搜索资源列表
二维小波变换
- 关于二维小波变换的程序 [精华] 说明：此算法重在概念，速度并不是很快。因为FOR循环的缘故。此程序从循环矩阵的观点出发，把圆周卷积和快速幅里叶变换建立了联系。实现了分解和无失真重构。它只做了一层分解，即将256x256图形分解成为64x64的四个图形，避免了使用WKEEP()的困惑。主要思想为用小波滤波器族构造正交阵W,变换写为B=W*A*W ,反变换为：A=W *A*W,这与所有正交变换无异。W为循环正交矩阵，因此可用FFT实现快速运算，难点就在重构矩阵上。若用矩阵概念明确，一个
FRIT
- 计算小波变换的Mallat算法需要逐级分解和重构，而本文通过矩阵变换方法，给出不需逐级计算的小波分解和重构矩阵的构造方法，并给出9/7小波的分解和重构矩阵的基向量及波形图。
xiaobobianhuan
- 对矩阵数据进行二维小波变换的分解及重构算法演示
OMP
- 压缩感知的一种正交匹配追踪重构算法，稀疏描述，观测矩阵，图像重构-Compressed sensing reconstruction algorithm orthogonal matching pursuit, sparse descr iption, observation matrix, image reconstruction
Wavelet_IRLS
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为ILRS算法，对256*256的lena图处理，比较原图和IRLS算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_OMP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为OMP算法，对256*256的lena图处理，比较原图和OMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_SP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为SP算法，对256*256的lena图处理，比较原图和SP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix and
Wavelet_ROMP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为ROMP算法，对256*256的lena图处理，比较原图和ROMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matr
Wavelet_SL0
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为SL0算法，对256*256的lena图处理，比较原图和SL0算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
DCT_Gaosi_fenkuai
- 对256*256大小的8bit灰度lena图像进行仿真 将图像分为16*16的分块进行计算 稀疏矩阵采用DCT矩阵，观测矩阵采用高斯随机矩阵，重构采用OMP算法- 256* 256 size lena image simulation 8bit grayscale image is divided into 16 * 16 calculate block sparse matrix using DCT matrix, observation matrix using Ga
DWT_hadamard
- 本程序实现Lena图像的压缩传感，测量矩阵为哈达玛测量矩阵，重构算法采用OMP重构算法-This procedure Lena image compression sensing, measurement matrix is Hadamard measurement matrix, reconstruction algorithm using OMP reconstruction algorithm
DWT_orth_eye
- 本程序实现Lena图像的压缩传感，测量矩阵采用部分正交矩阵，重构算法采用OMP重构算法-This procedure Lena image compression sensing, measurement matrix using some orthogonal matrix, reconstruction algorithm using OMP reconstruction algorithm
code
- 有关于哈达玛矩阵的测量矩阵matlab代码,重构算法为TVAL3算法-About Hadamard matrix of measurement matrix matlab code, algorithms reconstruction algorithm for TVAL3
GPSR
- 压缩感知里的梯度投影重构算法代码，也给出了SBEH感知矩阵的生成源代码-Compressed Sensing in the gradient projection reconstruction algorithm code also gives the perception SBEH matrix to generate source code
cs_CoSaMP
- 压缩感知代码。包含了测量矩阵，所用重构算法为压缩采样匹配追踪。-Compressed Sensing. reconsitution with CoSaMP.
ROOTMUSIC
- 针对非圆信号DOA估计问题,提出了一种基于实值特征值分解 (Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与 余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据 EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验
ONSL0
- ONSL0稀疏重构算法是NSL0的优化版 输入: y:测量值向量 A:测量矩阵 A_pinv:A的广义逆 输出: xr:重构信号 用于对信号或者图像的压缩重构-ONSL0 u7A00 u758F u91CD u6784 u7B97 u6CD5 u662FNSL0 u7684 u4F18 u5316 u7248 u8F93 u5165: y: u6D4B u91CF u503C u5411 u91CF A: u6D4B u91CF u7
compressing
- 应用傅立叶变换矩阵对信号进行稀疏,经高斯随机观测矩阵观测,经正交匹配追踪算法重构.压缩感知入门程序-The Fourier transform matrix is used to spill the signal. Observed by Gaussian random observation matrix and reconstructed by orthogonal matching tracing algorithm. Compression Sensing Getting Started
cs
- 该文包含了压缩感知图像重构算法，有omp,cosamp,sp,可以选择观测矩阵高斯随机矩阵，稀疏随机矩阵，部分哈达码矩阵。(This paper includes compressed sensing image reconstruction algorithm. It has OMP, CoSaMP and sp. It can choose observation matrix Gauss random matrix, sparse random matrix and partial Had