针对图像的传输中可能会产生噪声的影响和传输时间开销过大，导致图像的恢复效果较差的问题，基于数学中熵最大的原理，提出了一种基于熵函数的去噪重构算法。将该算法运用交替方向乘子法（alternating direction method of multipliers, ADMM)分而治之的思想提出了一种新的快速去噪算法。通过归一化均方误差(normalized mean square error, NMSE)和峰值信噪比(peak signal to noise ratio, PSNR)等评价标准进行实验仿真，验证所提算法的优越性。实验结果表明：根据上面思路提出的方法具有很好的效果，在去噪方面具有一定的用途。

非本地手段 介绍 在这个项目中，我以幼稚的方式并使用积分图像实现了非局部均值过滤。 这些文件中都对这两种方法进行了解释： 非本地均值降噪 用于块匹配的积分图像 描述 非局部均值算法用于去除图像中的噪点。 我们输入了三件事： 我们要去噪的图像 大小为kxk的内核 wxw大小的窗口 对于图像中的每个像素（我们将要去噪），我们将窗口围绕其居中，通常，该窗口是相当大的，但出于性能方面的考虑，当然不如整个图像大。 然后，对于窗口中的每个像素，我们滑动一个补丁（通常为3x3或5x5），我们要去噪的像素将是图像补丁上的加权和。 整体影像改善 如果我们使用积分图像，则可以加快计算速度。 伦敦大学学院图像处理课程中的Lourdes Agapito教授的图像幻灯片 由于以下公式，我们可以加快计算速度： 图片摘自Wikipedia（ ） 如何使用代码 只需打开Matlab并为完整的图像实现运行nonL

采用matlab语言书写，算法实现非局部均值去噪原理

非局部均值去噪法存在的问题 相似性度量缺乏鲁棒性 高斯加权核各向同性性质影响 非相似像素块影响 运算量大 加权核系数选择

本文讲述了信噪比SNR与误码率BER的关系 由简入深 图形丰富 还有频谱图形讲解 等效噪声带宽 也有一定的讲解

对一维信号、二维信号的小波分解与重构、信号压缩 以及去噪，有比较清楚的代码注释

使用软阈值、硬阈值和低通滤波的方法对图像去噪，并求信噪比和均方根误差评价效果

本文阐述了扩展频谱通信技术的理论基础和实现方法，利用MATLAB 提供的可视化 工具Simulink 建立了扩频通信系统仿真模型，详细讲述了各模块的设计，并指出了仿真建模 中要注意的问题。在给定仿真条件下，运行了仿真程序，得到了预期的仿真结果。同时，利 用建立的仿真系统，研究了扩频增益与输出端信噪比的关系，结果表明，在相同误码率下， 增大扩频增益，可以提高系统输出端的信噪比，从而提高通信系统的抗干扰能力。

MATLAB小波软硬阈值去噪代码基于小波的去噪MATLAB代码 要运行该实现，只需运行“ project.m”文件。 将出现5张图像： 原始的“莱娜” 256x256图片（黑白） 添加了AWGN的图片 图片通过纸算法实现去噪 通过Visushrink硬阈值实现对图像进行去噪 通过Visushrink软阈值实现对图像进行去噪 相应的嘈杂的SNR和所有三个去噪的图片也将被打印在命令窗口中。 Visushrink算法的代码（用于比较）由M. Kiran Kumar实现，并通过Mathworks网站（）下载。 Lipschitz指数是由Venkatakrishnan等人通过题为“使用小波变换模量极大值（WTMM）的Lipschitz指数（LE）的测量”的方程式（9）来计算的。 （IJSER-2012年6月）。

将db小波设定不同的尺度，不同的db小波，处理构造的加噪信号，输出去噪前后的对比波形图，和信噪比，并将信噪比存储，可导出到excel中。