在信息化的社会里，图像在信息传播中所起的作用越来越大。所以，消除在图像采集和传输过程中而产生的噪声，保证图像受污染度最小，成了数字图像处理领域里的重要部分。 本文主要研究分析邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法。首先介绍图像处理应用时的常用函数及其用法；其次详细阐述了四种去噪算法原理及特点；最后运用Matlab软件对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，通过分析仿真结果得出：均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的；中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效；维纳滤波对高斯噪声有明显的抑制作用；对小波系数进行阈值处理可以在小波变换域中去除低幅值的噪声和不期望的信号。

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性，将小波系数的概率分布建模为一种自适应高斯混合模型，在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明，利用该方法进行图像去噪能够取得良好的效果，同时可以有效地保留图像的细节。

第六章 总结与展望 54 和基于字典学习和自相似性正则的图像去噪方法，以上方法均是在理想状态下进 行的，虽然得到较好的去噪效果，但存在算法运行时间过长的问题，其主要费时 环节是非局部自相似权重参数的计算。所以在实际应用中需要考虑到非局部自相 似权重参数计算的优化问题，即不但要获得高质量的恢复图像，还要加快去噪进 程，提高实用性。此外，在稀疏表示求解实际问题方面，还有很大的改进与应用 空间，例如，选择字典学习和稀疏分解算法的最优组合，找到一种最优的学习 APBT 类字典的方法，如何充分利用图像局部结构信息和非局部自相似性信息进 行图像去噪或者其他的图像应用，如何提高图像去噪的运行速度，如何将稀疏表 示和自相似性有效应用到乘性噪声的情况。总之，基于稀疏表示和自相似性的图 像去噪方法研究还有很多内容有待进一步探索。

去噪声代码matlab MWCNN图像降噪 Pytorch中多级小波-CNN图像复原的实现 Matlab代码： 引文： 刘鹏举，等。 “用于图像复原的多级小波-CNN”。 IEEE计算机视觉和模式识别研讨会会议记录。 2018。 教程 安装正确的环境： conda env创建environment.yml conda激活EE367 cd ./pytorch_wavelets 点安装。 cd ../（返回项目根目录） python runMe.py （可选）使用jupyter笔记本签出runMe.ipynb 输出图像应保存到experiments /（model）/ images / test_images文件夹中 笔记 如果遇到内存不足错误或被杀死9，则可能需要将每个args的runMe.py中的“ n”值更改为1000。 去做 修复数据加载代码，以便我们不会淹没系统内存来编写补丁 不要将修补程序加载到系统内存中，只需加载文件名，然后按照DataLoader的查询读取它们

构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型

这个简单的脚本验证了各种图像去噪方法的按块收缩的想法。 只要噪声图像被加性高斯噪声破坏，该脚本方法就适用于改进初始估计，即去噪图像。 演示代码展示了基于 MATLAB 内置的三种图像去噪方法的改进，即移动平均滤波器、中值滤波器和二维维纳滤波器。

好用的去噪声代码matlab 带对抗训练的深度卷积神经网络用于数字化胸部断层合成图像降噪 该存储库适用于以下论文： M. Gao，JA Fessler和H.-P. Chan，“具有对抗训练的深层卷积神经网络对数字化乳房断层合成图像进行降噪”， IEEE医学影像交易，2021年。DOI：。 数据 训练数据是使用模拟软件准备的。 乳房幻影是由产生的。 我们使用来自GE的基于Matlab的私有CatSim来模拟GE Pristina DBT系统。 尽管最近开放了一个开源，但它并未包含所有模块。 作为一种替代方法，可以在VICTRE软件包中使用以生成PV。 我们使用自己的SART算法和重构DBT。 如果您没有可用的侦察算法，则可以尝试使用VICTRE软件包中的FBP算法。 代码 要求 Python 2.7，TensorFlow 1.4.1。 训练 培训代码是根据以下存储库开发的，在开发培训代码时，您可能会发现它们很有用：，。 部署方式 要部署降噪器，请运行： python deploy_dngan.py 我们提供了5片重建的VICTRE幻影DBT映像（异型，带有某些MC）作为测试部署代码的示例

本论文概述了DFT离散傅立叶变换在图像去噪中的作用，与空域中的去噪方法进行了比较，并且进行了MATLAB的仿真，讨论了频域中去噪优于空域去噪的原因。

有关MATLAB编程下的图象去噪处理，均值滤波，中值滤波，Sigma平滑滤波器，K近邻(KNN)平滑滤波分别对高斯噪声图像和椒盐噪声图像进行噪声抑制。

基于python的图像处理之图像去噪的各种算法实现，还设计了UI界面