毕业设计的题目是小波去噪，参考了一些网上的资料，自己加以补充和修改，希望有用。

3D 的混合降噪算法是利用区域块 运动 估算的方式，找出前后视频帧中相似 的区域块，使用这些区域块的资料信息进行分析 ，更为准确的分离出图像中的背 景与非背景，并且将背景区域块做 2D 降噪后与运动补偿所得到的背景 做叠加平 均，非背景则做单纯 2D 降噪，以保留更多的原始图像细节并且达到较好的降噪效 其中的去块平滑器的设计值得借鉴。用新像素点来替换具体区块效应的区块边界点，以防止像素在帧间和帧内的差距过大，进一步解决帧内的区块效应，也同时能解决在帧间视觉上的不连续闪烁问题

声音去噪算法基于流行的频谱减法技术。 基于呜呜祖拉声音的频谱，这种去噪技术简单地计算了时频域中的衰减图。 然后，通过计算逆 STFT 来恢复音频信号。 有关该算法的更多详细信息，请参阅 [1-3]。 压缩文件包含： - vuvuzela_denoising.m 文件- vuvuzela.wav 音频文件 要听这个算法的结果，直接去： http : //soundcloud.com/choc29/vuvuzela-correction-with-matlab 请注意，通过适当调整算法参数可以获得更好的去噪音频结果。 参考： [1] Steven F. Boll，“使用频谱减法抑制语音中的声学噪声”，IEEE 信号处理汇刊，27(2)，第 113-120 页，1979 [2] Y. Ephraim 和 D. Malah，“使用最小均方误差短时频谱幅度估计器的语音增强”，IEEE。

matlab开发-TVL1图像去噪算法。易于读取的TV-L1图像去噪功能

调用speex库进行语音降噪的代码，可以直接运行，直接看到降噪效果

基于小波变换的matlab实验，包含了实验原理和基于haar基的小波变换仿真结果以及论文。

输入信号，加入高斯白噪声，使用维纳滤波进行消除高斯白噪声，得要期望的信号，显示输入。噪声，加噪。除噪等信号波形

主要是语音增强技术中的降噪方法，里面都是代码和数据，可以运行

有关小波神经网络的文章-一种基于小波神经网络的图像去噪算法.pdf 我收集的最新的几篇小波神经网络的文章，大家共享 小波神经网络初始值的选择.pdf 【摘要】小波神经网络参数初始值影响着网络收敛速度的快慢，甚至关系到网络能否收敛。为了减少网络训练 次数，提高收敛速度，提出了一种更简便易行的选择方法，通过将此方法的仿真结果与采用随机选取初始值的方 法所得仿真结果进行对比，证明此方法既可行又有效。 【关键词】小波神经网络，初始值，收敛，收敛速度 小波神经网络的改进及应用 单海欧 李平 摘要! 提出一种带有动态补偿的双隐层小波神经网络’其中过程神经元隐层完成对输入信息过 程模式提取和对时间的聚合运算’小波函数代替非时变一般神经元隐层函数’用于提高网络对系统 输入输出之间复杂关系的映射能力’动态补偿用于提高建模精度 将其应用于管道泄漏故障的检测’ 收到良好的效果 关键词! 小波神经网络,双隐层,动态补偿,过程神经元,泄漏检测 基于小波神经网络的非线性约束预测控制 黄德先金以慧 (清 华 大学 自 动 化 系 北 京  100084 张杰E.B .M artinand A.J. M orris) 摘 典 许多年来，非线性生产过程的建模和控侧问题一直是一个困难的问理，没有好的通 用棋型和方法能用于过程建棋和控制.在这篇文章，通过结合小波和种经网络方法，致力子通用的 非线性过程的建棋和控制方法研究一个仅用尺度函数的小波神经网络用于通近非线性状态方程 棋型.井用其实现非线性翻侧控材.由于该模型能够通过线性LS估计方法来拼识，它是易于实现 和用作通用棋N.在这摘文章中，对开环稳定过程，一个具有摘入约束的区城预rN控制方案被引 入.它的闭环毯定性能够通过适当选择它的预洲水平来保证.基于上述动态控制方案，一个称态状 态优化方案被进一步实现，通过仿真研究，镇型的通用性、拼识和控制方法的简单性被演示，这表 明所提出方集能够被用于过程工业的非线性系统的建模和控制.通过一个双线性系统，理论结果 被演示和研究. 关健 词 小波.神经网络，非践性系统拼识，非线性预侧控制，约束控侧，优化 基于小波神经网络的图像去噪算法.pdf 于辰飞  陈伟建 基于小波神经网络的图像文本信息提取技术研究.pdf 黄同城 丁友东 file:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/moz-screenshot-5.jpgfile:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/moz-screenshot-6.jpgfile:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/moz-screenshot-7.jpgfile:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/moz-screenshot-8.jpgfile:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/moz-screenshot-9.jpg

针对低剂量医学CT图像噪声大且配对数据集难以获得的问题,提出一种基于改进型循环一致性生成对抗网络的低剂量CT去噪算法。该算法使用循环一致性生成对抗网络,由未配对的数据集实现了从低剂量CT图像到标准剂量CT图像的端到端映射;同时将密集型残差学习网络模型引入到该网络生成器中,利用残差网络的特征复用性来恢复图像细节,使生成器输出图像更接近目标图像。实验研究表明,本文算法提升了去噪效果,并准确地恢复了图像细节及边缘结构,修复后的图像质量显著提升,有助于病灶的检测与分析。