该例程获取循环的信噪比没有先验知识的肌电图 (EMG) 信号信号。 此例程的输出可能会进一步用作输入用于确定接通和偏移的双阈值检测器的参数肌肉活动。 可以找到此代码中执行的过程并基于以下科学文章： Agostini, V., & Knaflitz, M. (2012)。 估计的算法期间产生的表面肌电信号的信噪比循环运动。 IEEE 生物医学工程汇刊，59(1)， 219–225。 doi:10.1109/TBME.2011.2170687

三、共轭先验分布的优缺点 共轭先验分布在很多场合被采用，因为它有两个优点： （1）计算方便。 （2）后验分布的一些参数可得到很好的解释。 不足：怎样找到合理的先验分布？ （防止误用）

何凯明图像去雾算法源代码实现，基于暗通道先验的算法，非常有效果

煤矿智能视频监控中常常碰到许多雾尘图像且伴有各种随机噪声,对应的图像降质严重影响了后续视频图像处理工作,因此提出一种基于暗原色先验与双边滤波器的去雾除尘和同步去噪算法。结合已有的大气散射物理模型,推导建立煤矿雾尘图像退化模型。考虑煤矿雾尘图像的特点,设计基于暗原色先验知识的大气光、粗略透射率估计的方法与步骤。分析粗略透射率图的优化要求以及双边滤波器的特性,引入联合双边滤波器快速获得精细透射率图。依据图像退化模型构建正则化目标函数,求取转换图像并进行高斯双边滤波,获得复原图像并同步实现噪声的有效去除。实验结果验证了算法的有效性,与已有去雾算法相比计算效率有较大提高,且复原质量良好适合于煤矿智能视频监控环境。

输电线处于自然环境中，背景通常为植被和田野，而配电线布设于城镇街道，建筑纹理、屋檐屋顶和其他线路等都会对配电线检测造成极大影响，常用的输电线检测方法无法有效去除这些环境干扰。文中提出了一种改进的分段灰度变换增强方法，先消除干扰，再通过自适应阈值的Canny算子结合形态学处理方法，进一步加强配电线特征。最后提出了基于区域筛选的Hough变换，在提取得到的配电线区域中确定配电线目标。实验结果表明，提出方法能够在复杂干扰环境下实现配电线检测，并且提高了精度和效率。

该包通过混合自适应提供了自适应图像去噪算法的实现。 所提出的方法 [1, 2] 采用从通用外部数据库中学习到的通用先验，并将其适应噪声图像以生成特定先验，然后将其用于 MAP 去噪。 所提出的算法是严格推导出来的从贝叶斯超先验的角度来看，并进一步简化以降低计算复杂度。 要对去噪性能进行整体评估，请运行演示文件：“demo.m”。 如需更多信息和引文，请参阅： [1] E. Luo、SH Chan 和 TQ Nguyen，“通过混合自适应进行自适应图像去噪”，IEEE Trans。 图像处理。 2016 年。 [2] SH Chan、E. Luo 和 TQ Nguyen，“基于 EM 适应的自适应补丁图像去噪”，Proc。 IEEE 全球会议信号信息处理。 （GlobalSIP'15），2015 年 12 月。

何凯明暗通道去雾的复现。边缘保存用的是导向滤波。

本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。

基于图形状先验的图割，利用凸形状作为正则化约束来进行二值分割。使用matlab编译实现。

本算法是就何凯明论文《Single Image Haze Removal Using Dark Channel Prior》的c++复现，我用的运行环境是VS2019+opencv3.4.14，只要把代码复制到配置好opencv环境的项目下运行即可。本算法包括求取暗通道图、计算大气光强、计算透射率图、细化折射率图等具体算法步骤和注释，细化方案采取的是导向滤波，代码中导向滤波包含普通和快速的导向滤波算法，运行速度快。供大家参考学习。