模拟退火是一种在邻域范围搜索最优解的优化算法，能够以较大的概率收敛到最优解，可运用于图像去噪。提出一种基于模拟退火的自适应图像滤波算法，可以自适应的对图像内部和图像边缘进行分类处理，以一定的概率接受偏离中值的像素，再结合加权平均得出图像结果像素值。实验结果表明该算法在滤除图像噪声的同时，可以较好的保存原始图像信息，具有较高的信噪比。

提出了一种Shearlet变换域嵌入强度因子能随图像内容自适应的水印算法。算法首先利用Shearlet变换对图像内容稀疏表示选择性，找出符合人眼视觉特性要求的水印嵌入位置,然后依据图像内容自适应地计算出水印嵌入强度因子，较好地解决了鲁棒性与可见性之间的矛盾。实验结果表明，该算法能够抵抗各种攻击，具有强鲁棒性。

经典的BayesShrink通过软阈值函数对小波系数进行修正,使得原小波系数和修正小波系数存在恒定偏差,降低了去噪图像质量。文章利用噪声系数幅值随小波系数幅值的增大而相对减小的特点,构造了具有伸缩性的自适应阈值函数,该方法克服了软阈值函数产生的恒定偏差,依赖小波系数幅值对原始系数和修正系数间的恒定偏差自适应调节。伸缩因子m根据不同图像特点采用二分法自适应寻得最优值。实验结果表明改进后的阈值函数相比经典软阈值函数去噪效果较优。

提出一种自适应的频域增强算法。对图像进行离散余弦变换( DCT),按照图像空间内容和频域系数的对应关 系,对低频系数( DC)采用α-rooting算法进行调整,压缩图像的动态范围,增强图像照度分量中明区和暗区的细节。 把高频系数( AC)分成4部分,按照人的视觉特性进行多尺度非线性调整,增强图像反射分量中大块边缘细节,抑 制弱噪声细节,使图像的对比度得到有效的提升。同时由子块图像频域系数幅值分布特征确定低频系数调整函数 的控制参数,消除了图像产生的块效应。实验结果表明增强后的图像清晰,层次分明,视觉效果

完整代码，可直接运行

基于形态学的权重自适应图像去噪，图像信息的保持，图像边缘的提取，图像骨架的提取，图像的处理效率，数学形态学图像处理。

模糊C均值聚类算法（FCM）广泛用于彩色图像分割，但该算法存在需要预先指定聚类数目、计算量大、耗时长且易陷入局部最优等缺点。提出一种自适应快速模糊C均值彩色图像分割方法，该方法首先运用蚁群算法，自动获取初始聚类中心和聚类数目，然后使用基于梯度的分水岭算法对原始彩色图像进行预分割，得到一系列由色彩特征空间具有一致性的点构成的子集，最后对这些子集的中心进行模糊聚类。实验结果表明：由于子集数量远小于原始图像像素数目，使聚类样本数量显著减少，大大提高了聚类速度，同时在聚类中以特征距离代替欧式距离，增强了算法的鲁棒性。

基于狮群优化算法的自适应图像去噪技术

matlab基于形态学的权重自适应图像去噪

DAC-张量流 深度自适应图像聚类的Tensorflow实现 原始ICCV论文： ://openaccess.thecvf.com/content_ICCV_2017/papers/Chang_Deep_Adaptive_Image_ICCV_2017_paper.pdf Keras中的作者实现： : 代码已在Tensorflow 1.8上进行了测试。 MNIST上的结果 NMI：0.9414，ARI：0.9416，ACC：0.9731