提出了一种小波包自适应滤波算法。该算法将信号的小波包分解和自适应滤波相结合,先将信号进行小波包分解,然后对子信号进行自适应滤波,最后将信号合成从而达到信号降噪的目的。使用该算法对电压信号进行降噪,结果表明小波包自适应滤波算法具有良好的降噪性能。

包含图像直方图、图像边缘检测、图像滤波去噪的matlab代码和视频说明。

利用中值滤波和小波相结合的方式，去除信号中含有的随机噪声和脉冲噪声

各种常用的去噪算法，包含小波等matlab源程序。

中值滤波与均值滤波的去噪性能比较，详细说明了中值滤波的概念和均值滤波的概念，分析和比较了两种不同的滤波方式对图像处理的效果，中值滤波为非线性滤波，均值滤波为典型的线性滤波

毕业设计源程序，采用中值滤波，均值滤波，维纳滤波，小波降噪这几种算法，对图像进行降噪处理，经过处理图像明显改善。

吹管音乐滤波去噪脉使用脉冲响应不变法设计的巴特沃斯滤波器课程设计

MATLAB图像滤波去噪分析及其应用-20150807-随书提供程序 全部亲测过，均可运行。对初学者而言，可以尝试不同方法的滤波及去噪效果，非常不错

对传统双边滤波器模型中的灰度标准差和滤波窗口进行改进。首先,用固定大小的正方形窗口通过概率分布函数和最大似然函数计算图中每个像素点的噪声标准差,将全图噪声标准差的中值作为阈值,若某像素点的噪声标准差大于该阈值,则认为该点的窗口内包含图像边缘,用半边旋转窗口法重新计算该点的噪声标准差和滤波窗口;然后,对图像中的每个像素点进行双边滤波,其中,灰度标准差设为该点噪声标准差的2倍;最后,根据区域相似度模型判定强噪声,并利用中值滤波器去除。实验证明,所提算法在不同强度的噪声下均可取得较好的保边滤波效果和强噪声去除效果。

中值滤波器去噪： 中值滤波的主要原理是将数字图像中的某点用该点的邻域中各个像素值的中值所来代替，这样就能让目标像素周围能够更好的接近真实值，比如一张白纸上有一个黑点时，黑点的像素值比较大，经过中值滤波过后，黑点附近的像素值可能就会变小。经过中值滤波后一些相对孤立的噪声点就容易被清除掉，这样就能提高图像的质量。 所以中值滤波器去噪的一个优点就是对椒盐噪声的去除具有很好的效果，具体操作是选取一个中心邻域，然后给邻域类各个像素的灰度值按大小进行排序，选取排序序列中的中值作为该邻域中心点的像素值的灰度值。 它的缺点是当邻域挑选过大时，可能会造成图像特征丢失。 实现代码如下： import numpy