散斑在OCT图像中既是信息载体，也是一种严重的噪声。针对OCT图像的这一特点，提出一种基于小波变换和维纳滤波相结合的OCT图像去噪方法。通过对OCT图像进行小波分解，得到四个不同频带的子图像，保持低频部分不变，对另外三个高频细节图像进行维纳滤波，将低频子图像和三个滤波后的高频细节子图像进行小波反变换，得到去噪后的图像。实验结果表明小波变换和维纳滤波相结合的方法对OCT图像有比较理想的去噪效果。

1989年Mallat和Meyer提出了计算离散正交小波变换的快速算法，从而为小波变换实现工程应用奠定了基础。而这一算法是建立在多分辨率分析的基础之上，因此这里先介绍多分辨率分析的理论与方法。

小波变换及matlab原始码最新的可再现图像恢复 基于深度学习的图像恢复工作的最新技术，包括图像超分辨率，降噪，修复，增强和一般恢复等。某些代码可能不是官方的，请仔细检查。 每个小节下的列表可能有重叠。 此列表由维护。 信息来源 该系列的灵感来自以下来源，并进行了重新组织： 去噪 超分辨率 图像超分辨率 我们遵循来组织网络设计思想中的相关工作。 每个小节下的列表可能有重叠。 监督方法 基于深度学习的超分辨率始于SRCNN。 神经网络使用深度卷积网络（TPAMI15）的图像超分辨率，Dong等。 剩余学习 VDSR 使用非常深的卷积网络（CVPR16）进行准确的图像超分辨率，Kim等。 网际网路Memnet：用于图像恢复的持久性存储网络（ICCV17），Tai等。 红色的使用具有对称跳过连接的超深度卷积编码器/解码器网络进行图像恢复（NIPS2016），Mao等人。 DRRN Tai等通过深度递归残差网络（CVPR17）实现图像超分辨率。 国际化域名Hui等人通过信息蒸馏网络（CVPR18）进行快速，准确的单图像超分辨率。 EDSR Lim等人，用于单图像超分辨率的增强型深度残差网络（N

【图像融合】基于拉普拉斯金字塔+小波变换+NSCT图像融合matlab源码含GUI

基于matlab的小波变换去噪处理三种方法-bayes.pdf 里面有详细的解释。最后有图像评价，计算均方误差和信噪比。

这是本人的毕业论文，本文描述的是一种基于小波变换的图像去噪，结合了人眼视觉特性去除图像噪声。

MATLAB小波变换图像 去噪，带界面GUI，和评价指标。

为了提高小波变换轮廓术中小波的空域局部化能力, 提出了一种基于Mexican hat小波变换的条纹图处理方法。基于希尔伯特变换得到条纹对应的解析信号, 用Mexican hat小波计算解析信号的连续小波变换, 从小波变换的脊上提取相位信息, 恢复物体高度信息。模拟结果表明, Mexican hat小波变换法在相位快变或突变的区域有更高的相位提取精度, 测量误差可减小0.1～0.5 rad。以人脸石膏像为例, 进行了实验测量。实验结果表明, 在高度不连续或变化剧烈的区域, Mexican hat小波变换法较Morlet小波方法误差传播更小, 精度更高。

完整代码，可直接运行

内含所处理的原图，.mat格式的二进制图像原件，两个程序可直接运行