作为一种强大而有前途的统计信号建模技术，稀疏表示已广泛应用于各种图像处理和分析领域。 对于高光谱图像分类，以前的研究已经表明了基于稀疏性的分类方法的有效性。 本文提出了一种非局部加权联合稀疏表示分类方法（NLW-JSRC），以提高高光谱图像分类的效果。 在联合稀疏模型​​（JSM）中，对中央测试像素周围的不同相邻像素使用不同的权重。 一个特定的相邻像素的权重由相邻像素和中央测试像素之间的结构相似性确定，这被称为非局部加权方案。 本文采用同时正交匹配追踪技术求解非局部加权联合稀疏模型​​（NLW-JSM）。 在三个高光谱图像上测试了所提出的分类算法。 实验结果表明，该算法的性能优于其他基于稀疏性的算法和经典的支持向量机高光谱分类器。

matlab边缘增强的代码PNLS — Matlab实施 该存储库包含以下论文的Matlab实现： 具有客观评估的像素级非局部图像平滑 摘要：随着图像处理技术的飞速发展，图像平滑由于其在图像编辑和增强等其他图像处理任务中的重要作用而受到越来越多的关注。 但是，图像平滑方法的评估是在没有适当的地面真实图像的情况下对数据集进行的主观评估。 因此，具有合理基础的图像平滑基准对于繁荣图像平滑社区至关重要。 在本文中，我们构建了一个新的Nankai平滑（NKS）数据集，其中包含$ 200 $通用图像，这些图像由自然纹理和结构图像混合而成。 结构图像具有固有的平滑度，可以放心地作为基础事实。 在我们的NKS数据集上，我们全面评估了14种流行的图像平滑算法。 此外，我们提出了一种新颖的像素级非局部平滑（PNLS）方法，可以更好地利用自然图像的非局部自相似性来很好地保留平滑图像的结构。 在几个基准数据集上进行的大量实验表明，我们的PNLS在图像平滑任务上非常有效。 全面的消融研究还揭示了我们的PNLS在图像平滑方面的工作机制，为了进一步证明其有效性，我们将提出的PNLS应用于语义区域平滑，细节/边缘增

针对非下采样金子塔(NSP)用于平移不变的剪切波变换(NSST)中不能有效捕获图像的结构信息问题,提出一种多尺度非局部均值滤波(MNLMF)和剪切波(SF)方向滤波的新变换,即利用MNLMF代替NSST中NSP分解,然后将其用到图像融合中,并将输入图像分解成不同子带.对于近似子带,采用区域像素能量(PE)与梯度能量(GE)加权和的融合规则;对于方向子带,提出基于GE与系数绝对值(CAV)混合的融合规则.同时提出了基于MNLMF与SF的图像融合算法.仿真对比实验表明,所提出的方法在视觉感知和客观质量评价两个方面具有明显的优势.

这段代码只是 Dirk-Jan Kroon 的 matlab 愿景，他发表了 Fast Non-Local Means 1D、2D Color 和 3D（ http://www.mathworks.com/matlabcentral/fileexchange/27395-fast-non-local-means- 1d-2d-color-and-3d ）。

传统非局部平均(Non-Local Means, NLM)图像去噪算法的像素相似性度量可靠性较差，其关键滤波参数选取与优化值偏差较大。针对上述问题，提出了一种改进的NLM图像去噪算法。首先，滤除方法噪声中的噪声分量，保留有用图像信息；然后，联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数，更好地利用原图像的信息；最后，采用噪声标准差二次函数的方式设置滤波参数，相比于传统的线性正比方式选取参数，这种选取方式在不同噪声强度下均能获得较优的参数值。对几个标准测试图像的去噪结果表明，提出的改进NLM算法获得了较好的去噪效果，优于相比较的几种方法。

有关代码方法的详细信息，请参阅相应的论文“ Yue Wu，Brian Tracey，Premkumar Natarajan，Joseph P. Noonan：用于非本地均值图像降噪的James-Stein类型中心像素权重。 20(4): 411-414 (2013)" http://dx.doi.org/10.1109/LSP.2013.2247755

matlab2014a代码ONLPoisson 该包中的代码通过用于图像去噪的神谕非局部算法 (ONL) 实现泊松散粒噪声去除，如下文所述： Qiyu Jin, Ion Grama 和 Quansheng Liu, 一种预言式非局部算法的泊松散粒噪声去除 内容 demo_onl.m - 复制论文表 1 中结果的脚本 nlm_poisson004.m - nlmps 算法的主要功能 ReadMe.md - 这个文件 Qiyu Jin、Ion Grama 和 Quansheng Liu，通过预言式非局部算法去除泊松散粒噪声 % ============================== ================================== 概述 函数“demo_nlmps”演示了使用论文中介绍的oracle non-local算法去噪。 依赖 此代码纯粹在 Matlab2014a 中实现，不依赖于任何其他工具箱。 接触 如果您有疑问、代码问题或发现错误，请告诉我们。请联系

目的压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题,提出一种基于优化加权全变差(TV)的复合正则化压缩感知图像重建模型。方法提出的重建模型是以TV正则化模型为基础。首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,引入图像的梯度信息估计权重,构建加权TV的重建模型。其次,利用全变差去噪(ROF)模型对权重进行优化估计,从而减少计算权重时受噪声的影响。再次,将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型,得到优化加权TV的复合正则化重建模型。最后,结合投影法和算子分裂法对优化模型求解。结果针对自然图像的不同特性,使用复合正则化先验进行建模,实验结果表明上述重建问题通过本文方法得到了很好的解决,加权TV正则化先验使得图像的平坦区域和强边重建较好,而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。结论与其他基于TV正则化的重建模型相比,本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。

[附件中程序使用的详细说明]摄像平台高速靠近目标时，会使成像产生从中心到边缘呈放射状径向模糊的问题，影响对目标的探测、识别与跟踪。针对这一典型的空间变化运动模糊情形，根据实际的目标离散成像过程，推导出 径向模糊图像在极坐标系中的数学模型。并在分析极坐标图像纹理信息几何特征的基础上，基于非局部正则化理论提出改进的Richardson-Lucy 算法，有效解决了模糊系数存在测量误差时，含噪径向模糊图像的复原问题。实验结果表明：提出的图像复原算法能很好地抑制噪声与环状振铃效应，在主观视觉与客观评价方面均能取得很好的复原效果。

首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。