为了改善低剂量计算机断层扫描(CT)图像的视觉质量, 提出一种基于卷积神经网络的图像去噪方法。网络引入批量归一化, 并且学习的是低剂量CT图像到其噪声图像之间的映射; 使用空洞卷积在不提高复杂度的情况下增大感受野; 此外, 还将前后层的特征图进行连接, 使后方的卷积层能够利用前方各层的特征图作为输入, 鼓励网络中特征图的重用。实验结果表明, 与目前较先进的方法相比, 所提网络结构在实现了更好去噪效果的同时大幅度降低了网络复杂度, 能够快速、显著地改善低剂量CT图像的视觉质量。

三种最新的图像去噪方法（含源码），是搞图像处理的朋友不可多得的资料。

提出了一种基于低秩矩阵逼近（LRMA）和加权核范数最小化（WNNM）正则化的去噪算法，以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中，每个块按字典顺序矢量化为一列，计算该矩阵的奇异值分解（SVD），然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的，整个无噪声MR数据的最终估计是通过聚合所有彼此重叠的去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能，我们首先在两次迭代的正则化框架中实现了上述去噪过程，然后利用基于单像素补丁的简单非局部均值（NLM）滤波器来降低WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较，并在合成和真实3D MR数据上产生了非常有竞争力的结果。

对于数字图象处理初学者 可参考学习 用vc++做的

利用稀疏表示算法对医学图像进行稀疏表达，以达到去除噪声的目的

为解决加权核范数最小化(WNNM)图像去噪无法较好地表达复杂和不规则的图像结构,易产生过平滑现象的问题,将相对全变差(RTV)融入加权核范数最小化,对WNNM低秩表示模型施加RTV范数约束,提出一种RTV-WNNM图像去噪模型,采取交替方向乘子(ADMM)算法迭代求解对应模型,获得清晰图像。将提出的新方法与多种基于低秩矩阵近似的去噪算法进行比较,所提算法在保持图像边缘和加强区域平滑性方面有较好的性能,特别是在高密度图像噪声影响下,算法性能也能得到大幅提升。实验结果表明,加入RTV范数的低秩去噪模型具有良好的恢复图像结构能力,能较好地提高去噪性能。

用于去除随机值脉冲噪声的新型算法.用matlab运行

对图像库做批量预处理，给图像添加高斯噪声,生成随机文件名保存到新的文件夹中，并可用高斯滤波、算术均值滤波、几何均值滤波、谐波均值滤波、逆谐波均值滤波去噪

BM3D-Denoise-master.rar

基于MATLAB的小波图像去噪，利用小波分解，重构完成。