1) fast DCT
快速DCT变换
2) DCT
DCT变换
1.
A Technology of Digital Watermarking in DCT-domain;
一种基于DCT变换的数字水印技术
2.
FPGA Implementation of 2D-DCT Based on DA;
基于DA算法的二维DCT变换的FPGA实现
3.
The application of MATLAB based DCT in JPEG image compression;
基于MATLAB的DCT变换在JPEG图像压缩中的应用
3) DCT transform
DCT变换
1.
A fast hardware algorithm design of integer DCT transform used in AVS;
AVS标准中整数DCT变换快速算法的硬件设计
2.
Evaluation of image scrambling quality based on DCT transform;
利用DCT变换进行图像置乱及其效果评价
3.
A digital watermark algorithm is presented based on the JPEG compression and DCT transform.
提出基于JPEG压缩和DCT变换的数字水印算法,设计了多个自适应因子,能够根据图像的局部特征自动调整嵌入的程度。
4) discrete cosine transform
DCT变换
1.
A new face representation algorithm based on discrete cosine transform;
一种新的基于DCT变换的人脸表征
2.
Image fusion algorithms using discrete cosine transform;
基于DCT变换的图像融合方法研究
3.
Then the digital audio signal is converted into segments and discrete cosine transform is performed.
提出了一种基于量化的DCT域音频数字水印算法 ,该算法首先将视觉可辨的二值水印图像降维成一维水印序列 ,再将水印序列按伪随机排序 ,最后对数字音频信号作分段DCT变换 ,水印信号通过量化处理过程嵌入到DCT变换后的系数中 ,提取水印信号无需使用原始数字音频信号。
5) DCT transformation
DCT变换
1.
Second,low frequency coefficients after DWT are fused with DCT transformation,and the high frequency coefficients after DWT are applied with independent component analysis and then fused with area variance.
提出了一种基于独立分量分析的压缩域彩色图像融合方法,其基本思想是将源彩色图像进行IHS变换,将两幅图像的亮度分量I进行小波分解,对分解后的高频系数采用由独立分量分析得出的变换矩阵进行变换,然后对变换系数采用局部方差法进行融合,而对小波分解后的低频子图像分成若干N×N的图像块,分别对每个图像块做二维DCT变换,最后对融合的系数进行反变换得到融合结果,并用客观评价标准对结果进行了定量的分析。
6) DCT transform domain
DCT变换域
1.
In this text,we mainly discuss a kind of image watermark spread spectrum method carried out in DCT transform domain and give discri.
在研究DCT变换域的图像水印扩展频谱算法的基础上,运用感知性和健壮性标准对不同的图像水印扩频算法进行评价,为公正评价水印系统提供了依据。
补充资料：快速傅立叶变换
快速傅氏变换 英文名是fast fourier transform
快速傅氏变换（fft）是离散傅氏变换(dft)的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x(n)为n项的复数序列，由dft变换，任一x（m）的计算都需要n次复数乘法和n-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出n项复数序列的x（m）,即n点dft变换大约就需要n2次运算。当n=1024点甚至更多的时候，需要n2=1048576次运算，在fft中，利用wn的周期性和对称性，把一个n项序列（设n=2k,k为正整数），分为两个n/2项的子序列，每个n/2点dft变换需要（n/2）2次运算，再用n次运算把两个n/2点的dft变换组合成一个n点的dft变换。这样变换以后，总的运算次数就变成n+2（n/2）2=n+n2/2。继续上面的例子，n=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的dft运算单元，那么n点的dft变换就只需要nlog2n次的运算，n在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是fft的优越性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条