1) multiscale Fourier transform
多尺度傅立叶变换
1.
A generalized wavelet transform multiscale Fourier transform was adopted in estimating disparities between a stereo pair, by which traditional phase based stereo matching is improved.
采用一种广义的小波变换——多尺度傅立叶变换（ＭＦＴ）求取视差，实现了对基于相位的匹配算法的改进，避免了带通滤波器中心频率和图像特征频率不一致的问题，并且能够直接计算二维视差，使像对中的图像无需经过相对和绝对定向就可进行匹配。
2) Scaled Fourier Transform
尺度傅立叶变换
1.
A Scaled Fourier Transform algorithm is applied to compensate for the range-variant motion error.
针对空变的运动误差,利用尺度傅立叶变换(Scaled Fourier Transform)进行距离徙动校正后进行二阶的运动补偿。
3) multidimensional fourier transformation
多维傅立叶变换
4) multi-window Fourier transform
多窗傅立叶变换
5) SCaled Farrier Fransfam (SCFT)
变尺度傅里叶变换
6) Fourier Transform
傅立叶变换
1.
Determination of total acid and total ester in liquor based on Fourier transform near-infrared spectroscopy;
傅立叶变换近红外光谱法检测白酒总酸和总酯
2.
A method of digital image watermarking based on wavelet and Fourier transform;
基于小波和傅立叶变换组合的数字图像水印算法
补充资料：快速傅立叶变换
快速傅氏变换 英文名是fast fourier transform
快速傅氏变换（fft）是离散傅氏变换(dft)的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x(n)为n项的复数序列，由dft变换，任一x（m）的计算都需要n次复数乘法和n-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出n项复数序列的x（m）,即n点dft变换大约就需要n2次运算。当n=1024点甚至更多的时候，需要n2=1048576次运算，在fft中，利用wn的周期性和对称性，把一个n项序列（设n=2k,k为正整数），分为两个n/2项的子序列，每个n/2点dft变换需要（n/2）2次运算，再用n次运算把两个n/2点的dft变换组合成一个n点的dft变换。这样变换以后，总的运算次数就变成n+2（n/2）2=n+n2/2。继续上面的例子，n=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的dft运算单元，那么n点的dft变换就只需要nlog2n次的运算，n在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是fft的优越性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条