本算法首先对彩色图像变成YIQ空间，对所有图像的各个颜色分量进行小波分解，
然后在小波变换域上根据融合策略选取系数，最后做小波反变换和YIQ反变换即得结果图像。
kgrads为计算梯度的函数，kvar为计算方差的函数，kconsist为融合后进行一致性校验的函数。
2021-10-20 21:57:09
6KB
1
小波分解及matlab源码
描述
通过小波多级分解重构一维信号的系数，并在Python中实现Matlab函数wrcoef
目的
在Python中，我们有两个很棒的库来处理不同类型的wavelet：和。
后者目前不在积极开发中，但可以用于鼓舞人心的目的。
不幸的是，在两个包中都没有实现从多级分解重构信号的功能，例如，参见的相关源代码。
希望在Matlab
Wavelet
Toolbox中实现相关功能，请参见。
因此，我们将为一个特殊的小波家族（称为）重新设计该函数的代码。
样例代码
import
pywt
from
wrcoef
import
wavedec
,
wrcoef
x
=
range
(
10
)
w
=
pywt
.
Wavelet
(
'sym3'
)
C
,
L
=
wavedec
(
x
,
wavelet
=
w
,
level
=
3
)
for
n
in
range
(
len
(
L
)
-
2
):
D
=
wrcoef
(
C
,
L
,
wavelet
=
w
,
level
=
n
+
1
)
print
(
D
)
将返回值与Matlab实现进行比较
2021-10-19 10:23:26
7KB
1
现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性。针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法。利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列分解到不同尺度上,使时间序列平稳化;通过实时动态构建的自回归滑动平均(ARMA)模型,利用过去瓦斯浓度变化趋势预测未来一段时间的矿井瓦斯浓度值,得到时间序列预测结果;为提高瓦斯浓度预测精度,将ARMA模型的预测结果与矿井环境参数输入到训练好的BP神经网络模型中,通过BP神经网络模型对预测结果进行修正,从而获得最终的瓦斯浓度预测值。测试结果表明,该方法可对矿井瓦斯浓度进行准确预测,瓦斯体积分数预测平均相对误差从8%降低到了5%。
2021-10-11 16:33:42
260KB
1
616.2利用小波包法将两幅图融合16.3利用小波变换进行图像分解16.4重构系数16.5小波变换提取一个子代直方图16.6利用小波变换对给定图像旋转后，提取一个子代16.7提取小波分解概貌系数
2021-09-28 18:00:17
4KB