文件名称：高斯白噪声matlab代码-EECS-556-project:EECS-556-项目
文件大小：1.63MB
文件格式：ZIP
更新时间：2024-06-15 09:23:01
系统开源
高斯白噪声matlab代码通过稀疏和冗余字典学习和非局部均值过滤器对图像进行去噪 介绍 在本项目中，我们主要集中于从给定图像中消除加性零均值白噪声和均质高斯噪声。 我们研究了K-SVD和非局部均值方法，并通过在预分类的图像块上使用多个字典并对优化任务添加非局部正则化进行扩展。 软件 Matlab的 演示版 跑步： 带有补丁预分类的K-SVD演示：。 具有非本地均值正则化的K-SVD演示：。 带有补丁预分类和非本地均值正则化的K-SVD演示： 带有重叠补丁预分类的K-SVD演示：。 其他使用功能的文件夹：文件夹。 使用图像的文件夹：文件夹。 我们使用in文件夹测试图像补丁分类。 要运行该演示，请下载，，，并将它们放在同一文件夹中。 可以通过编辑演示文件来更改所使用的图像和噪声水平的总和。 用法 K-SVD方法：[Xhat，output] = denoiseImageKSVD（Y，sigma，K）; 具有非局部正则化的K-SVD：[Xhat，输出] = denoiseImageKSVD_nlm（Y，sigma，K）; 输入： Y-噪点图像。 sigma-产生噪声的参数。 K-字典中的原子数
【文件预览】：
EECS-556-project-main
----ksvd_nlmdemo.m(2KB)
----olap_ksvdcdemo.m(1KB)
----ksvdcdemo.m(6KB)
----README.md(4KB)
----result()
--------olap50-[25.906834].png(187KB)
--------lena_block.jpg(6KB)
--------ksvdc_nlm20.jpg(31KB)
--------ksvdc_nlm50.jpg(35KB)
--------olap20-[30.212479].png(197KB)
--------olap40-[27.052391].png(183KB)
--------boat_noise50.jpg(90KB)
--------boat_noise20.jpg(73KB)
--------olap30-[28.362709].png(184KB)
----ksvdc_nlmdemo.m(6KB)
----lib()
--------denoiseImageKSVD.m(10KB)
--------displayDictionaryElementsAsImage.m(2KB)
--------lasso.m(3KB)
--------my_im2col.m(630B)
--------KSVD.m(12KB)
--------OMPerr.m(6KB)
--------nlm_filter2D_patch.m(1KB)
--------denoiseImageKSVD_nlm.m(9KB)
--------olapKSVD.m(12KB)
----img()
--------boat.png(174KB)
--------barbara.png(181KB)
--------lena.png(148KB)
--------peppers.png(157KB)
----test()
--------classifytest.m(4KB)