資源簡介
最小噪聲分離算法流程及其代碼,MNF變換有兩重要的性質:一是對圖像的任何波段做比例擴展,變換結果不變;二是變換使圖像矢量、信息分離和加性噪聲分量互相垂直
代碼片段和文件信息
%————————————————第一步
%x為100*200的矩陣,MNF變換為其降噪。但沒法反演。
%?n1是高通濾波后的協方差矩陣???n2是白噪聲的協方差矩陣
%?求特征值和特征向量
for?i=1:100
?for???j=1:200
????x(ij)=5*sin(j/(3*pi))+rand;
?end
end???
for?i=1:100
wname=‘sym5‘;lev=3;
[cl]?=?wavedec(x(i:)levwname);
thr?=?thselect(x‘minimaxi‘);?
xd(i:)=wdencmp(‘gbl‘clwnamelevthr‘s‘l);
subplot(211);plot(x);title(‘原始能譜‘);
subplot(212);plot(xd(i:));title(‘使用Minimax閾值方法降噪后的能譜‘);
end
%小波變換后能產生白噪聲,x-xd;
n1=cov(x);n2=cov(x-xd);
fprintf(‘特征向量(v1)及特征值(d1):\n‘)
[v1d1]=eig(n2);??%eig函數處理對稱矩陣得到?正交的特征向量矩陣和按照特征值升序排列的對角陣
a1=diag(d1);%取出特征值形成一個個數組
%對數組進行排序得到升序
[x1i1]=sort(a1);
%用對稱變換得到降序
newa1=fliplr(x1‘);
newd1=diag(newa1);
%按照索引?i1?對特征值矩陣進行相應調整
v11=zeros(
評論
共有 條評論