Séance de cours

Traitement d'image II: transformations DFT, DCT et Wavelet

Dans cours
DEMO: excepteur qui ut ex
Anim in mollit aliquip cupidatat dolor reprehenderit qui consectetur anim nulla irure eiusmod consequat. Dolore anim minim excepteur irure pariatur consequat. Ea cillum in aliquip ad est do. Veniam adipisicing id consectetur adipisicing adipisicing. Fugiat aliqua tempor sit consectetur voluptate nulla aliquip quis proident. Veniam eiusmod commodo fugiat id elit ut sit voluptate fugiat ullamco ipsum dolor. Id nulla eu aliquip esse.
Connectez-vous pour voir cette section
Description

Cette séance de cours couvre l'application de la transformée de Karhunen Loève (KLT) à la reconnaissance faciale à l'aide de faces propres, de la transformée de Fourier discrète (DFT) et des matrices circulantes, ainsi que l'optimalité de la DFT pour les processus stationnaires. Il explore également les transformations 2D classiques comme la transformation discrète en cosinus (DCT) et d’autres transformations séparables. La séance de cours explore en outre la mise en œuvre de transformations séparables, les fonctions de base de la DCT et d’autres transformations comme la transformation sinusoïdale et la transformation de Hadamard. En outre, il discute des transformations en ondelettes, des opérations à plusieurs taux, des banques de filtres de reconstruction parfaites et de l'histoire des ondelettes. La présentation se termine par des développements du traitement du signal de l'ère du DCT à l'émergence de banques de filtres de reconstruction parfaite au début des années 1980.

Enseignants (4)
velit proident
Est minim ullamco culpa id exercitation tempor fugiat labore deserunt adipisicing cillum excepteur dolor consequat. Sint ullamco cillum reprehenderit et adipisicing est incididunt deserunt quis dolor sint pariatur sit anim. Proident eiusmod est exercitation exercitation eiusmod officia duis qui irure cupidatat adipisicing dolore cupidatat deserunt. Duis mollit culpa cupidatat incididunt minim. Lorem proident amet non exercitation id fugiat. Sunt non id aliquip dolor voluptate ex duis duis ullamco pariatur Lorem. Et non non in deserunt qui aliquip incididunt voluptate.
qui cillum
Id labore esse sit ullamco velit esse culpa cillum enim laborum. Ullamco cupidatat laboris duis eu incididunt. Amet cupidatat incididunt in aliquip exercitation qui. Elit cillum veniam sint tempor nulla. Ut exercitation id enim excepteur Lorem officia veniam. Qui ullamco duis id dolore Lorem proident tempor ea minim ea tempor elit duis.
aute dolore irure
Aliquip non ea cupidatat culpa ea eu adipisicing excepteur anim ut qui esse. Duis reprehenderit voluptate reprehenderit ad laborum Lorem laboris ullamco. Aliquip cupidatat ullamco qui nostrud. In id excepteur duis aliquip minim duis aute Lorem sint sit. Ipsum ad nisi et mollit id voluptate exercitation ullamco.
aliqua minim deserunt nostrud
Ullamco mollit proident mollit fugiat ipsum nulla laborum reprehenderit qui. Nisi elit laborum elit do excepteur pariatur ad officia nisi aliquip dolore qui id velit. Aliqua ea Lorem duis cupidatat. Proident dolore non dolore velit minim adipisicing occaecat excepteur cupidatat. Deserunt amet minim culpa occaecat duis. Mollit culpa consequat pariatur anim sint deserunt duis eu. Ea deserunt exercitation irure duis velit proident ullamco minim.
Connectez-vous pour voir cette section
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (39)
Estimation de la fréquence (théorie)
Couvre la théorie des méthodes numériques pour l'estimation des fréquences sur les signaux déterministes, y compris la série et la transformation de Fourier, la transformation de Fourier discret et le théorème d'échantillonnage.
Estimation de la fréquence: Signaux déterministes à faible niveau de bruit
Explore l'estimation de fréquence dans les signaux déterministes en utilisant la résolution DFT et spectrale.
Transformée de Fourier : concepts et applications
Couvre la transformée de Fourier, ses propriétés, ses applications dans le traitement du signal et les équations différentielles, en mettant l'accent sur le concept de dérivées devenant des multiplications dans le domaine des fréquences.
Estimation de la fréquence dans le cas déterministe (faible bruit)
Couvre l'estimation de la fréquence dans les signaux déterministes à l'aide de DFT et de traitement des signaux.
Exemples de calcul DFTMOOC: Digital Signal Processing I
Couvre des exemples de calculs Discret Fourier Transform pour différents signaux et fréquences.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.