在MATLAB环境下基于小波变换的图像去噪，刘智，，图像消噪是信号处理中的一个经典问题，传统的消噪方法多采用平均或线性方法进行，但是其消噪效果不好，随着小波理论的不断完善，

基于MATLAB的图像去噪处理源程序，采用不同的阈值函数对图像进行去噪处理，程序已经通过运行。

传统非局部平均(Non-Local Means, NLM)图像去噪算法的像素相似性度量可靠性较差，其关键滤波参数选取与优化值偏差较大。针对上述问题，提出了一种改进的NLM图像去噪算法。首先，滤除方法噪声中的噪声分量，保留有用图像信息；然后，联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数，更好地利用原图像的信息；最后，采用噪声标准差二次函数的方式设置滤波参数，相比于传统的线性正比方式选取参数，这种选取方式在不同噪声强度下均能获得较优的参数值。对几个标准测试图像的去噪结果表明，提出的改进NLM算法获得了较好的去噪效果，优于相比较的几种方法。

使用 TV-L1 模型对原始对偶算法进行优化的图像去噪。 该函数最小化以下降噪模型 wrt I： sum(sqrt(Ix^2 + Iy^2)) + lambda*||I - g|| 其中 I 是去噪图像，Ix, Iy 是它的梯度，g 是观察到的图像和 lambda 是正则化系数。 较小的 lambda 值会导致更具攻击性去噪。 有关更多详细信息，请参阅* A. Mordvintsev：ROF 和 TV-L1 使用 Primal-Dual 算法去噪， http://znah.net/rof-and-tv-l1-denoising-with-primal-dual-algorithm.html 也存档为http://www.webcitation.org/6rEjLnF1F * Chambolle等。 图像分析总变异简介，2009 年。 https://hal.ar

基于自适应小波阈值的SAR图像去噪算法

提出一种保边缘的去噪方法。该方法利用4个方向核卷积检测图像中的噪声点和非噪声点，对非噪声点不进行处理。在噪声点的3×3邻域中选择距离最小的非噪声点，若无非噪声点则邻域扩大为5×5，若有非噪声点则用这些点的中值替换噪声点，否则用邻域中距离最远像素点的均值替换噪声点。实验结果表明，该方法不仅能有效去除图像的噪声，且能较好地保护图像边缘。

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。

最小二乘法去除图像椒盐噪声的python代码和实验报告

ImageDenoising-MPI-Metropolis-Hastings-MCMC

本文主要讲述的是图像去噪的ROF模型及仿真实验等方面的问题