该资源是ksvd算法的源代码，本人亲测可用。可以先看看我的博客里关于ksvd的那篇文章，再运行代码，效果还是很不错的。

光谱空间自适应均衡流基于各向异性扩散的多光谱图像降噪

含有中值滤波，均值滤波，高斯滤波，双边滤波，NLM算法，改进NLM算法，代码优化后的改进NLM，代码如有问题请及时联系。

使用混合奇异值阈值算子的图像去噪

基于非局部扩散的图像去噪源代码，该算法利用空间非局部梯度构造了图像的非局部结构张量,通过对非局部结构张量的特征分解得到图像的一个特征空间,依据特征空间的特性设计了非局部扩散张量,建立了基于非局部扩散张量的各向异性扩散模型。该模型和局部各向异性扩散模型的本质不同在于,在扩散的过程中充分利用了图像的全局信息。优点是在去除噪声的同时,能更好地保护图像的边缘,尤其是纹理等图像的重要细节特征。

一、课题题目： MATLAB图像去噪算法研究 二、课题介绍 在信息化的社会里，图像在信息传播中所起的作用越来越大。所以，消除在图像采集和传输过程中而产生的噪声，保证图像受污染度最小，成了数字图像处理领域里的重要部分。 本文主要研究分析邻域平均法、中值滤波法及小波变换法的图像去噪算法。首先介绍图像处理应用时的常用函数及其用法；其次详细阐述了三种去噪算法原理及特点；最后运用Matlab软件对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，通过分析仿真结果得出：均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的；中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效；对小波系数进行阈值处理可以在小波变换域中去除低幅值的噪声和不期望的信号。

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

通过带状自适应建模和正则化利用非局部相似性进行图像降噪

用于图像去噪的2D非局部稀疏表示

通过稀疏字典学习的方法，将图像进行稀疏分解，再通过字典学习，获得新的稀疏矩阵，然后调节参数用于稀疏去噪。