针对栈式稀疏去噪自编码器（SSDA）在图像去噪上训练难度大、收敛速度慢和普适性差等问题，提出了一种基于栈式修正降噪自编码器的自适应图像去噪模型。采用线性修正单元作为网络激活函数，以缓解梯度弥散现象；借助残差学习和批归一化进行联合训练，加快收敛速度；而为克服新模型对噪声普适性差等问题，需要对其进行多通道并行训练，充分利用网络挖掘出的潜在数据特征集计算出最优通道权重，并通过训练权重权重预测模型预测出各通道最优权重，从而实现自适应图像去噪。实验结果表明：与目前降噪较好的BM3D和SSDA方法相比，所提方法不仅在收敛效果上优于SSDA方法，而且能够自适应处理未参与训练的噪声，使其具有更好的普适性。

学习丰富的功能以进行真实图像还原和增强（ECCV 2020） ， ， ， ， ， 和 论文： : 补充文件： 视频演示： : 摘要：为了从降级版本中恢复高质量图像内容，图像恢复在监视，计算摄影，医学成像和遥感等领域拥有众多应用。 最近，卷积神经网络（CNN）与传统的图像恢复任务方法相比取得了巨大的进步。 现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。 在前一种情况下，获得了空间精确但上下文上不那么健壮的结果，而在后一种情况下，生成了语义上可靠但空间上不太准确的输出。 在本文中，我们提出了一种新颖的体系结构，其总体目标是通过整个网络维护空间精确的高分辨率表示，并从低分辨率表示接收强大的上下文信息。 我们方法的核心是包含几个关键元素的多尺度残差块：（a）并行多分辨率卷积流，用于提取多尺度特征；（b）跨多分辨率流的信息交换；（c）空间和渠道关注机

简要介绍了小波分析基本理论中的小波变换和小波包变换，重点论述了小波分析在图像降噪处理中的应用及其算法流程。在此基础上，利用Matlab R2007进行了图像去噪仿真测试，并对仿真结果进行了分析。结果表明，利用小波分析理论进行图像降噪处理，能够取得较好的降噪效果。

迭代自适应维纳滤波器的遥感图像降噪

基于MATLAB实现图像降噪好的程序

pytorch版本的 ECNDNet，bug已经调好了，包含三种噪声下的模型，可直接使用，可对图片和视频去噪

提出了一种基于低秩矩阵逼近（LRMA）和加权核范数最小化（WNNM）正则化的去噪算法，以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中，每个块按字典顺序矢量化为一列，计算该矩阵的奇异值分解（SVD），然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的，整个无噪声MR数据的最终估计是通过汇总彼此重叠的所有去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能，我们首先在两个迭代的正则化框架中实现了上述去噪过程，然后利用基于单像素补丁的简单非局部均值（NLM）滤波器来减少WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较，并在合成和真实3D MR数据上产生了非常有竞争力的结果。

为改善辐射图像质量，提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征，在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程；同时，采取NSHP（non-symmetrichalfplane）模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明，该方法有效减弱了辐射图像中混有的噪声，和传统滤波方法相比，更好地保持了图像的细节信息，体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。

一种基于运动补偿的3D视频降噪算法，龙红梅，田逢春，在视频图像降噪中，时域滤波比空域滤波在保护边缘和细节，提高PSNR方面更具有优势。根据此原理, 本文中提出了一种基于运动补偿的3D�

随机森林图像matlab代码denoising-metrics_CVC2019 CVC2019论文的一个实现：Si Lu，使用MATLAB的“无参考图像降噪质量评估”（） 参考 司璐，“无参考图像降噪质量评估”。 计算机视觉会议，CVC 2019，拉斯维加斯。 执照 仅用于学术用途。 保留本文作者的所有权利。 如果您有任何疑问，意见或建议，请通过或与Si Lu联系。 如果您使用这段代码，请引用我们的论文。 设置 编译：在文件夹核心中，运行 mex srMex.cpp 预先训练的模型（需要进行降噪质量评估。）：访问以下载具有完整的预先训练的随机森林模型的代码。 演示版 usage: demo 图像去噪质量评估 usage: [score,psnr] = denoisingMetrics(noisyImgName, denoisedImgName, cleanImgName); input arguments: noisyImgName: the name of the noisy image to be denoised denoisedImgName: the name of the