freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

[工學(xué)]matlab在數(shù)字圖像處理-資料下載頁

2025-01-14 13:57本頁面
  

【正文】 離散余弦變換時僅次于 KL變換的次最佳正弦變換,而且已經(jīng)應(yīng)用廣泛。 JPEG圖像格式的壓縮算法就是采用的 DCT。 一維離散余弦變換 10( 2 1 )( ) 2 ( ) c o s2NnnkF k f nN????? ?二維離散余弦變換 1100( 2 1 ) ( 2 1 )( , ) ( ) ( ) ( , ) c o s c o s22MNxyx u y vF u v c u c v f x yMN????????? ??函數(shù): dct idct2 clc。clear all。 figure(1)。 RGB=imread(39。39。)。 I=rgb2gray(RGB)。 imshow(I)。 figure(2)。 J=dct2(I)。 imshow(log(abs(J)),[]),colormap(jet(64)),colorbar。 figure(3)。 J(abs(J)10)=0。 K=idct2(J)/255。 imshow(K)。 在 JPEG算法中,首先將輸入圖像分解為 8*8或 16*16的塊,然后對每個塊進行二維 DCT變換,最后將變換后得到的量化的 DCT系數(shù)進行編碼和傳送,形成壓縮后的圖像格式。 JPEG接收器負責將量化的 DCT系數(shù)進行解碼,并對每個 8*8或16*16的塊進行二維 DCT反變換,最后將操作完成后的塊組合成一個單一的圖像。 數(shù)字圖像的小波變換 小波變換是處理非平穩(wěn)信號的一種有力工具,它是以局部化函數(shù)所形成的小波基為基底而展開的,它具有許多特殊的優(yōu)點和性能。小波分析是一種更合理的時頻表示和多子帶多分辨率分析,對它的研究始于 80年代初,理論基礎(chǔ)奠基于 80年代末。 小波變換是一種窗口大小固定不變但形狀可改變的時域局部化分析方法。小波變換在信號的高頻部分,可以取得較好的時間分辨率,在信號的低頻部分,可以取得較好的頻率分辨率,從而能有效地從信號(如圖像、語音等)中提取信息。 二維小波變換用于圖像壓縮、去噪、增強 二維小波變換用于圖像壓縮 小波分析的圖像壓縮算法有很多,比較成功的有小波包、小波變換零樹壓縮、小波變換矢量量化壓縮等。 小波壓縮的特點:壓縮比高、壓縮速度快、抗干擾、壓縮后能保持圖像的特征基本不變 第七章 數(shù)字圖像的壓縮技術(shù)及其 Matlab實現(xiàn) 數(shù)據(jù)壓縮時信源編碼的目的和手段。數(shù)據(jù)壓縮可以分為可逆壓縮(冗余度壓縮)和不可逆壓縮(熵壓縮)。數(shù)據(jù)壓縮的技術(shù)已經(jīng)廣泛應(yīng)用于語音壓縮、圖像壓縮、電視壓縮、數(shù)據(jù)庫壓縮、遙測數(shù)據(jù)壓縮、地震數(shù)據(jù)壓縮等領(lǐng)域。 、 JPEG標準、 MPEG MPEG 、 MPEG4和 MPEGJBIG MATLAB實現(xiàn) ( 1)基于 FFT的圖像壓縮 ( 2)基于 DCT的圖像壓縮 ( 3)基于小波變換的圖像壓縮 ( 4)基于矢量量化技術(shù)的圖像壓縮 第八章 圖像數(shù)據(jù)融合技術(shù) 對于來自同一景物的多幅圖像,由于其成像傳感器方向不同、景物自身的變化以及各種干擾的存在,所攝取的圖像會存在不同程度的失真和變質(zhì)。這就產(chǎn)生了如何從多幅圖像中恢復(fù)出原始圖像的問題,即圖像數(shù)據(jù)融合技術(shù)的問題。 圖像數(shù)據(jù)融合的原理 數(shù)據(jù)融合的步驟: 第一步:圖像的預(yù)處理,即根據(jù)每幅圖像噪聲特征進行濾波,得到一個更接近原始圖像的結(jié)果; 第二步:采用一維自組織特征映射神經(jīng)網(wǎng)絡(luò)對每幅圖像的所有元素進行聚類分析,得出每幅圖像的分類結(jié)果 ; 第三步:對第二 步得到的結(jié)果按照一定的規(guī)則進行融合,然后再按照一維自組織神經(jīng)網(wǎng)路進行聚類分析,得出最后的融合結(jié)果。 預(yù)處理 高斯噪聲:滑動均值濾波 脈沖噪聲:加權(quán)中值濾波 乘性噪聲:自適應(yīng)維納濾波 自適應(yīng)神經(jīng)網(wǎng)絡(luò)的圖像聚類分析 1981年, Kohonen根據(jù)神經(jīng)系統(tǒng)的自學(xué)習(xí)、自組織的特征,提出了自組織特征映射神經(jīng)網(wǎng)絡(luò),稱為 SOFMNN模型,也稱為 Kohonen模型。 Kohonen網(wǎng)絡(luò)由輸入層和輸出層組成,由四個功能部分組成。 ( 1)一個輸出處理單元陣列。這個處理單元陣列從事件空間中接收輸入,并形成這些輸入信號的簡單辨別函數(shù); ( 2)一種比較選擇機制。這種機制比較辨別函數(shù)并選擇一個具有最大函數(shù)輸出值的處理單元; ( 3)某種局部互聯(lián)作用。這種局部互聯(lián)作用同時激勵被選擇的處理單元以及相鄰的處理單元; ( 4)一個自適應(yīng)過程。這個自適應(yīng)過程修正被激勵處理單元的參數(shù),以增加其相應(yīng)于特定輸入的辨別函數(shù)輸出值。
點擊復(fù)制文檔內(nèi)容
教學(xué)課件相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1