资源简介
最小噪声分离算法流程及其代码,MNF变换有两重要的性质:一是对图像的任何波段做比例扩展,变换结果不变;二是变换使图像矢量、信息分离和加性噪声分量互相垂直
代码片段和文件信息
%————————————————第一步
%x为100*200的矩阵,MNF变换为其降噪。但没法反演。
% n1是高通滤波后的协方差矩阵 n2是白噪声的协方差矩阵
% 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(‘原始能谱‘);
subplot(212);plot(xd(i:));title(‘使用Minimax阈值方法降噪后的能谱‘);
end
%小波变换后能产生白噪声,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函数处理对称矩阵得到 正交的特征向量矩阵和按照特征值升序排列的对角阵
a1=diag(d1);%取出特征值形成一个个数组
%对数组进行排序得到升序
[x1i1]=sort(a1);
%用对称变换得到降序
newa1=fliplr(x1‘);
newd1=diag(newa1);
%按照索引 i1 对特征值矩阵进行相应调整
v11=zeros(
评论
共有 条评论