文件名称：pgm项目
文件大小：7.99MB
文件格式：ZIP
更新时间：2024-02-29 19:51:00
MATLAB
PGM项目 这是萨尔大学的“概率图形模型”课程2021的实际项目的代码。 在这个项目中，我们解决了彩色图像去噪的问题。 要重现表一和表二中给出的结果，请打开文件baseline_evaluation.m。 在文件中，加载要使用的过滤器和Alpha（例如，filters_200_500.mat和alphas_200_500.mat）。 然后执行脚本。 要在YCbCr颜色空间中进行降噪，您还需要取消注释将嘈杂图像转换为YCbCr的行的注释，然后返回并打开文件denoise_foe.m并在此处取消注释的注释。 请记住，您仍然需要将原始RGB图像传递给denoise_foe，以进行正确的PSNR计算。 此外，在所有情况下，请确保超参数符合报告中所述。 从“ YCbCr讨论”部分复制该表，执行文件ycbcr_vs_rgb.m并取消对denoise_foe.m中标记行的注释。 要了解过滤器和A
【文件预览】：
pgm-project-master
----filters_400_500.mat(6KB)
----combinedFilters1.mat(7KB)
----images()
--------castle.jpg(25KB)
--------image_2.jpg(77KB)
--------image_1.jpg(74KB)
--------image_3.jpg(72KB)
--------image_4.jpg(100KB)
--------image_0.jpg(84KB)
----filters_ycbcr.mat(6KB)
----combinedFilters2.mat(7KB)
----gan_filters_2.mat(1KB)
----filters.mat(6KB)
----learnFilters.m(2KB)
----filters_200_500.mat(6KB)
----visualize.m(1013B)
----results_ycbcr.mat(387B)
----svdResults.mat(386B)
----results_200_500.mat(387B)
----alphas_ycbcr.mat(407B)
----results_ycbcr_vs_rgb.mat(235B)
----getGradient.m(2KB)
----alphas_combined1.mat(498B)
----alphas.mat(406B)
----DCGAN()
--------models.py(2KB)
--------Generator_weights.pth(7.69MB)
--------train.py(6KB)
--------dataset.py(667B)
--------generateFilters.py(635B)
----ycbcr_vs_rgb.m(2KB)
----alphas_200_500.mat(405B)
----combinedResults1.mat(387B)
----alphas_200_250.mat(407B)
----sample.png(336KB)
----results_400_500.mat(387B)
----alphas_400_500.mat(407B)
----filters_200_250.mat(6KB)
----.gitignore(31B)
----getCliques.m(826B)
----inference_baseline()
--------denoising_lp_student.m(487B)
--------mrf_grad_log_student_prior.m(2KB)
--------denoising_grad_ascent_student_color.m(690B)
--------student_t.m(97B)
--------denoising_grad_llh.m(81B)
----inference()
--------filters.mat(185B)
--------evaluate_foe_log.m(2KB)
--------denoise_foe.m(3KB)
--------demo_denoise_foe.m(2KB)
--------evaluate_foe_log_grad.m(2KB)
--------psnr.m(2KB)
----gan_filters_1.mat(1KB)
----alphas_combined2.mat(497B)
----learnAlphas.m(1KB)
----README.md(2KB)
----combinedResults2.mat(392B)
----baseline_evaluation.m(3KB)
----results_200_250.mat(387B)