图像去噪是数字图像处理中最基本的研究内容, 也是一项十分关键的技术, 一直以来是图像处理领域的难点。图像去噪的好坏直接影响后续图像边缘检测、特征提取、图像分割和模式识别等图像处理。为有效去除乘性噪声的影响, 提出一种深度残差学习的乘性噪声去噪方法。该方法通过引入残差优化, 解决了卷积神经网络在层数较多时, 随着层数加深, 梯度在传播过程中逐渐消失的问题。与4种经典去噪算法进行比较, 结果表明, 该方法在有效去除乘性噪声的同时, 可以更好地保留图像的边缘和纹理区域的细节信息, 为后续的图像分割、配准和目标识别等奠定基础。

提出基于自蛇模型和小波分析的集成图像去噪算法，以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波，然后将处理后的图像进行小波分解，保持低频分量系数，对其高频分量再次利用自蛇模型去噪，最后对处理后的小波系数进行重构，得到去噪后的图像。实验结果表明，本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2 次迭代自蛇模型算法。

本人亲自编写的基于均值法，中值法，和自创改进均值法的图像去噪源程序，仍需要改进的地方是：没有创建线程处理矩阵输出，程序处理大图片时速度很慢。如果不输出矩阵速度很快。如有需要自行修改。谢谢！

包括了matlab音频处理入门的常用库及宋知用和张雪英教材的配套程序

本文对语音信号分析与处理及其MATLAB实现进行了全面详细的阐述，详细阐明了语音信号的采集，快速傅里叶变换，信号时域和频域分析，语音信号加噪以及数字滤波器设计等的原理。详细介绍了在MATLAB软件平台上实现语音信号分析与处理的具体方法。在本设计中，应用了一种通过调制原始语音信号来产生高频噪声信号的方法。除此之外，设计了两种不同的滤波器来对加噪后的语音信号进行滤波处理。 关键词：语音信号分析与处理；数字信号；信号加噪；数字滤波器

基于小波域灰色关联度分析强噪声图像去噪算法。 用matlab实现。

针对LED通信系统中信道估计性能低的问题，提出了将正交频分复用（OFDM）系统与多输入多输出（MIMO）技术相结合的可见光通信系统及其基于信噪比的自适应信道估计算法。通过对最小二乘法(LS)、最小均方误差(MMSE)、离散傅里叶变换改进最小二乘法(LS-DFT)、离散傅里叶变换改进最小均方误差(MMSE-DFT)以及分布式压缩感知同步正交匹配追踪（DCS-SOMP）5种信道估计方法的研究，确定了信噪比的临界阈值。当信噪比低于临界阈值时，采用MMSE-DFT算法进行信道估计；当信噪比高于临界阈值时，选用DCS-SOMP算法进行数据重构并恢复信道脉冲响应矩阵。仿真结果表明，当信噪比为1 dB~40 dB时, 所提算法的均方误差得到有效降低（2.95 dB~15 dB），且LED通信系统的通信质量得到提高。

将db小波设定不同的尺度，不同的db小波，处理构造的加噪信号，输出去噪前后的对比波形图，和信噪比，并将信噪比存储，可导出到excel中。

该文件记载目前各种流行降噪算法的代码下载地址及对应的文档地址，可进行自由下载；算法包括NLM、BM3D、KSVD等传统常规算法，也包括DnCNN、WaveletCNN等新的深度学习算法，并且记录相应测试数据集的下载地址可供自由下载

Matlab在遥感上的应用。高斯去噪代码