7.1 两通道滤波器组中各信号的关系 第 6.1 节已提及，滤波器组分为分析滤波器组和综合滤波器组。分析滤波器组将 )(nx 分成 M 个子带信号。若 M＝2，则分析滤波器组由一个低通滤波器和一个高通滤波器所组 成，它们把 )(nx 分成了一个低通信号和一个高通信号。我们可依据这两个子带信号所具有 的能量的不同，也即“重要性”的不同而分别给以不同的对待及处理。例如，分别赋以不 同的字长来实现信号的编码及压缩，或是别的处理。处理后的信号经传输后再由综合滤波 器组重建出原信号。由于分析滤波器组将原信号的带宽压缩为 1/M，因此，对每一个子带 信号均可作 M 倍的抽取，从而将抽样率减低 M 倍。这样可减小编码和处理的计算量，同 时，在硬件实现时也可以降低对系统性能的要求，从而降低成本。在综合滤波器组前面， 再作 M 倍的插值，以得到和原信号相同的抽样率。一个两通道滤波器组如图 7.1.1 所示。 图 7.1.1 两通道滤波器组 如果 )()(ˆ nxnx  ，或 )()(ˆ 0 nncxnx  ，式中c 和 0 n 为常数，我们称 )(ˆ nx 是对 )(nx 的“准确重建(Perfect Reconstruction，PR)”。本节首先讨论图 7.1.1 中各信号间的关系，然 后讨论实现准确重建的途径。也即，如何确定 )( 0 zH , )( 1 zH , )( 0 zG 和 )( 1 ZG 才能去除混 叠失真，幅度失真及相位失真。 由图 7.1.1 及第五章关于抽取与插值的输入、输出关系，对图中的分析滤波器组，有： )()()( 00 zHzXzX  ， )()()( 11 zHzXzX  ↓2 H0 (z) ↑2 G0 (z) H1 (z) ↓2 ↑2 G1 (z) )(zX )( 0 zX )( 1 zX )( 0 zV )( 1 zV )( 0 zU )( 1 zU )(ˆ zX

韩国人写的墨水扩散模型。Jintae LeeDiffusion rendering of black ink paintings using new paper and ink models

12.4 双正交样条小波 样条函数是分段光滑且在连结点处具有一定光滑性的一类函数，它在数值逼近方面获 得了广泛的应用。其中基数 B 样条(Cardinal B-Spline)函数具有最小的支撑范围且又容易 在计算机上实现，因此被认为是构造小波函数的最佳候选者之一。 m 次 B 样条函数 )(tN m 是一阶 B 样条函数 )( 1 tN 自身作 1m 次卷积所得到的，而 )( 1 tN 正是 Haar 小波的尺度函数，即

来自 Lee & Khalil 的自适应输出反馈的双连杆平面臂的 Simulink 模型，也参考 Li Slotine 的 Applied Nonlinear Control(1991) 这是 SSGill 的即兴模型。

关于SAR图像lee滤波处理的程序，对一幅合成孔径雷达图像进行滤波处理，滤波后图像的均值方差及等效视数有明显的改善

极化雷达图像滤波处理时最常用的Lee算法的源代码，欢迎有需要的下载。

该方法在传统的极化SAR滤波Lee方法上增加了自适应窗口处理以及滤波参数预估计等步骤，有效的提高了传统的滤波方法的抑制相干斑的能力，同时能够很好的保持极化SAR图像的极化散射特性。

适合刚开始接触图像处理领域的初学者，算法是经典的医学图像斑点噪声去除算法

Lee滤波算法（python实现代码）

方便下载的Lee filter代码，里面含有详细的算法信息