Explore l'histoire et l'efficacité de l'algorithme de transformation rapide de Fourier, démontrant ses applications pratiques et ses avantages informatiques.
Couvre les bases du traitement d'image, la transformation de Fourier, la convolution, la corrélation croisée et la reconstruction 3D à l'aide du théorème de projection Radon.
Couvre les méthodes numériques pour résoudre les problèmes de valeur limite, y compris les applications avec la transformée de Fourier rapide (FFT) et les données de débruitage.
Introduit les bases de la transformée de Fourier, couvrant des concepts comme la résolution, la périodicité, les transformations 2D, l'amplitude, la phase et la convolution.
Couvre l'algorithme Fast Fourier Transform (FFT) et ses applications en physique computationnelle, y compris le traitement d'images, les techniques expérimentales, les filtres et l'analyse des images en microscopie.
Explore l'analyse des données neurophysiologiques, couvrant l'identification AP, les taux de tir, l'activité sous le seuil, l'analyse spectrale FFT et l'analyse déclenchée par des événements à l'aide de MATLAB.
Explore des notions fondamentales dans le traitement d'images et de vidéos, couvrant des applications et des concepts clés comme la quantification des couleurs et les propriétés 2D Fourier Transform.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Introduit les bases du traitement d'image, des opérateurs de point et d'espace, du traitement d'histogramme et des opérations de domaine de transformation.
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.
Explore l'analyse et la classification de la texture dans les images, en mettant l'accent sur le rôle des techniques d'apprentissage automatique telles que les réseaux neuronaux convolutifs.
