学图像增强的研究方法，具有微分性质的反对称双正交小波基来实现图像分解，在边缘提取时克服了传统算法计算大，不满足实时性的缺点。-Research methods based on wavelet theory of medical image enhancement, image decomposition, to overcome the traditional edge extraction algorithm to
chapter1
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。 -Zhang Defeng matlab wavelet analysis source code
chapter2
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。-Zhang Defeng Matlab wavelet analysis of the source code from the signal- frequency joint
chapter3
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。-Zhang Defeng Matlab wavelet analysis of the source code from the signal- frequency joint
chapter4
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。-Zhang Defeng Matlab wavelet analysis of the source code from the signal- frequency joint
chapter5
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。-Zhang Defeng Matlab wavelet analysis of the source code from the signal- frequency joint
chapter6
- 张德丰matlab小波分析源代码，从信号时-频联合分析引入小波变换，将信号的多分辨率分析及Mallat算法作为全书的重点，并在此基础上，进一步阐述了双正交小波多分辨率分析、小波包多分辨率分析、提升小波应用，还讲述了小波分析在奇异性检测、去噪及数据压缩中的应用。-Zhang Defeng Matlab wavelet analysis of the source code from the signal- frequency joint
wavelet-code-For-C_2
- 1、题目：一维小波变换，可多次分解 2、原理：卷积核变为Daubechies正交小波基h[]和g[]的交替形式。增加了多次分解的功能。-1, Title: one-dimensional wavelet transform decomposition can be repeated 2 Principle: convolution kernel becomes orthogonal Daubechies wavelet h [] a
dwtbiorthogonal
- matlab 做的双正交小波变换，用于图像压缩处理（仅供大家参考）-biorthogonal digital wavelet transform by using matlab,for digital image compression and processing
wavelet_edgedetection
- 利用db4正交小波基对图像进行一层小波包分解后，得到的近似图像比原来的图像更次更加分明，适合初学者-Orthogonal wavelets db4 use the image layer wavelet packet decomposition, approximate image obtained more times more clearly than the original image, suitable for beginne
xiaobobaoyuzhijiangzao
- ：提出一种基于对偶树复小波块阈值的信号降噪方法，并将其成功应用于机械故障诊断中。机械设备的振动信号都或多或少地含有噪声，导致弱故障信息的提取一直是故障诊断的难点和热点。提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性，可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的 NeighBlock 降噪法更高的信噪比， 不仅能有效抑制高斯白噪声， 还能够去除冲击信号中的脉冲噪声。-：A denoising me
97
- 采用9/7双正交小波对图像进行多级分解，输入参数为待分解图像及分解层数-Using 9/7 biorthogonal wavelet image decomposition multi-level input parameters for the image to be decomposed and the decomposition level
wavelet-Matlab7
- 本书是“MATLAB应用技术”系列丛书之一，以最新推出的MATLAB中的小波分析工具箱Wavelet Toolbox 3.0版本为基础。全书共分为三部分，第1部分着重介绍了小波理论基础，包括小波基础知识、连续小波变换、离散小波变换、多分辨率分析与正交小波变换、小波变换和多采样滤波器组、二维小波变换与图像处理及小波包的基本原理等；第2部分重点说明了小波分析工具箱的详细使用方法，包括图形用户接口、小波通用函数、一维小波变换的MATLAB实现
xiaobobianhuan
- 一维小波变换，基于Mallat算法编写，用Daubechies正交小波基作为卷积核对输入信号作卷积，对结果进行重排可得一维小波变换后的尺度系数和小波系数。-one dimensional wavelet transform based on Mallat algorithm is written, with Daubechies orthogonal wavelet base as a convolution convolution c
Orthogonal-wavelet
- 用Mallat 算法对于正交小波进行实现与分解-Using Mallat algorithm for the realization and decomposition of orthogonal wavelet
exa11041
- exa110401.m 产生db2～db9正交小波的尺度函数和小波函数-exa110401.m generate db2 ~ db9 orthogonal wavelet scaling function and wavelet function
Mechanical-fault-diagnosis-method
- 经验小波变换(EWT)是一种新的自适应信号分解方法, 该方法继承了EMD 和小波分析方法的各自优点, 通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态, 然后在频域自适应地构造带通滤波器组从而构造正交小波函数, 以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中, 提出了一种基于经验小波变换的机械故障诊断方法, 并与EMD方法进行了对比分析。仿真结果表明, 经验小波变换方法明显优于EMD
Multiple-Wavelet-image-denoising--
- 通过双正交小波对图像进行分解，后去噪并重构出图像，使得图像效果更加清晰-The image is decomposed by biorthogonal wavelet, then the image is denoised and reconstructed
wayflgt__Based
- 基于小波分析的双正交小波编程基于小波分析的双正交小波编程,-Based on wavelet analysis of biorthogonal wavelet coding based on wavelet analysis of biorthogonal wavelet programming,
JWave-master
- jwave -开源正交和双正交小波的java实现(JWave - Open source Java implementation of orthogonal and bi-orthogonal wavelets)