近年来，提出了许多减少遥感图像噪声的方法。本文提出了一种基于OMP算法的改进的WCOMP方法，用于遥感图像的去噪。 我们将小波变换的系数引入贪婪策略，将OMP算法与SVD分解相结合，将这些系数与离散余弦变换（DCT）的冗余字典进行训练，以实现图像的稀疏表示，然后重构该图像。是提高图像降噪的最终性能。 实验结果表明，WCOMP方法比小波，Contourlet和K-SVD等传统图像去噪方法具有更好的效果。 与传统的降噪方法相比，我们提出的方法可以更有效地滤除噪声并保留原始图像的有用信息。

基于数学形态学和遗传优化的图像去噪基于数学形态学和遗传优化的图像去噪

遗传算法在小波阈值变换图像去噪中的应用，如何利用遗传算法图像去噪

深度学习的多光子显微镜图像降噪 多光子显微镜（MPM）图像固有地以低信噪比（SNR）捕获，从而抑制了对更深的大脑层成像的过程，实现了更高的时间和空间分辨率。 虽然基于线性滤波的经典方法无法处理MPM图像中占主导地位的泊松噪声，但深度学习图像恢复目前是一个热门话题。 在这项工作中，在MPM图像的去噪性能方面，比较了三种监督（CARE，DnCNN和ResNet）和三种非监督（Noise2Noise，Noise2Void和概率性Noise2Void）深度学习方法，并研究了监督与非监督方法之间的差距。 通过在训练数据中添加具有不同噪声水平的图像，我们的模型可以推广到盲噪声图像。 无偏神经网络也检查了泛化能力。 结果表明，我们的基于深度学习的模型实现了令人满意的降噪性能，并在广泛的噪声水平范围内进行了归纳。 还证明了与监督方法相比，无监督方法仅表现出稍微降低的降噪性能。 该发现具有重要意义，因为收集

采用MATLAB，对三幅经典的图像分别加上高斯噪声、乘性噪声、椒盐噪声，并分别使用均值滤波、中值滤波、高斯低通滤波、巴特沃斯滤波、PCA、小波变换、DCT等去噪方法对其进行处理。去除噪声方法效果以PSNR（峰值信噪比）衡量。

文件夹kSVD-denoise是k-SVD去噪的程序，文件夹SSIM-denoise是改进的去噪的程序。两个程序只要运行demo2.m就行。 Command Window窗口最后出现的ans就是SSIM值。PSNR值出现在运行出的图像中。

本文件包含内容---测试图片，三篇相关文献参考，以及完整的matlab仿真测试代码，供大家参考学习。

应用自编码器对图像进行去噪，包含加噪声的图片，去噪声声的图片，去噪后的对比图及源码python文档及自编码器的模型

7种图像降噪matlab实现（程序源码及结果图和说明书任务书）

分别对小波变换的软阈值和硬阈值方法进行了MATLAB仿真，并进行对比，还给出了一个改进型的小波变换去噪算法并在MATLAB仿真实现，代码下载后无需改动即可使用，后面有注释，让人通俗易懂。