Awesome-Image-Denoising是一个专注于收集和分享关于图像去噪研究的资源库,尤其侧重于处理现实世界中的复杂噪声问题。此项目包含了一系列基于Matlab的去噪代码及相关的学术论文与数据集链接。它为研究人员提供了一个宝贵的平台,用于探索先进的图像去噪技术和算法,促进该领域的创新和发展。
去噪声代码MATLAB快速导航展示了令人敬畏的图像去噪技术、相关论文及数据集,尤其是针对现实世界中的图像去噪问题。我仍在积极收集与这一领域相关的文献资料;如果您愿意在此存储库中添加自己的研究,请通过电子邮件(lihao9605@gmail.com)联系我,我会尽快更新您的贡献。如果觉得这个仓库对您有帮助,请考虑使用Star或Fork来支持我的工作。
文件基于DL的方法请注意,此集合中的摘要仅涵盖截至2021年的论文内容;后续年份的文献请通过快速导航进行查阅。
- **MPR网**:多阶段渐进式图像复原
- **Neighbor2Neighbor**:单个噪声图像自我监督降噪方法
- **NBNet**:基于子空间投影的去噪技术,采用噪声基础学习策略
- **PIPT预训练图像处理变压器**
- **伪ISP**:从彩色图像中提取和优化机内信号处理管道以实现更好的降噪效果
- **VDID变体深度图像降噪**
公制(常用质量评估指标):
1. PSNR (峰值信噪比)
2. SSIM (结构相似性指数)
3. NIQE (自然度图像质量评价器)
该存储库资料参考自多个来源,感谢所有贡献者。