提出了一种Shearlet变换域嵌入强度因子能随图像内容自适应的水印算法。算法首先利用Shearlet变换对图像内容稀疏表示选择性，找出符合人眼视觉特性要求的水印嵌入位置,然后依据图像内容自适应地计算出水印嵌入强度因子，较好地解决了鲁棒性与可见性之间的矛盾。实验结果表明，该算法能够抵抗各种攻击，具有强鲁棒性。

去噪声代码matlab ShearCuda 该软件包包含ShearCuda，它是2D和3D Shearlet变换的CUDA端口。 如果您使用我们的代码，请引用以下文章： X. Gibert，VM Patel，D。Labate和R. Chellappa。 “ GPU上的离散Shearlet变换及其在异常检测和去噪中的应用。” EURASIP信号处理进展杂志2014（1），1-14。 可在 先决条件 该库基于NVIDIA CUDA和MATLAB。 要使用此库，必须具有支持CUDA的设备。 该开发已在Linux（特别是RHEL 6）中完成，但是代码在Windows和Mac OS X上应该无需更改即可编译。 环境设定 在启动MATLAB之前，需要先设置CUDA环境。 另外，您需要定义CUDA_PATH到安装CUDA的基本路径。 例如，在Linux中启动MATLAB的脚本可能是：依靠CUDA_PATH来确定 export PATH=/opt/common/cuda/cuda-5.0.35/bin:$PATH export LD_LIBRARY_PATH=/opt/common/cuda/cuda

结合NSST和快速非局部均值滤波的图像去噪

为了从遥感图像中提取出更为准确完整的目标边缘，提出一种基于无下采样Shearlet 模极大值和改进数学形态学的目标边缘提取方法。首先采用无下采样 Shearlet 变换(NSST)将图像分解成边缘细节丰富的高频分量和边缘细节较少的低频分量；然后结合不同分解程度下边缘像素点处的系数关系，对高频分量的各个子带进行模极大值检测，再经过双层掩膜筛选后得到高频边缘提取结果；对低频分量采用改进的数学形态学方法，得到低频边缘提取结果；最后将上述两部分融合，使用区域连通方法去除孤立点，得到最终的目标边缘图像。大量实验结果表明，与 Canny 以及其他 4 种同类边缘提取方法相比，本文方法所得边缘定位准确、完整清晰、细节丰富，且抗噪能力强，为后续遥感图像目标特征提取与识别奠定更好基础。

基于非下采样shearlet变换的图像融合，包括红外和可见光图像、多聚焦图像融合代码（matlab代码）

通过shearlet变换去除图像噪声，非常实用。操作平台为matlab

shearlet变换的matlab代码。 图像经过某种离散变化后的能力分布体现了图像的变换特征，从无失真压缩的角度考虑，变换的目的是希望图像经离散变换后能力尽可能的集中在少量的几个系数中，即具有能量聚集性，由此可得到较高的压缩比。 图像经过Shearlets变换后，能量的分布会随着变换尺度n的变换尺度呈现出一定的规律。