引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略

双树复小波变换和双树复小波包变换代码，包含解释文件与相关分析

介绍了 2D 双树复小波变换 (DT-CWT) 的两种未抽取形式，它们结合了未抽取离散小波变换的优点（精确的平移不变性，所有尺度上所有同位系数之间的一对一关系) 和 DT-CWT（改进的方向选择性和复杂的子带）。 离散小波变换 (DWT) 是一种空间频率变换，已广泛用于图像处理应用中的分析、去噪和融合。已经认识到，尽管 DWT 提供了出色的空间和频率组合分辨率，但 DWT 存在偏移方差。已经开发了对 DWT 的各种修改以产生移位不变形式。首先，使用未抽取离散小波变换 (UDWT) 实现了精确的移位不变性。然而，UDWT 变体具有相当过度完整的表示以及缺乏方向选择性。最近，双树复小波变换 (DT-CWT) 给出了更紧凑的表示，同时提供了近乎移位的不变性。DT-CWT 还提供改进的方向选择性（每个尺度 6 个方向子带）和复值系数，可用于变换域内的幅度/相位分析。本文介绍了 DT-CWT 的两种未抽取形式，它们结合了 UDWT（精确的平移不变性，所有尺度上的所有同位系数之间的一对一关系）和 DT-CWT（改进的方向选择性和复杂的子带）。

能够实现双树复小波包变换，有一段仿真例子可以供大家参考

利用双树复小波变换和灰度共生矩阵进行特征提取

matlab 小波指纹代码SCI_DTCWT 基于双树复小波变换的源相机识别 Matlab 代码再现[1] Zeng H, Wan Y, Deng K, Peng A, Source Camera Identification With Dual-Tree Complex Wavelet Transform (J) 的结果。 IEEE 访问 2020, 8, 18874-18883。 主页： 接触： 用法： 运行 Figx.m 重现我们论文中的相应结果。 代码已在 Matlab 2015a, Windows 10 64bit 上验证 历史 根据 M. Goljan 的建议，我们重写了一些使用过的函数以提高速度。 更新版本 denC2D_fast() （仅适用于 dwtmode('symw')）应该给出与 denC2D_dwt() 完全相同的结果。 2020 年 4 月 9 日，纽约州立大学宾汉姆顿大学。 免责声明 We public this code solely for the convenience of researchers to reproduce our idea acc

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法. 首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息. 通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信

随着多媒体信息技术的高速发展，产生了极其庞大的图像数据。当对这些数量庞大的图像数据进行存储和传送时，利用图像压缩编码技术减少其数据量是很有必要的。本文的研究目的是寻找一种压缩质量较好的图像压缩方法。本文在小波变换与图像压缩的理论基础上进行研究，提出了基于双密度双树复小波变换的图像压缩方法，通过Matlab仿真实验得出了实验结果的比较和分析，最终确认了该方法相比传统的图像压缩方法对图像的压缩质量有明显的优化。   近年来，信息技术和移动通讯的爆炸式发展，使得图像数据的传送有了海量的增长，伴随着高清和超清图像视频的普及，图像压缩编码技术发挥着越来越重要的作用。图像压缩是在确保图像质量的基本要求下，实现尽可能大幅度地减小图像的数据量，当图像本身的数据大比例降低了，它的传输和存储就变得方便容易得多。   如何使用双密度双树复小波变换进行图像压缩 小波变换的图像压缩编码方法是先通过小波变换对图像进行多分辨率分解得到不同空间且不同频率的一系列子图像，再对所得的子图像分别进行系数编码。小波基函数的选择是其中关键的内容，选择不同的小波基函数来进行图像压缩所取得的压缩效果一般都不一样，本论文的研究中选择的是以双密度双树复小波变换作为小波基函数。   小波变换在频域以及时域上有着良好的局部化特性，同时能够把图像数据信息定位至任意数量级的精度上。正是因为这些优点，基于小波变换的图像压缩编码方法逐渐发展并取代了传统的基于离散余弦变换和其他子带编码技术，成为当今应用广泛并且有着可观发展前景的数据压缩方法。

引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略

常见的医学信号（如脉搏信号）包含大量的噪声，具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷，提出了一种基于双树复小波变换和形态学的去噪算法，具有结构简单、计算复杂度低等优点，有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明，该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声，其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法，能得到较干净的脉搏信号波形。