该包通过混合自适应提供了自适应图像去噪算法的实现。 所提出的方法 [1, 2] 采用从通用外部数据库中学习到的通用先验，并将其适应噪声图像以生成特定先验，然后将其用于 MAP 去噪。 所提出的算法是严格推导出来的从贝叶斯超先验的角度来看，并进一步简化以降低计算复杂度。 要对去噪性能进行整体评估，请运行演示文件：“demo.m”。 如需更多信息和引文，请参阅： [1] E. Luo、SH Chan 和 TQ Nguyen，“通过混合自适应进行自适应图像去噪”，IEEE Trans。 图像处理。 2016 年。 [2] SH Chan、E. Luo 和 TQ Nguyen，“基于 EM 适应的自适应补丁图像去噪”，Proc。 IEEE 全球会议信号信息处理。 （GlobalSIP'15），2015 年 12 月。
2022-07-30 22:53:52
21.08MB
1
翻译文献
tvreg v2: Variational Imaging Methods for Denoising,Deconvolution, Inpainting, and Segmentation
tvreg v2：用于去噪、反卷积、修复和分割的变分成像方法
2022-07-25 09:06:21
536KB
1
本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。
2022-07-17 19:06:12
1.18MB
1
随机森林图像matlab代码denoising-metrics_CVC2019
CVC2019论文的一个实现：Si
Lu，使用MATLAB的“无参考图像降噪质量评估”（）
参考
司璐，“无参考图像降噪质量评估”。
计算机视觉会议，CVC
2019，拉斯维加斯。
执照
仅用于学术用途。
保留本文作者的所有权利。
如果您有任何疑问，意见或建议，请通过或与Si
Lu联系。
如果您使用这段代码，请引用我们的论文。
设置
编译：在文件夹核心中，运行
mex
srMex.cpp
预先训练的模型（需要进行降噪质量评估。）：访问以下载具有完整的预先训练的随机森林模型的代码。
演示版
usage:
demo
图像去噪质量评估
usage:
[score,psnr]
=
denoisingMetrics(noisyImgName,
denoisedImgName,
cleanImgName);
input
arguments:
noisyImgName:
the
name
of
the
noisy
image
to
be
denoised
denoisedImgName:
the
name
of
the
2022-07-12 15:31:04
4.9MB
1