这是一个非常简单的m文件，实现了以下方法中描述的方法： J. Immerkær，“快速噪声方差估计”，计算机视觉和图像理解，卷。 64，第2号，第300-302页，1996年9月该函数输入灰度图像 I 并返回 Sigma，即噪声估计值。 这是一个示例使用： I = rgb2gray(imread('sample.jpg')); Sigma=estimate_noise(I); 这种方法的优点是它包含了一个拉普拉斯运算，它对图像结构几乎不敏感，而只依赖于图像中的噪声。

IVHC（快速图像噪声估计） 这是在Python和Matlab上的实现。 另请参阅 。 IVHC是一个模型，用于估计图像和视频信号中的高斯噪声，与信号有关的噪声和经过处理的噪声。 该估计基于图像斑块的强度变化的分类，以便找到最能代表噪声的均匀区域。 这是强度方差均匀性分类（IVHC）噪声估计的框图。 输入： 嘈杂的灰色图像 最大多项式回归度 输出： Y通道中的噪声方差（最佳代表） 处理噪声的程度 噪音等级功能 该存储库包括： Matlab和IVHC的Python实现。 Matlab演示文件可估算AWGN，处理后的噪声以及与信号有关的噪声。 Python演示文件可估算AWG

一种基于MAP噪声估计器的低成本SINS_GPS的快速UKF算法.pdf

语音增强相关代码，语音增强初学者可以借鉴使用

压缩包中包含“Frequency-domain methods for demosaicking of Bayer-Sampled Color Images”论文及修正后的源程序、自己基于“Fast and reliable structure-oriented video noise estimation”开发的噪声估计函数（针对CFA图像、灰度图像、RGB图像做了3个版本，对于CFA，可将总方差除以总块数而非每个子通道计算一个平均，然后四通道平均）。以run_开头的源程序主函数中直接加入了其他去噪去马赛克方法以作对比，包括去马赛克后Y通道去噪、去马赛克后双边滤波去噪、bayer四子通道分别去噪后去马赛克等。亮度通道去噪那个将第三个参数直接设为0，是只保留频域方法的去马赛克功能。注意：上传时将噪声估计部分单独放在了一个文件夹，运行时不要忘了将其添加到matlab搜索路径。

MCRA噪声估计算法，用于谱减法的语音增强

程序基于“Fast and reliable structure-oriented video noise estimation”并做了改进，分为针对CFA图像、灰度图像、RGB三个版本，各子通道方差综合方法可以修正，程序留出了第三个可选参数用于扩展。程序实现上可进一步优化以提高处理速度（比如记录K个最小值中的最大值位置等），感兴趣的朋友可以自己动手改动。