MétaCan
Menu
Retour à la cohorte
Enregistrement W2123661622 · doi:10.1109/ccece.2008.4564752

The 2-directional wavelet transform: Theory and implementation

2008· article· en· W2123661622 sur OpenAlexaffvenue
Shenqiu Zhang, Cecilia Moloney

Notice bibliographique

RevueConference proceedings - Canadian Conference on Electrical and Computer Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Image Fusion Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésWavelet transformStationary wavelet transformSecond-generation wavelet transformWaveletHarmonic wavelet transformContourletMathematicsDiscrete wavelet transformHigh-pass filterFilter bankArtificial intelligenceWavelet packet decompositionPattern recognition (psychology)AlgorithmFilter (signal processing)Computer scienceComputer visionLow-pass filter

Résumé

récupéré en direct d'OpenAlex

The 2-directional wavelet transform is an image representation which separates the spectrum of an image into a lowpass subband, a horizontal highpass subband and a vertical high-pass subband. Each of the decomposed highpass subbands, corresponding to pairwise trapezoidal regions of the spectrum of an original image, is critically sampled to a rectangular shaped coefficient image in the spatial domain. This paper illustrates how an innovative method can be generated by the creative combination of filter banks, integer resampling, and frequency shifting. The proposed 2-directional wavelet transform achieves critical sampling and perfect reconstruction properties. The new transform is an extension of the traditional wavelet transform, and is also the fundamental stage of a new method called the nonredundant contourlet transform (NRCT) developed in a companion paper. Experimental results are presented to demonstrate the potential of the 2- directional wavelet transform.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,206
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConference proceedings - Canadian Conference on Electrical and Computer EngineeringMême sujetAdvanced Image Fusion TechniquesTravaux en français237 207