该包通过混合自适应提供了自适应图像去噪算法的实现。 所提出的方法 [1, 2] 采用从通用外部数据库中学习到的通用先验，并将其适应噪声图像以生成特定先验，然后将其用于 MAP 去噪。 所提出的算法是严格推导出来的从贝叶斯超先验的角度来看，并进一步简化以降低计算复杂度。 要对去噪性能进行整体评估，请运行演示文件：“demo.m”。 如需更多信息和引文，请参阅： [1] E. Luo、SH Chan 和 TQ Nguyen，“通过混合自适应进行自适应图像去噪”，IEEE Trans。 图像处理。 2016 年。 [2] SH Chan、E. Luo 和 TQ Nguyen，“基于 EM 适应的自适应补丁图像去噪”，Proc。 IEEE 全球会议信号信息处理。 （GlobalSIP'15），2015 年 12 月。

何凯明暗通道去雾的复现。边缘保存用的是导向滤波。

本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。

基于图形状先验的图割，利用凸形状作为正则化约束来进行二值分割。使用matlab编译实现。

本算法是就何凯明论文《Single Image Haze Removal Using Dark Channel Prior》的c++复现，我用的运行环境是VS2019+opencv3.4.14，只要把代码复制到配置好opencv环境的项目下运行即可。本算法包括求取暗通道图、计算大气光强、计算透射率图、细化折射率图等具体算法步骤和注释，细化方案采取的是导向滤波，代码中导向滤波包含普通和快速的导向滤波算法，运行速度快。供大家参考学习。

我们希望通过这项研究，能够完成一套能够生成高质量的逼真的人脸图像的系统，能够做到如下几个方面的内容： 1.1与传统的图像补绘方法不同，人脸补绘需要目标对象的内容、轮廓和结构信息，以实现真实的输出。 1.2考虑人脸的特殊特征，充分挖掘和利用人脸所包含的信息，以生成和谐自然的人脸。 1.3对大面积缺失的人脸信息进行补全，注重对特征自然和谐的人脸部位的重建，在结构和外观上保持一致的情况下，为缺失的关键部件生成新的语义像素。 适用大学生参考学习。 大创-大学生创新创业训练计划项目申报书-软件-基于人脸先验信息的人脸图像补全研究-参考

针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误差概率化表示,对系统前后件参数联合学习,提高系统的泛化能力.另外,引入狄利克雷先验分布函数,对模糊隶属度稀疏化表示,实现样本的压缩,降低运算时间.在模拟和真实数据集上的实验结果验证了所提出模糊系统的优势.

这是使用暗通道先验法的去霾图像处理程序，需要的可以下载，希望可以帮助到你们

使用非局部自相似性和低秩先验来增强医疗图像分辨率

暗通道先验去雾算法的改进及FPGA实现