使用Python复现seismiclab的forward_radon_freq函数 实现Radon变换从变换域到原始数据域的变换。 也就是，使用python实现Radon变换的反变换。

针对通常利用的匹配滤波法对低信噪比雷达LFM（linear frequency-modulated）进行信号检测和估计的不足，提出一种联合Gabor-Radon变换方法。通过计算雷达回波的Gabor时频变换，得到2D含强噪声和弱直线LFM的时频分布图；然后，利用Radon变换能对直线和边缘进行快速检测、抗噪能力强的特点，对时频2D图像进行Radon变换，检测出微弱LFM信号；再设置合适门限可对时频分布图去噪，进行Gabor逆变换可以得到去噪的时域波形。仿真结果证明了此方法能在低信噪比下有效地检测出LFM信

wigner-radon变换的MATLAB工具箱函数包，可用于信号时频分析

对于匀速直线运动的模糊图像,准确鉴别运动方向角是图像复原的关键。分析了运动模糊图像的频谱特征,介绍了Radon变换的数学原理及用其估计运动模糊方向角的思路、步骤和数值实验结果。由于实际拍摄的模糊图像在很多时候频谱特征不够明显,导致用Radon变换鉴别角度出现大的误差,为此,提出了基于Gabor变换的一种改进算法。算法运用"窗口"聚焦频谱图像中心,较好地消除了噪声干扰并克服了Radon变换的弊端,数值实验结果验证了该算法的有效性。

CT系统在不破坏样品的情况下，利用样品对射线能量的吸收特性对生物组织 与工程材料的样品进行断层成像.即通过发射光源的起点然后中间经过旋转与映 射，然后投影在探测器上面，故在探测器上可以见物质的几个图像与能量的变化.

radon c语言 带注释,里面有详细的注释，可以看懂，之前的都是没有注释的，但愿对大家有用！！

本程序实测可用，方便初学者理解radon变换.

on累积分布变换 Radon累积分布变换（Radon-CDT），如下所述： 是非负d维信号的非线性和可逆变换，可确保某些线性分离定理。 该转换建立在累积分布转换（CDT）的基础上，该累积转换描述于： 并将CDT扩展到d维概率分布。 与CDT相似，Radon-CDT也源于最佳质量传输的丰富数学基​​础，并将其与积分几何和Radon变换相结合。 与当前数据广泛的非线性模型（包括深层神经网络及其变体）不同，Radon-CDT提供了定义明确的可逆非线性变换，可与线性建模技术（包括主成分分析，线性判别分析和支持向量机）一起使用（ SVM），并且不需要大量的培训数据。 可以在找到与该帖子相对应的iPython Notebook文件。 该演示已通过以下测试： numpy的'1.13.1' sklearn'0.18.1' skimage'0.13.0' scipy'0.19

一个经典的RADON变换的VC代码，个人觉得非常全面，整合了OPENCV的头文件。

基于广义Radon-Fourier变换的雷达机动目标运动估计