自己写的基于科学出版社的朱虹老师数字图像处理一些简单的数字图像处理代码，主要包含有：K均值去噪，直方图均衡化，临近插值旋转，双线性差值放大，双线性差值旋转，中值滤波，线性展宽等代码。希望对大家有用！

针对序列图像超分辨率重建非局部均值（non-local means，NLM）算法重建结果图像边缘区域过平滑的问题，提出了一种局部参数自适应改进方法。将整幅图像划分为图像子块，然后根据图像子块平均像素信息计算出其对应的滤波参数，这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明，与经典NLM重构算法相比，改进算法重建出的结果图像的轮廓边缘更清晰，字符辨识度更高；在算法实现方面，图像重构程序在CPU/GPU平台上实现，使用GPU并行化加速的程序比单CPU运算的程序，加速比最高可达

基于局部均值分解和AMUSE算法的欠定模型中盲源分离

K均值分类 IRIS数据集上的k均值分类

通常为分析信号的整个部分计算平均值或标准偏差。 然而，有时我们想知道这些数量在数据流中是如何变化的。 MEANSTDF 使用用户定义的窗口为每个数据位置计算预期的平均值和标准偏差值。 输出在非线性去趋势或平稳性分析时很有用。

基于MATLAB的数据处理，采用了绝对均值法来去除奇异点

印度尼西亚降雨模式分类使用时间序列K均值 使用时间序列k均值对印度尼西亚的三种主要降雨模式进行聚类。 k均值中的距离计算是动态时间规整（DTW），通常用于模式匹配和时间/顺序数据聚类。

1.直方图均衡化、2.进行均值滤波、3.用拉普拉斯算子对图像进行锐化、4.对图像进行高斯低通和高通滤波

提取均值信号特征的matlab代码两个扬声器的基于 LSTM/BLSTM 的 PIT 在多通话者混合语音分离和识别方面取得的进展，通常被称为“鸡尾酒会问题”，并没有那么令人印象深刻。 尽管人类听众可以很容易地感知混合声音中的不同来源，但对于计算机来说，同样的任务似乎极其困难，尤其是当只有一个麦克风记录混合语音时。 1. 运行性能 注意：训练集和验证集包含通过从 WSJ0 集中随机选择说话者和话语生成的两个说话者混合，并以 -2.5 dB 和 2.5 dB 之间统一选择的各种信噪比 (SNR) 混合它们. 对于LSTM ，不同性别的混合音频结果如下： 对于BLSTM ，不同性别的混合音频结果如下： 从上面的结果可以看出，混合性别音频的分离效果优于同性音频，BLSTM 的性能优于 LSTM。 2. 评价标准 SDR：信号失真比 SAR：信号与伪像的比率 SIR：信号干扰比 STOI：短期客观可懂度测量 ESTOI：扩展的短期目标可懂度测量 PESQ：语音质量的感知评估 3. 依赖库 matlab（我的测试版：R2016b 64位） tensorflow（我的测试版本：1.4.0） anac

文件夹包含了均值漂移算法的详细讲解，配有PPT，论文及论文中算法的matlab实现，对初学者有很大帮助