Patch-based Near-Optimal Image Denoising http://users.soe.ucsc.edu/~priyam/PLOW/download.php

BM3D代码matlab denoising_dl 基于深度学习和其他机器学习方法的图像或视频降噪。 该程序将探索许多神经网络对静止图像进行降噪，并且将来还将扩展到视频降噪。 当前，已实现具有批处理归一化的MLP / CNN / CNN。 比较的黄金程序是BM3D，python版本来自：。 经过测试，最终结果与BM3D matlab不同。 让我们使用matlab作为参考代码。 原始python代码git：原始BM3D是matlab版本，在这里： 有一些BM3D源代码：VapourSynth-BM3D：这是围绕Marc Lebrun的BM3d实现的python包装器：

自导网络快速图像去噪 SGN的PyTorch实现以及给定噪声范围的估计PSNR 训练 我在Python 3.6和PyTorch 1.0环境上训练了此SGN。 培训策略与论文相同。 您可以使用以下脚本对自己的数据进行训练（请注意，您需要修改数据集路径）： cd SGN python train.py or sh zyz.sh 测验 我使用ILSVRC2012验证集对4个NVIDIA TITAN Xp GPU进行了培训，并在1个TITAN Xp GPU上进行了测试。 详细信息显示在代码train.py 。 该演示来自SGN的ILSVRC2012验证集（mu = 0，sigma = 30，batchsize = 32、1000000次迭代）。 左：干净的图像（从COCO2014验证集中选择，COCO_val2014_000000264615.jpg） 中：加性高斯噪声+清晰图像 右

用卷积滤波器matlab代码可再现的视频降噪技术 流行和可复制的视频降噪作品集。 准则：作品必须有可用的代码，并且可再现的结果证明了视频降噪的前景可观或最先进的表现。 集合的这种格式类似于 请随时为这个仓库做贡献。 视频降噪算法 在线方式 ReLD 通过在线稀疏和低秩矩阵分解实现视频降噪（SSP 2016），Guo和Vaswani。 维多萨VIDOSAT-在线视频恢复的高维稀疏变换学习（TIP 2019），Wen等。 非本地方法 VBM3D 通过稀疏3D变换域协作过滤进行视频降噪（EUSIPCO 2007），Dabov等。 VBM4D 通过可分离的4-D非局部时空变换进行视频降噪，解块和增强（TIP 2012），Maggioni等。 RNLF Sutour等人，NL均值的自适应正则化：图像和视频去噪的应用（TIP 2014）。 盐Wen的联合自适应稀疏和低秩动态：用于视频降噪的在线张量重构方案（ICCV 2017），Wen等。 贝叶斯方法 越南国家广播电视台通过时空补丁的经验贝叶斯估计对视频进行降噪（JMIV 2017），Arias和Morel 深度学习 虚拟网络CNN的非本地视频降噪

matlab生成维纳过程代码介绍 我尝试在此存储库中实现给定的wiener过滤器变体。 用法 运行main.m matlab代码。 结果保存在./result/ 。 main.m使用wiener_filter.m和Sxx_train.m ，它们包含主过滤器和PSD估计器（首先使用多个图像进行训练）。 要查看以前运行中保存的一些结果，请查看./saved_results/ 。 理论 在维纳滤波器中，我们尝试重建已与已知误差函数h(t)卷积的图像。 卷积图像还包含加性白噪声（高斯）。 该滤波器使重建的去噪图像和原始图像之间的均方根误差最小。 Weiner滤波器减小的误差度量是MSE与重构图像和原始图像之间的L2距离成正比。 在计算需要与变形图像卷积的“去模糊滤波器”时，滤波器需要S_xx，即原始图像的PSD。 但这不可能，因为我们要生成原始图像本身。 过滤器通过多种方式解决此问题，我在实现中使用的方式是利用以下经验事实：所有自然图像的PSD几乎相似，因此可以使用另一个未损坏图像的PSD来估计PSD。原始图像。 我们计算10个尺寸相似的图像的PSD，将其平均化，并将该值用作Weiner滤波器

Kernel Entropy Component Analysis,KECA方法的作者R. Jenssen自己写的MATLAB代码，文章发表在2010年5月的IEEE TPAMI上面

Image denoising using scale mixtures of Gaussians in the wavelet domain

去噪声代码matlab 功能磁共振成像降噪 Matlab函数的集合，用于对fMRI数据（例如静止或稳态数据）进行降噪。 fmri_cleaning通过单个线性回归模型执行数据降噪-包括频率滤波，去除不感兴趣的信号（例如，运动或生理估计）以及检查运动污染的体积。 这是主要功能； 其他功能允许您为此功能创建适当的输入变量。 fmri_acompcor从指定的感兴趣区域提取信号。 您可以提取平均信号，也可以提取前n个主成分（PC； aCompCor方法）。 在提取PC之前，您可以将数据与构成最终回归模型的其他变量进行正交处理，以使提取的PC具有最大的预测性。 fmri_rp_metrics计算各种逐帧位移度量。 fmri_censoring_mask创建用于体积审查的时间掩码（例如，使用逐帧位移）。 该代码是为以下出版物而开发的： 评估基于任务的功能连通性的降噪策略：均衡静止任务和具有认知要求的任务之间的残余运动伪影。 Mascali，D.，Moraschi，M.，DiNuzzo，M.，Tommasin，S.，Fratini，M.，Gili，T.，Wise，RG，Mangia，S.，Maca

图像去噪综述论文：Deep Learning on Image Denoising: An Overview

使用ROF模型进行图像的去噪，能够去除图像的噪音