Statistics of 2-D DT-CWT Coefficients for a Gaussian Distributed Signal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper deals with the statistical properties of the two-dimensional dual-tree complex wavelet transform (DT-CWT) coefficients of a Gaussian distributed signal both in the Cartesian and polar forms. The first level of decomposition of the DT-CWT uses the wavelet filters that form only an approximate Hilbert-pair, while those at the higher levels form almost an exact Hilbert-pair. Hence, a significant correlation exists between the quadrature-filtered coefficients of the two trees in the first level of decomposition as compared to the other levels. As a consequence, in the Cartesian representation, the real and imaginary components of the complex coefficients are modeled as independent zero-mean Gaussian having unequal variances for the first level of decomposition and equal variances for the higher levels. In the polar representation, the magnitude components are modeled by a generalized Gamma probability density function (PDF) for the first-level decomposition and a Rayleigh PDF for the higher levels. The corresponding phase components are modeled by an analytic PDF. The Monte Carlo simulations show that the proposed PDFs of the transform coefficients match very well with the empirical ones. It is shown that the moments of the corresponding PDFs closely approximate the estimated sample moments. Finally, two techniques, namely, maximum a posteriori-based estimation and phase-based ridge detection are developed using the proposed PDFs. Simulation studies are carried out showing that the use of the proposed techniques provides improved estimation and detection performance of images in a noisy environment.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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