该方法在传统的极化SAR滤波Lee方法上增加了自适应窗口处理以及滤波参数预估计等步骤，有效的提高了传统的滤波方法的抑制相干斑的能力，同时能够很好的保持极化SAR图像的极化散射特性。

泊松算法在重建时物体边缘容易产生未封闭的曲面,最终建成的物体存在表面粗糙、孔洞等问题。基于此,提出一种改进的三维点云重建算法。该方法首先用统计滤波器对点云简化去噪,消除重建表面的锯齿状现象;然后建立点云间拓扑结构,对点云法向量进行法向重定向,以减少法向指向的二义性;最后将具有磁盘拓扑结构的点云映射到平面,将二维三角剖分方法应用于平面参数化,给二维点提供三角形连通性,并将其传输回三维点云形成网格曲面。经过实验验证,该方法可以有效地去除噪声点,构建更加规则的三角形网格,并能有效地去除伪封闭曲面,明显改善带孔洞的表面点云重建效果且重建时间降低。

一种改进阈值函数的小波语音去噪方法一种改进阈值函数的小波语音去噪方法

利用改进阈值函数的方式，提升小波去噪的效果

线性变分去噪声matlab代码使用深度学习先验和局部线性拟合的惩罚性PET重建 你好， 我是金敬尚。 （kssigari（at）gmail.com，kkim24（at）mgh.harvard.edu） 该代码用于以下论文：Kyungsang Kim等。 “使用深度学习先验和局部线性拟合对PET进行重建”，IEEE Transactions on Medical Imaging。 （） 由于数据文件带有链接，因此请仔细阅读以下内容。 抽象的 受深度学习在医学成像中巨大潜力的推动，我们提出了一种基于深度学习的先验迭代正电子发射断层扫描（PET）重建框架。 我们利用去噪卷积神经网络（DnCNN）方法，并使用全剂量图像作为地面真实情况和通过泊松细化从下采样数据重构的低剂量图像作为输入来训练网络。 由于大多数公开的深度网络都是在预定的噪声水平下进行训练的，因此训练和测试数据的噪声水平差异是它们作为通用先验技术的适用性的主要问题。 特别是，噪声水平在每次迭代中都会发生显着变化，这可能会降低迭代重建的总体性能。 由于现有研究不足，我们进行了仿真并评估了各种噪声条件下性能的下降。 我们的发现表明，Dn

奇异值分解降噪 SVD 用SVD进行奇异值遁甲降噪的MATLAB算法程序

奇异值是信号去噪的常用方法，对非线性非平稳信号的分析产生了重大影响。

可以实现信号的降噪，对信号进行奇异值分解，里面有噪声信号和原始信号，可以用来进行对比

2017年的cvpr的盲高斯去噪代码，内含有详细注释

在小波域中分析了传统软阈值法和硬阈值法的特点,并在标准软硬阈值折衷法的基础上,提出了一种软硬 阈值改良折衷法。与标准软硬阈值折衷法相比,其阈值函数具有更加灵活多变的形式,便于进行各种数学处理;与传 统软阈值法和硬阈值法相比,它克服了硬阈值函数不连续的缺点,减小了软阈值函数中的估计小波系数与分解小波 系数之间存在的恒定偏差。仿真实验结果表明,该改良方法的去噪性能优于传统软阈值法、硬阈值法、标准软硬阈值 折衷法及一些现有的新阈值函数法。