1) Directional DWT
方向离散小波变换
1.
Directional DCT and Directional DWT and Their Application in Ultrasound Images;
方向离散余弦变换和方向离散小波变换及其在超声图像中的应用
2) Discrete wavelet transform
离散小波变换
1.
Application of the discrete wavelet transform to fault detection of angular measuring system of a precision servo turntable;
离散小波变换在精密伺服转台测角系统故障诊断中的应用
2.
Voice activity detection based on discrete wavelet transform;
基于离散小波变换的语音激活检测
3.
Analysis of discrete wavelet transform algorithm and its general implementation for programming;
离散小波变换算法剖析及其通用程序实现
3) Discrete wavelet transformation
离散小波变换
1.
Application of discrete wavelet transformation for time-delay estimate in vibroseis exploration;
离散小波变换在可控震源地震勘探信号时延估计中的应用
2.
The Research of Digital Watermarking Technology Based on Discrete Wavelet Transformation and Image Sharing;
基于离散小波变换和图像分存的数字水印技术研究
3.
Wavelet transformation is adopted in this paper,and the basic principles of discrete wavelet transformation and power spectrum estimation based on continuous wavelet transformation are given.
将小波变换用于涡街流量计,介绍了基于离散小波变换和连续小波变换功率谱估计的信号处理方法,给出了仿真步骤与结果,并讨论其特点,从而设计了基于DSP的信号处理系统。
4) DWT
离散小波变换
1.
Simulation Analysis for MTD Detectability Improvement Using the Discrete Wavelet Transform (DWT);
基于离散小波变换提高MTD检测性能的仿真分析
2.
Hardware Design of a High-Performance 9/7 DWT Filter;
一种高性能9/7离散小波变换滤波器的硬件设计
3.
Research on audio digital watermarking algorithms based on DWT;
基于离散小波变换的音频数字水印算法研究
5) discrete multiwavelet transform
离散多小波变换
1.
Remote sensing image fusion by using discrete multiwavelet transform;
基于离散多小波变换的遥感图像融合方法
2.
We study discrete multiwavelet analysis on image and data and give a fusion method in pixel level by means of discrete multiwavelet transform in the paper.
在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。
3.
In this paper, we research the characteristics of multiwavelet and give a fusion method by means of discrete multiwavelet transform.
在研究了多小波变换的特性后 ,提出了一种基于离散多小波变换的图像融合方法 ,并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。
6) discrete wavelet transform(DWT)
离散小波变换
1.
In view of the human visual system(HVS) and by employing the characteristics of multi-resolution analysis of the two-dimension discrete wavelet transform(DWT) and venation characteristics,an adaptive watermark embedding algorithm is proposed in this paper.
根据人眼的视觉系统特性,结合二维离散小波变换的多分辨率分析特性,纹理特性,提出一种小波零树结构的自适应彩色图像水印嵌入算法。
2.
This paper designs a low-power-consumption architecture of 2-D discrete wavelet transform(DWT) for image compression in the wireless sensor network.
设计了一种低功耗的二维离散小波变换(DWT)结构,用于无线传感器网络中的图像压缩。
3.
In this paper,a lifting-based recursive algorithm(LRA) is proposed for multi-level discrete wavelet transform(DWT) by interleaving calculation of different level DWT.
提出了一种基于提升模式的递归算法实现多级离散小波变换,该算法通过交错计算各级小波变换,提高了运算效率。
补充资料：N点有限长序列的离散傅里叶变换
时域N点序列χ(n)的离散傅里叶变换(DFT)以X(k)表示，定义为
(1)
式中K＝0,1,...,N-1。式(1)称为DFT的正变换。从式(1)可以导出
(2)
式中n＝0,1,...,N-1。式(2)称为DFT的逆变换。式(1)和式(2)合起来称为离散傅里叶变换对。
由于在科学技术工作中人们所得到的离散时间信号大多是有限长的N点序列，所以对N点序列进行时域和频域之间的变换是常用的变换，另外 DFT有它的快速算法，使变换可以在很短的时间内完成,所以DFT是数字信号处理中最为重要的工具之一。
DFT的原理 是以给定的时域N点序列χ(n)作为主值周期进行周期延拓（即使之周期化）得到以 N点为周期的离散周期序列χ((n))N,再求χ((n))N的离散傅里叶级数(DFS)表示(见离散时间周期序列的离散傅里叶级数表示),得频域的N点离散周期序列X((k))N,最后从X((k))N中取出其主值周期，即得X(k)。同理，与此相似，如果已知X(k)求χ(n),则是从X(k)得X((k))N，再从X((k))N得χ((n))N，取出主值周期即得χ(n)。这个概念很重要，DFT的性质大都与此有关。至于从χ(n)求X(k)，或已知X(k)求χ(n)则是用(1)式或(2)式直接进行的，并不需要通过χ((n))N和X((k))N。
DFT的主要性质 共有5点，如下表中所列。表中a、b为常数, χ((m))N为以N点为周期的周期序列，χ((n+m))N为χ((n))N序列整体左移m点后的结果其他符号如X((k+l))N，X((l))N，Y((k-l))N及y((n-m))N等可类推其含义，不一一列出。
DFT的快速算法 又称为快速傅里叶变换(FFT)。当序列的长度N为2的整数次幂（即N＝2,&λ为整数）时,算法的指导思想是将一个N 点序列的DFT分成两个N/2点序列的DFT,再分成四个N/4点序列的DFT,如此下去,直到变成N/2个两点序列的DFT。这种快速算法的计算工作量与DFT的直接计算的计算工作量之比约为log2N/(2N),以N=1024为例FFT的计算工作量仅约为DFT直接计算的1/200。
(1)
式中K＝0,1,...,N-1。式(1)称为DFT的正变换。从式(1)可以导出
(2)
式中n＝0,1,...,N-1。式(2)称为DFT的逆变换。式(1)和式(2)合起来称为离散傅里叶变换对。
由于在科学技术工作中人们所得到的离散时间信号大多是有限长的N点序列，所以对N点序列进行时域和频域之间的变换是常用的变换，另外 DFT有它的快速算法，使变换可以在很短的时间内完成,所以DFT是数字信号处理中最为重要的工具之一。
DFT的原理 是以给定的时域N点序列χ(n)作为主值周期进行周期延拓（即使之周期化）得到以 N点为周期的离散周期序列χ((n))N,再求χ((n))N的离散傅里叶级数(DFS)表示(见离散时间周期序列的离散傅里叶级数表示),得频域的N点离散周期序列X((k))N,最后从X((k))N中取出其主值周期，即得X(k)。同理，与此相似，如果已知X(k)求χ(n),则是从X(k)得X((k))N，再从X((k))N得χ((n))N，取出主值周期即得χ(n)。这个概念很重要，DFT的性质大都与此有关。至于从χ(n)求X(k)，或已知X(k)求χ(n)则是用(1)式或(2)式直接进行的，并不需要通过χ((n))N和X((k))N。
DFT的主要性质 共有5点，如下表中所列。表中a、b为常数, χ((m))N为以N点为周期的周期序列，χ((n+m))N为χ((n))N序列整体左移m点后的结果其他符号如X((k+l))N，X((l))N，Y((k-l))N及y((n-m))N等可类推其含义，不一一列出。
DFT的快速算法 又称为快速傅里叶变换(FFT)。当序列的长度N为2的整数次幂（即N＝2,&λ为整数）时,算法的指导思想是将一个N 点序列的DFT分成两个N/2点序列的DFT,再分成四个N/4点序列的DFT,如此下去,直到变成N/2个两点序列的DFT。这种快速算法的计算工作量与DFT的直接计算的计算工作量之比约为log2N/(2N),以N=1024为例FFT的计算工作量仅约为DFT直接计算的1/200。
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