Polsar 图像极化分解程序，四成分分解，IDL程序，很有价值的！极化目标分解有Freeman 分解，四成分分解，OEC分解等等，很有研究价值。

这是基于全变分的图像分解算法。下载解压后直接运行。

高光谱分解 卷积神经网络的高光谱图像分解（无分叉，半成品） 说明 先决条件 Python 3.8 TensorFlow 2.3.0 建议使用conda创建虚拟环境并使用以下命令安装依赖项： pip install -r requirements.txt 用法 在设置参数后，在终端中输入以下命令： python run.py 更多细节： 使用python run.py -h获取更多参数设置详细信息。 数据集 我们提供了两个处理后的数据集：数据集中的Jasper Ridge（jasper），Urban（urban）/ data.npy：高光谱数据文件。 data_gt.npy：基本事实文件。 data_m.npy：端成员文件。 更新：2021年2月10日

基于小波变化的图像分解与重构

条纹噪声的去除（去条纹）是遥感图像处理中的一个基本问题，对于后续应用具有重要的实践意义。 这些变分去斑方法取得了令人瞩目的结果，并引起了广泛研究的兴趣。 然而，它们中的大多数专用于从条纹图像中估计清晰的图像，在不考虑条纹的结构特征的情况下，非常关注图像本身，而条纹的结构特征很容易造成图像结构损坏，并在图像恢复中留下残留的条纹。 在本文中，我们平等地对待图像和条带分量，并将图像去块任务自然地转换为图像分解问题。 首先，我们将对条纹的结构特征进行详细分析，并提供有关遥感图像的先验知识。 然后，将它们合并，我们提出了一个基于低等级的单图像分解模型（LRSID），以将原始图像与条带成分完美分离。 这种对条带的低秩约束与以下事实完全匹配：只有部分数据矢量已损坏，而其他部分则没有损坏。 此外，我们进一步利用遥感图像的光谱信息，并将我们的2D图像分解方法扩展到3D情况。 已经对模拟数据和真实数据进行了广泛的实验，以验证所提出算法的有效性和效率。

二维紧凑变分模式分解 (2D-TV-VMD) 空间紧凑和光谱稀疏的图像分解和分割将多维信号（例如图像）分解为空间紧凑、潜在重叠的本质上波状的模式，使这些组件可用于进一步的下游分析。 通过这种分解，可以进行空频分析，解调，局部方向估计，边缘和拐角检测，纹理分析，降噪，修复或曲率估计。 我们的模型将输入信号分解为具有窄傅立叶带宽的模式； 为了应对与窄带宽不兼容的尖锐区域边界，我们引入了二进制支持函数，它们在窄带模式下充当图像重组的掩码。 L1 和 TV 术语促进稀疏性和空间紧凑性。 将支持函数约束到信号域的分区，我们有效地获得了基于光谱均匀性的图像分割模型。 通过将多个子模式与单个支持函数耦合在一起，我们能够将图像分解为多个晶粒。 我们的高效算法基于变量分裂和交替方向优化； 我们采用类似 Merriman-Bence-Osher 的阈值动力学，在稀疏促进项下通过支持函数边界的平均曲率有效地处理

为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的

WAVELIFT：基于提升方法的多级离散二维小波变换。 c = wavelift(x, nlevel, wname) 根据nlevel 的值： nlevel > 0：将二维矩阵 x 分解为 nlevel 级别； nlevel < 0：做逆变换到nlevel level； nlevel = 0：设置c等于x； wname 是用于 DWT 或 IDWT 的小波名称。 可以省略。 如果是这样，WAVELIFT 使用默认的 Cohen-Daubechies-Feauveau (CDF) 9/7 小波，即'cdf97'。目前WAVELIFT只支持两种小波，即cdf97和名为'spl53'的spline 5/3。 但是，借助下图所示的有组织的提升结构，它可以适应其他特定的提升实现方式。 大多数情况下唯一需要的只是修改结构 L 和模式以指示有损或无损压缩。 WAVELIFT 调用另一个函数 CO

用于图像处理 图像分解 IMFs 可以将图像进行分解重构操作，适用于学习BEMD图像处理的同学。

使用纹理过滤的本征图像 在Matlab和C ++ MEX中未优化实现“使用结构-纹理分离和表面法线进行固有图像分解” 。 如何使用它 您可以使用随附的RGB和深度图像尝试demo.m。 包括的输入RGB和深度图像是从提取的。 算法需要去除纹理的RGB图像。 包括和作者代码。 您可以使用任何结构-纹理分离算法来代替它。 硬件/软件要求 原始代码在Matlab 2015a 64位Windows 7上进行了测试。 对于其他平台（32位Windows，Linux，MacOS），请在“ mex”目录中编译C ++ mex源代码。 要编译mex源代码，需要相应的ann和opencv库（请参考compile.m）。 贡献者 （ ） 引文 如果您发现此软件有用，请引用我们的论文。 Jeon Jeon，赵圣贤，Xin Tong，Lee Seongyong，“”，欧洲计算机视觉会议（ECCV 201