个用于图像去噪的matlab的GUI界面程序实例，可以读入各种图像格式，选择不同去噪方法，产生去噪图像，并在同一界面下同时显示原始图像，加噪图像和去噪图像

三维块匹配(BM3D)算法： 它首先把图像分成一定大小的块，根据图像块之间的相似性，把具有相似结构的二维图像块组合在一起形成三维数组，然后用联合滤波的方法对这些三维数组进行处理，最后，通过逆变换，把处理后的结果返回到原图像中，从而得到去噪后的图像。该方法确实有效，它不仅有一个较高的信噪比，而且视觉效果也很好,是最经典的算法之一。此为BM3D算法的C++完整代码

matlab图像去燥！程序下载后看就可以用，改变图像路径就可以，去燥效果非常好，如果关于变分法和泛函分析的一些基础原理今天就先不多说了，TV图像去噪经典论文：《Nonlinear Total Variation based noise removal algorithms》Google上可以搜得到。

图像去噪作为图像处理的问题之一，随着科技的进步，处理的方法越来越多，图片恢复的质量也越来越高。图像去噪的方法有很多，在此次课程设计中，我们采用基于神经网络的图像去噪算法。

基于提升小波的图像去噪算法，并且易于FPGA硬件实现。基于提升小波的图像去噪算法，并且易于FPGA硬件实现。

图像去噪的三种代码，中值滤波，均值滤波 ，维纳滤波 ，只需更改图片即可使用

基于稀疏表示的图像去噪算法研究，是一篇很不错的论文

本资源为图像处理课程论文，里面详细介绍了理论以及实际操作的结果，主要是关于图像噪声的处理以及程序的验证，非常完整。

传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。基于图像的稀疏表示，近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典，同时针对 K-SVD 算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用 log 的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。

用于检测图像去噪算法的数据图片，共有68张灰度图，都是用于检测去噪能力的经典图片，是做图像去噪的标准图像库。图片类型涉及到景物，人物，动态的，静态的都有。