基于Matlab的小波变换图像去噪代码-用于声纳图像的深度学习

简介：
本项目使用MATLAB实现小波变换算法对声纳图像进行去噪处理，并结合深度学习技术优化图像质量。适用于海洋探测等领域。 上传了两套声纳图像：lab_images是从受控实验室实验中获得的；实地图像是由EPRI在2015年于圣劳伦斯河进行的野外实验所获。每个数据集包含鳗鱼及非鳗鱼对象（木棍和PVC管）的声纳图像。共有四个版本的图像：orgnl为未经任何处理技术的原始图；diff是利用图像差异消除静态背景后的结果；wvlt则是通过小波变换去除噪声后得到的原始图；diffwvlt指经过了小波去噪和差分处理过的图像。 Excel文件sonar_data_description内详细记录了实验室实验与现场实验中的声纳设置。依据声纳图像质量，鳗鱼野外图像被划分为三个等级，并建议使用1级及2级的鳗鱼图训练并测试CNN模型。通过代码CNN_lab_data.py利用仅有的实验室数据进行CNN模型的训练和测试；而另一份代码CNN_field_data.py则以现场数据为唯一依据来完成相同任务。 此外，Matlab脚本处理了.aris声纳数据，并从中提取出鳗鱼及非鳗鱼对象的具体图像。需要注意的是，.aris格式的数据需借助开源MATLAB脚本来读取（参考相关资料）。