数字图象处理的方法主要分为两大类:一个是空间域处理法,一 个是频域法(或称变换域法)。在频域法处理中最为关键的预处理便 是变换处理。变换理论在图像处理中起着关键作用,二维变换已被用于图像增强、图象复原、图象编码、图象描绘和图象特征抽取等方面当矩阵的逆矩阵等于其复数共轭转置矩阵时,叫酉矩阵。即设A和A为二维酉矩阵

序列的Z变换 一、L变换(拉氏变换):(线性模拟系统)解常系数微分方程的运算方法变微分方程为代数方程(时域→复域)。 二、Z变换:(离散系统)解常系数差分方程的运算方法—变差分方程为代数方程(时域→复域);

第四章4-4特征值与特征向量(续) 4.4.2关于特征向量与特征子空间的一些性质 命题线性变换的属于不同特征值的特征向量线性无关。 证明设A为VK上的线性变换,,2,是两两不同的特征值,(1≤i≤t)是 属于特征子空间V的特征向量,设k,k2,k,∈K,使得k5+k252+…+k5=0,两 边用A作用(i=1,2,…,-1),于是得到方程组 5+52++=0,j0,1,t-1 其中入的方幂组成的矩阵为

第四章4-4线性变换的特征值与特征向量 4.4.1线性变换的特征值与特征向量的定义 定义若存在非零向量ξ∈V,使得对于某个∈K,有A5=5,则称ξ是A的属 于特征值λ的特征向量。 命题线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间。 证明设51,52是属于的特征向量,Vk,∈K,则 A(k5+2)=k()+a(2)=k+2=(k5+152), 证毕。 定义线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间称 为属于特征值的特征子空间,记为V 4.4.2特征值和特征子空间的计算、特征多项式

针对数字图像的特点,基于有限整数域上的二维置乱变换、仿射变换和整数提升变换,提出了适用于任意大小、任意长宽比图像的三维置乱加密算法.考虑了变换矩阵中部分参数取负整数或小数的可行性,明确给出了参数的具体设置方法.该算法引入实数作为参数,扩展了参数选择范围;置乱像素位置的同时改变像素值,改善了置乱效果,加大了置乱周期,提高了数字图像的安全性

4.4.正则变换 1.引言: 【例1】广义坐标间的坐标变换对正则方程的影响。 广义坐标的变换qa→QB=fB(,t),其逆变换为qa=a(t), 广义速度同时作相应变换:QB=+,qa=2而保持 LagrangeLagrange方程和力学的理论体系不变(具体形式当然有变化):

提出一种互为Hilbert变换对的小波代数构造方法.这种互为Hilbert变换对的小波基的构造是从构造小波的充要条件入手,利用延迟滤波器的思想,把问题化为代数方程组求解.该方法可以避免进行谱分解.经实验证实:由基于本文构造的小波对的对偶树复小波变换可以得到比离散小波变换更好的特征提取效果

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

6.2 拉普拉斯变换 6.3 拉普拉斯变换的反演 6.4 应用例

第四章快速傅立叶变换(FFT) 主要内容: 一、/DFT的问题及解决途径 二、FFT的原理和复杂性 三、按时间抽取的FFT算法 四、按频率抽取的FFT算法 五、离散傅立叶反变换的快速算法 六、线性调频z变换(chirp-z变换)算法 七、线性卷积的FFT算法