哈明窗matlab代码520.628：最终项目 乔纳森·琼斯·瓦莱丽·伦诺尔 介绍 该项目使用压缩感测方法进行音频降噪。 我们特别希望从诸如CHIRP项目[2]的诊所中可能遇到的那种非平稳环境噪声中恢复肺音。 该软件构成了一个统一的实验框架，用于评估这种情况下的不同降噪方法。 入门 确保将项目目录设置为如下结构： 项目根| ---> src | --->数据| | --->清洁| | --->噪音| | | ---> [噪声类别子目录] src应该包含所有源代码。 数据/清洁音应包含所有清洁肺音的录音（.wav格式）。 数据/噪声应包含子目录，该子目录具有按类别组织的声音录音（.wav格式）。 进行实验 打开src/experiment_params.m并对其进行修改以匹配所需的实验设置。 然后从MATLAB运行run_experiment.m 。 （可选地，您可以修改脚本以扫过不同的超参数。）脚本会将实验摘要打印到控制台并绘制一些图形。 总结实验结果的图形，文本输出和损坏/恢复的音频文件都保存到输出目录中。 薄膜晶体管 为了与[1]一致，使用两个窗口长度来获得STFT。 50毫秒窗口

去噪声代码matlab 通过ADMM进行TV-L1去噪 “用于总变化量降噪的交替方向方法”，arxiv，2014年 编码环境 Matlab R2016b。 档案文件 main：测试您的图像 TV_L1_ADMM：ADMM算法 TV_L1_DENOISING：关于算法的描述

去噪声代码matlab POLSAR图像降噪 此回购包含C / Matlab代码，用于极化合成Kong径雷达（POLSAR）图像的超快速噪声滤波算法，如以下论文所述： 崔翠，山口芳男，小林博和和简扬。 “偏振合成Kong径雷达图像的滤波：一种循序渐进的方法。” 在地球科学与遥感研讨会（IGARSS）中，2012 IEEE国际，第3138-3141页。 IEEE，2012年。 可以在中找到使用该代码过滤合成POLSAR图像的演示。 核心函数和用C编写，以利用速度优势。 但是，对于POLSAR社区的大多数用户而言，Matlab函数应该是最简单的API，可以将过滤器应用于清理自己的数据。 下图显示了将滤镜应用于真实POLSAR图像时的示例结果。 左侧是嘈杂的图像，而右侧是经过滤波的图像。 图像大小为2500×2500 。 在中等水平的PC上，过滤如此大的图像仅需0.87秒。 超级快！

软阈值matlab代码图像去噪基准 这是用于图像降噪基准测试的matlab工具的集合。 当前支持的工具是 ACPT，“通过自适应聚类和渐进式PCA阈值保持细节的图像降噪”，IEEE Access，2018年 ACVA“使用非本地PCA进行纹理变化自适应图像降噪”，TIP 2018。 基于非本地样本的基于自适应软阈值的AST-NLS图像降噪，CVPR 2015 通过稀疏3D变换域协作过滤（SPIE Electronic Imaging 2008）进行BM3D图像恢复，Dabov等。 超越高斯降噪器的DnCNN：用于图像降噪的深度CNN的残差学习，TIP 2018。 GGMM-EPLL具有先验广义高斯混合模型补丁的图像去噪，SIAM JIS 2018。 GSRC ICIP 2016。 KSVD提示2016。 MultiScaleEPLL基于多尺度补丁的图像恢复，TIP 2016。 NCSR提示2012。 基于PGDP补丁组的非本地自相似性事前学习进行图像去噪，ICCV 2015 通过同时稀疏编码恢复SSC_GSRM图像：结构稀疏遇到高斯尺度混合的情况，IJVC 2015 TWSC用于实际图

好用的去噪声代码matlab 与ADMM联合对Noery Bayer图像进行去马赛克和去噪 Hanlin Tan, Xiangrong Zeng, Shiming Lai, Yu Liu and Maojun Zhang College of Information System and Management, National University of Defense Technology, China 该项目是我们ICIP 2017论文的演示。 该项目在两个数据集：柯达和McMaster上比较了DeepJoint，FlexISP和拟议的ADMM算法这三种算法。 请注意，我们稍微修改了FlexISP和DeepJoint（Demosaicnet）的I / O代码（主要是重定向输入和输出路径）以执行比较。 但是，这些算法的内核部分（包括所有参数）与作者提供的相同。 资料夹结构 文件夹名称 解释 数据 柯达（Kodak）和麦克马特（McMater）数据集在这里。 demo_joint_isp 建议的ADMM方法的代码。 演示网络 DeepJoint代码。 flexisp_demosaic

tensorflow_stacked_denoising_autoencoder 0.安装环境 要运行脚本，至少应满足以下必需的软件包： 的Python 3.5.2 Tensorflow 1.6.0 NumPy 1.14.1 您可以使用Anaconda安装这些必需的软件包。 对于tensorflow，请使用以下命令在Windows下快速安装： pip install tensorflow 1.内容 在这个项目中，有各种自动编码器的实现。 python的基本类是library / Autoencoder.py，您可以在自动编码器的构造函数中将“ ae_para”的值设置为指定相应的自动编码器。 ae_para [0]：自动编码器输入的损坏级别。 如果ae_para [0]> 0，则为降噪自动编码器； aw_para [1]：稀疏正则化的系数。 如果ae_para [1]> 0，

图像去噪是学术工业关注的问题。最近广东深圳哈工大分院的研究人员撰写了最新图像去噪深度学习的综述论文，非常值得学习！

affine non-local means image denoising

深度学习的多光子显微镜图像降噪 多光子显微镜（MPM）图像固有地以低信噪比（SNR）捕获，从而抑制了对更深的大脑层成像的过程，实现了更高的时间和空间分辨率。 虽然基于线性滤波的经典方法无法处理MPM图像中占主导地位的泊松噪声，但深度学习图像恢复目前是一个热门话题。 在这项工作中，在MPM图像的去噪性能方面，比较了三种监督（CARE，DnCNN和ResNet）和三种非监督（Noise2Noise，Noise2Void和概率性Noise2Void）深度学习方法，并研究了监督与非监督方法之间的差距。 通过在训练数据中添加具有不同噪声水平的图像，我们的模型可以推广到盲噪声图像。 无偏神经网络也检查了泛化能力。 结果表明，我们的基于深度学习的模型实现了令人满意的降噪性能，并在广泛的噪声水平范围内进行了归纳。 还证明了与监督方法相比，无监督方法仅表现出稍微降低的降噪性能。 该发现具有重要意义，因为收集

Most real-world recommender services measure their performance based on the top-N results shown to the end users. Thus, advances in top-N recommendation have far-ranging consequences in practical applications. In this paper, we present a novel method, called Collaborative Denoising Auto-Encoder (CDAE), for top-N recommendation that utilizes the idea of Denoising Auto-Encoders. We demonstrate that the proposed model is a generalization of several well-known collaborative filtering models but with more flexible components.