Пример готовой курсовой работы по предмету: Программирование
Содержание
ВВЕДЕНИЕ 3
ГЛАВА 1 РЯДЫ РАСПРЕДЕЛЕНИЯ И ФУНКЦИЯ КОШИ ДЛЯ СЛУЧАЙНЫХ ВЕЛИЧИН 5
1.1 Классификация вейвлетов 6
1.2 Вейвлет-преобразование 7
1.3 Свойства вейвлет преобразования 8
1.4 Непрерывное вейвлет-преобразование 9
1.5 Дискретное вейвлет-преобразование 10
1.6 Применение вейвлет-преобразований 11
ГЛАВА 2 ОПИСАНИЕ АЛГОРИТМА ВЕЙВЛЕТ ПРЕОБРАЗОВАНИЯ 13
ГЛАВА 3 РЕАЛИЗАЦИЯ ПРЕОБРАЗОВАНИЯ ВЕЙВЛЕТОВ ДЛЯ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЯ 17
ГЛАВА 4 АПРОБАЦИЯ ПРОГРАММЫ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЯ С ИСПОЛЬЗОВАНИЕМ ВЕЙВЛЕТ ПРЕОБРАЗОВАНИЯ 20
ЗАКЛЮЧЕНИЕ 23
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 24
ПРИЛОЖЕНИЕ 25
Выдержка из текста
Вейвлет-анализ разработан для решения задач, оказавшихся слишком сложными для традиционного анализа Фурье. Преобразование Фурье представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям (синусам и косинусам) с выделением частотных компонентов. Недостаток преобразования Фурье заключается в том, что частотные компоненты не могут быть локализованы во времени, обуславливая его применимость только к анализу стационарных сигналов, в то время как многие сигналы имеют сложные частотно-временные характеристики. Как правило, такие сигналы состоят из близких по времени, короткоживущих высокочастотных компонентов и долговременных, близких по частоте низкочастотных компонентов. Для анализа таких сигналов необходим метод, способный обеспечить хорошее разрешение как по частоте, так и по времени.
Список использованной литературы
1. Abry, P. (1997), Ondelettes et turbulence. Multiresolutions, algorithmes de decomposition, invariance d'echelles, Diderot Editeur, Paris.
2. Добеши, И. "Десять лекций по вейвлетам". Москва, РХД, 2001.
3. И.М. Дремин, О.В. Иванов, В.А. Нечитайло. Вейвлеты и их использование. – Успехи физических наук, 2001
4. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии. — М.: Триумф, 2003.
5. Штарк Г.-Г. Применение вейвлетов для ЦОС. — М.: Техносфера, 2007.