各种常用的去噪算法，包含小波等matlab源程序。

中值滤波与均值滤波的去噪性能比较，详细说明了中值滤波的概念和均值滤波的概念，分析和比较了两种不同的滤波方式对图像处理的效果，中值滤波为非线性滤波，均值滤波为典型的线性滤波

内含：完整代码和实验报告 通过MTALAB实现小狗图片与天鹅图片的各种噪声滤除，也有图像增强的应用。 非常适用于各学校的数字信号处理大作业。

对于所有对象及其功能，质量是非常重要的参数。 在基于图像的对象识别中，图像质量是主要标准。 为了进行真实的图像质量评估，必须具备地面真实性。 但是在实践中，很难找到基本事实。 通常，图像质量是通过完整的参考指标（例如MSE（均方误差）和PSNR（峰值信噪比））进行评估的。 与MSE和PSNR相比，最近，又开发了两个更多的参考度量标准SSIM（结构相似性索引方法）和FSIM（特征相似性索引方法），目的是在此基础上比较还原对象和原始对象之间的结构和特征相似性度量知觉。 本文主要强调比较不同的图像质量指标以提供全面的观点。 通过对不同的噪声浓度进行降噪，可以使用基准图像对这些指标进行实验。 所有指标均给出一致的结果。 但是，从表示的角度来看，对SSIM和FSIM进行了归一化，但对MSE和PSNR未进行归一化。 从语义的角度来看，MSE和PSNR仅给出绝对误差。 另一方面，SSIM和PSNR给出了基于感知和显着性的误差。 因此，与MSE和PSNR相比，可以更容易理解SSIM和FSIM。

选一张自己的照片，加入椒盐噪声， 1）用邻域均值滤波和中值滤波分别去噪，结果进行对比； 2）对上步中值滤波图像，做用高通增强滤波做边缘增强处理。 要求：有完整理论陈述和实验结果分析，并附程序。

前馈神经网络图像去噪，DnCNN的MATLB实现，以及相应的峰值信噪比和结构相似性的计算。

散斑在OCT图像中既是信息载体，也是一种严重的噪声。针对OCT图像的这一特点，提出一种基于小波变换和维纳滤波相结合的OCT图像去噪方法。通过对OCT图像进行小波分解，得到四个不同频带的子图像，保持低频部分不变，对另外三个高频细节图像进行维纳滤波，将低频子图像和三个滤波后的高频细节子图像进行小波反变换，得到去噪后的图像。实验结果表明小波变换和维纳滤波相结合的方法对OCT图像有比较理想的去噪效果。

Neat Image Pro Plus (专业图片降噪软件) Neat Image 是一款功能强大的专业图片降噪软件，适合处理 1600×1200 以下的图像，非常适合处理曝光不足而产生大量噪波的数码照片，尽可能地减小外界对相片的干扰。Neat Image 的使用很简单，界面简洁易懂。降噪过程主要分四个步骤：打开输入图像、分析图像噪点、设置降噪参数、输出图像。输出图像可以保存为 TIF、JPEG 或者 BMP 格式。

数字信号课程处理期末布置的大作业

现有的除雪/雨水清除方法通常无法应对大雪/雨水和动态场景。 失败的原因之一是基于这样的假设，即在雪/雨场景中所有的雪花/雨条纹都很稀疏。 另一个是现有方法通常无法区分运动物体和雪花/雨纹。 为了解决上述问题，本文提出了一种基于矩阵分解的视频去噪和排水模型。 我们将雪花/雨条纹分为两类：稀疏的和密集的。 借助背景波动和光流信息，将移动物体和稀疏雪花/雨条纹的检测公式化为多标签马尔可夫随机场（MRF）。 至于浓密的雪花/雨纹，它们被认为服从高斯分布。 场景背景中的雪花/雨条纹，包括稀疏的和浓密的条纹，通过背景的低级表示来去除。 同时，我们模型中的组稀疏性术语旨在过滤运动对象中的雪/雨像素。 实验结果表明，我们提出的模型的效果优于最新的除雪和除雨方法。