![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
小波变换
SilenceHell
学生,希望能在csdn上学到知识。
展开
-
小波变换资料整理(1)概念入门篇
知乎上很好的一个回答,本想转过来,奈何答主没回复申请,所以贴个链接在这里: 能不能通俗的讲解下傅立叶分析和小波分析之间的关系? - 知乎 https://www.zhihu.com/question/22864189...原创 2018-08-31 13:06:52 · 642 阅读 · 0 评论 -
小波变换主篇(4)Wavelet Transforms in Two Dimensions
之前我们理解了一维的小波变换,现在我们将其扩展到二维的小波变换,在二维的小波变换里面,基函数变化为: φ(x,y)=φ(x)φ(y)(168)(168)φ(x,y)=φ(x)φ(y)\begin{equation}\varphi(x,y)=\varphi(x)\varphi(y)\quad\end{equation} 小波函数变为: ψH(x,y)=ψ(x)φ(y)ψV(x,y)=φ(x...原创 2018-09-04 11:04:24 · 907 阅读 · 0 评论 -
卷积
转载于:https://blog.csdn.net/qq_39521554/article/details/79083864相信很多时候,当我们在看到“卷积”时,总是处于一脸懵逼的状态,不但因为它的本义概念比较难理解,还因为它在不同的应用中发挥出的变幻莫测的作用也时常让人迷糊。但这些应用其实本质上都是同一种东西,理解了卷积的来源,就可以举一反三。其实我个人对于卷积的理解,很长时间都处于似...转载 2018-09-01 10:54:11 · 330 阅读 · 0 评论 -
小波变换主篇(5)Wavelat Packets
小波包主要是概念的延伸并不涉及复杂公式。 我们之前讲述了小波变换的应用,但是里面存在着一个问题,如下图: 我们对f(x)进行小波变换得到的频谱图如上图右下所示,我们只能对低频信号进行细分,而无法对高频信号进行更加细微的操作。那么我们该怎么做呢? 很简单,我们直接对高频信号再次进行小波变换即可,如下图所示。 以上就是小波包的内容。 最后贴一个图,该图描述了四张图片占用的频谱范围...原创 2018-09-04 11:43:56 · 320 阅读 · 0 评论 -
小波变换主篇(1)Multiresolution Expansions
1.Series Expansions 我们知道要进行小波变换首先要选择小波基,假设我们选择的小波基为φ(x)φ(x)φ(x)那么V=Spank{φk(x)}¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯V=Spank{φk(x)}¯V=\overline{Span_k\{\varphi_k(x)\}}就能组成一个空间,我们的f(x)可以在这个空间分解成: f(x)=∑kαkφk...原创 2018-09-01 22:21:15 · 373 阅读 · 0 评论 -
小波变换代码推荐
https://www.cnblogs.com/Daringoo/p/4533411.html 上面这个博客的代码非常好。原创 2018-09-05 13:38:26 · 5167 阅读 · 0 评论 -
小波变换主篇(2)Wavelet Transforms in One Dimension
1.The Wavelet Series Expansions 结合上一篇的知识点,我们知道一个函数f(x)可做如下分解: f(x)=∑kcj0(k)φj0,k(x)+∑j=j0∞dj(k)ψj,k(x)(1)f(x)=∑kcj0(k)φj0,k(x)+∑j=j0∞dj(k)ψj,k(x)(1)f(x)=\sum_kc_{j0}(k)\varphi_{j_0,k}(x)+\sum_{j=j_0...原创 2018-09-03 11:20:54 · 381 阅读 · 0 评论 -
小波变换主篇(3)The Fast Wavelet Transform
上一篇讲述小波变换的计算方法,但是每次计算一个系数实在是太麻烦了,那么相邻尺度空间的系数之间有没有什么规律呢?我们能够通过Vj空间的系数计算出Vj+1空间的系数呢? 答案是可以,但是推导太过于麻烦,我们也只需要知道最终的关系式就行了: dj(k)=∑mhψ(m−2k)cj+1(m)(1)dj(k)=∑mhψ(m−2k)cj+1(m)(1)d_j(k)=\sum_mh_\psi(m-2k)c_{...原创 2018-09-03 13:46:08 · 793 阅读 · 1 评论