加细函数的卷积构造算法

应用科学学报 ›› 2005, Vol. 23 ›› Issue (3): 305-307.

加细函数的卷积构造算法

谢长珍

汕头大学数学系, 广东汕头 515063

收稿日期:2004-02-25 修回日期:2004-07-08 出版日期:2005-05-31 发布日期:2005-05-31
作者简介:谢长珍(1964-),女,河南方城人,副教授,E-mail:czxie@stu.edu.cn
基金资助:
广东省自然科学基金资助项目(032038,04300917)

The Construction of Refinable Function Based on Convolution

XIE Chang-zhen

Department of Mathematics, Shantou University, Shantou 515063, China

Received:2004-02-25 Revised:2004-07-08 Online:2005-05-31 Published:2005-05-31

摘要/Abstract

摘要： 通过两个加细函数的卷积运算,给出构造加细函数的新方法.讨论了由卷积运算产生的加细函数的性质,特殊地当伸缩因子为2时,得到任意两个B-样条尺度函数N_i(x)和N_j(x)的卷积仍是一个N_i+j(x)B-样条尺度函数.最后给出构造算例.

关键词: 卷积, 加细函数, 面具, 尺度函数

Abstract: Let φ₁, φ₂ be two refinable functions with the dilation factor a.A new method for constructing the refinable function based on the convolution of functions φ₁, φ₂ is presented.The properties such as periodicity and symmetry of the refinable function generated by the convolution of functioins φ₁, φ₂ are discussed.The B-spline function N_{i +j}(x) can be constracted by the convolution (N_i *N_j) (x) of two B-spline functions N_i(x) and N_j(x).Finally, two examples are given to illustrate how to use the method to construct refinable function.

Key words: refinable function, mask, convolution, scaling function

中图分类号:

O174.2

谢长珍. 加细函数的卷积构造算法[J]. 应用科学学报, 2005, 23(3): 305-307.

XIE Chang-zhen. The Construction of Refinable Function Based on Convolution[J]. Journal of Applied Sciences, 2005, 23(3): 305-307.

[1]	徐凯, 池明得, 王崎, 李建州, 张辉. 融合BERT编码层的多粒度语义方面级情感分析模型[J]. 应用科学学报, 2026, 44(1): 149-165.
[2]	高剑奇, 黄典, 骆祥峰. 基于句法语义增强的实体事件关系对联合抽取[J]. 应用科学学报, 2025, 43(6): 1024-1036.
[3]	卢菁, 葛聪. 结合通用轨迹图和多偏好的兴趣点推荐方法[J]. 应用科学学报, 2025, 43(5): 771-784.
[4]	朱诗逸, 陆小锋. 基于骨骼的脑卒中患者手势识别与康复评估[J]. 应用科学学报, 2025, 43(5): 817-827.
[5]	熊俊, 刘守全, 安旭, 郭甜, 邰宝宇. 一种基于轮廓度量的卷积神经网络遥感图像建筑物分割方法[J]. 应用科学学报, 2025, 43(4): 709-720.
[6]	杨婉, 陈爱斌, 赵莹, 武阅, 甑鑫, 肖治术. 基于双层路由注意力和自校准卷积的豹个体识别[J]. 应用科学学报, 2025, 43(2): 348-360.
[7]	贾志洋, 许兆, 冷艳梅, 闻新, 龚浩宇. 基于并行优化CBAM的轻量级故障诊断模型[J]. 应用科学学报, 2025, 43(1): 94-109.
[8]	张梦君, 熊邦书. SAR-ATR系统复数对抗样本生成方法[J]. 应用科学学报, 2024, 42(5): 747-756.
[9]	陶子钰, 苏兆品, 廉晨思, 王年松, 张国富. 基于深度声纹特征转换网络的说话人识别攻击方法[J]. 应用科学学报, 2024, 42(5): 782-794.
[10]	刁悦钦, 李志文, 山子岐, 李凡. 多尺度特征融合注意力机制的滤棒质检算法[J]. 应用科学学报, 2024, 42(5): 823-836.
[11]	何磊, 栗风永, 秦川. 跨通道交互注意力机制驱动的双流网络跨模态行人重识别[J]. 应用科学学报, 2024, 42(5): 884-892.
[12]	金彦亮, 陈彦韬, 高塬, 周嘉豪. 基于注意力时间卷积网络的加密流量分类[J]. 应用科学学报, 2024, 42(4): 659-672.
[13]	李成范, 孟令奎, 刘学锋. 基于深度学习的高分遥感图像建筑物识别[J]. 应用科学学报, 2024, 42(3): 375-387.
[14]	刘亚文, 刘永畅. 结合分割算法和图卷积网络的车载点云分类方法[J]. 应用科学学报, 2024, 42(3): 405-415.
[15]	杜小东, 王鹏, 史建成, 王月, 帅昊. 面向电子装备装配引导的AR跟踪方法研究[J]. 应用科学学报, 2024, 42(3): 416-424.