在研究脑电信号特性的基础上，提出了一种基于CEEMD-PE对脑电信号进行降噪的方法。完全集合经验模态分解（CEEMD）能够克服模态混叠的问题，因此，对脑电信号进行CEEMD分解，得到一组固有模态函数（IMF）分量，计算各个IMF分量的排列熵（PE）值，依据PE的值剔除基本为噪声的IMF分量，将降噪后的分量与保留的分量进行重构，得到降噪后的脑电信号。实验结果表明，用CEEMD-PE对脑电信号进行降噪，在抑制噪声的同时，还有效地保留了脑电信号的细节特性，去噪性能更好。

患者预处理 这是用于各种神经成像预处理操作（注册，切片，去噪，分割等）的MATLAB代码，其最初旨在处理常规临床数据（因此得名）[1]。 它以nifti文件（如.nii或.nii.gz）作为输入，并生成此数据的副本，并对其应用了所需的预处理步骤。 它还使用成对的标签遮罩（例如T1w MRI和肿瘤遮罩（或多个类别））处理图像数据，并确保生成的预处理数据是一致的。 请参阅下面的示例用例，这些用例可以独立运行，也可以启发更复杂的预处理任务。 依存关系 该算法要求以下软件包位于MATLAB路径上： SPM12：从下载。 spm_superres：从下载/克隆（如果要使用降噪或超分辨率选项）。 用例范例 1.多通道MRI分割 该MATLAB代码段将多个序列的MR图像作为输入，并生成已被共同注册和切片的图像。 然后使用SPM12统一分段例程对这些图像进行分段，并将本机+模板（未调制）空间GM，WM

【图像去噪】基于小波变换、contourlet变换、contourlet-小波变换+PCA算法实现SAR图像去噪matlab代码.zip

在分析多种时频分析方法的基础上，提出应用改进型的希尔伯特-黄变换来实现对脑电信号噪声干扰的处理。利用经验模态分解获得有限项目的经验模式函数，在局部数据平均的基础上利用希尔伯特变换获得能量谱。研究结果表明，改进的极值域均值模式分解法能够有效去除脑电信号的噪声部分，消除邻近频率的混叠影响和边界效应。对利用脑电信号诊断癫痫、缺血性脑损和睡眠监护有临床指导作用。

【图像去噪】均值滤波+中值滤波+高斯低通滤波+多种小波变换图像去噪matlab源码GUI.md

对添加高斯噪声的图像进行降噪处理 分别有均值滤波 中值滤波

NLM 是一种基于补丁的方法，它是瞬态保留的。 在心电图中，这意味着可以保留信号峰值，同时抑制其他高频噪声。 参见“ECG 信号的非局部方式去噪”，B. Tracey 和 E. Miller，IEEE Transactions on Biomedical Engineering，第 59 卷，第 9 期，2012 年 9 月，第 2383-2386 页。

卷积神经网络代码Matlab 人工神经网络 使用空间光谱深度残差卷积神经网络（HSID-CNN）的用于高光谱图像降噪的Matlab演示代码，IEEE TGRS，2019。 By Qiang Zhang (whuqzhang@gmail.com) Wuhan University, China. 如果您在工作中使用/适应我们的代码（作为独立工具或任何算法的组成部分），请引用我们的论文。 Q. Yuan，Q. Zhang，J。Li，H。Shen和L. Zhang ，“使用空间光谱深度残差卷积神经网络进行高光谱图像降噪”， IEEE地理科学与遥感学报，第1卷。 57号2，第1205-1218页，2019年。 @ARTICLE{yuan2019, author={Q. {Yuan} and Q. {Zhang} and J. {Li} and H. {Shen} and L. {Zhang}}, journal={IEEE Trans. Geosci. Remote Sens.}, title={Hyperspectral Image Denoising Employing a Spatial

完整代码，可直接运行

matlab代码，基于PCNN的图像边缘提取、图像分割、图像去噪、图像增强