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。

基于导波滤波和自适应小波阈值的彩色图像降噪

讨论了偏微分方程中P-M模型扩散系数及梯度阈值的选取对图像去噪的重要性，并对比了两个扩散系数的优点和缺点。在此基础上提出了一个新的扩散系数，新的扩散系数并应用到CLMC模型中进行数值离散实验，比较了三个扩散系数对图像去噪的效果，数值模拟实验结果表明，新的扩散系数能够有效的进行图像去噪。

图像去噪是图像处理邻域的重要课题,该文在3维直方图的基础上定义图像的3维轴距,分析无噪声及椒盐噪声影响下图像3维轴距的分布特点,提出基于3维轴距的去噪算法。算法首先对图像进行边沿扩展,再利用3维轴距来检测噪声,最后用非噪声中值滤波来消除噪声。仿真比较了3维轴距去噪算法与中值滤波、自适应开关中值、快速自适应均值滤波、修正方向加权中值滤波和自适应模糊开关中值滤波算法的去噪性能,结果证明该文算法的有效性。

将能够增强图像纹理信息的分数阶微分算子与变分偏微分方程相结合，运用于图像去噪，提出一种基于分数阶偏微分算子的去噪模型。该模型能够在抑制噪声的同时，更好地保持图像的纹理细节信息。由于分数阶微分算子的阶数必须通过大量的实验人为确定，因此选择通过计算局部方差来反应图像局部纹理复杂度，自适应地确定分数阶微分的阶数。实验表明：自适应分数阶偏微分算子不仅继承了TV模型的优点，并且在保持图像细节信息上的能力更强。

这是基于Python编写的经典图像去噪算法BM3D，含源代码和范例。不依赖于作者原版的Matlab，开发使用更为友好，代码结构清晰。