本论文提出了3D 基于空域和时域混合去除噪声的演算法，此算法包含了2D 的自适应可调式参数分频降噪算法以及3D 混合降噪算法。2D 的可 调式参数降噪算法主要利用时间域为频域中所有频域叠加的原理，以及在各分频中噪声模型统计，达到自适应各频段降噪的结果。

gn算法matlab代码自述文件 本自述文件记录了运行测试的必要步骤。 这个仓库是做什么用的？ 结合3D非局部均值和LBP-TOP（三个正交平面上的局部二进制模式）的新降噪方法 代码版本：0.01-alpha 依存关系 Python 2.7 OpenCV（适用于Python） NumPy 科学 scikit图像 bob.ip.base（来自库）。 另请参阅 实验内容 文件runNonLocalMeans使用用户参数运行筛选过程： -in或--input ：输入带有输入图像的PATH（带有噪声） -out或--output ：输入PATH以保存输出图像（去噪） -ori或--originals ：输入带有原始图像的PATH（无噪声） -H或--filterStrength ：输入参数H（过滤强度） -p或--patch ：输入补丁的大小（居中体素的邻域大小） -w或--window ：输入搜索窗口的大小（居中像素的窗口大小） -msb或--MSBValue ：最高有效位的值 -seq或--sequence ：测试的序列名称（例如seq1） -f或--folder ：输入带有数据库的PAT

针对传统降噪方法处理激发极化法（激电法）测量数据的效果不理想的问题，对经验模态分解方法和独立分量分析技术进行了研究，提出了一种新的激电数据降噪方法。首先，采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数，再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道，最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验，对比普通滤波方法和小波阈值算法，结果表明该方法能有效提高激电数据的信噪比。

因小波变换具有多分辨率分析能力和自适应性,故常被作为图像去噪的有效手段之一。文中从遥感影像中常见的薄云噪声的特征分析出发,分别从两个方面入手对含有薄云噪声的遥感影像进行去噪处理:①使用DB系列和SYM系列小波基对含有薄云的遥感影像进行小波变换去噪,对比发现使用db5小波母函数得到的去噪效果最佳。②使用Bridge-Massart阈值降噪模型对含有薄云的遥感影像进行去噪。结果中推断出:直接使用Bridge-Massart阈值降噪模型去噪的结果不如在第一步得到的结果上运用Bridge-Massart阈值降噪模型去噪的结果好。由此得到一种新的基于小波的遥感影像薄云去除方法 ,与小波变换法去除遥感影像薄云的结果比较,本方法得到的结果更优。

基于均值法，中值法，和自创改进均值法的图像去噪源程序，仍需要改进的地方是：没有创建线程处理矩阵输出，程序处理大图片时速度很慢。如果不输出矩阵速度很快。如有需要自行修改。谢谢！

一维数据进行小波降噪，经验模态分解EMD结合小波降噪！两种降噪效果进行对比。

某某某某某某某数字信号处理课程作业参考，版权所有！不得抄袭，可以借鉴！可以参考，可以参考，

语音降噪模型知识归纳汇总

针对图像去噪过程中存在边缘保持与噪声抑制之间的矛盾,提出了一种基于变指数的片相似性扩散图像降噪算法。算法基于变指数的自适应降噪模型,引入片相似性的思想,构造出新的边缘检测算子和扩散系数函数。传统的各项异性扩散图像降噪算法利用单个像素点的灰度相似性(或梯度信息)检测边缘,不能很好地保持图像的弱边缘和纹理信息。而所提算法利用邻域像素的灰度相似性,可以在滤除图像噪声的同时,保持更多的细节信息。仿真结果表明,与其他传统的基于偏微分方程(PDE)的图像降噪算法相比,该算法将信噪比(SNR)和峰值信噪比(PSNR)提高至16.602480 dB和31.284672 dB,具有良好的抗噪性;同时视觉效果较好,保持了更多的弱边缘和纹理等细节特征,在噪声抑制与边缘保持之间取得了较好的权衡。

时空LCMV：多通道麦克风阵列降噪