全变分图像反卷积

针对传统方法进行图像分割易受噪声影响问题，提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理，利用上池化和反卷积层恢复图像分辨率，采用跳跃连接降低网络复杂度，同时避免了梯度消

读取bmp图片，修改其File头，信息头，添加调色板，修改像素数据，写数据。

图像盲卷积复原图像，这是加入噪声之后复原出来的，效果比较好，可以参考一下

反褶积是通过压缩地震记录中的基本地震子波，压制交混回响和短周期多次波，从而提高时间分辨率，再现地下地层的反射系数。反褶积通常应用于叠前资料，也可广泛用于叠后资料。理想的反褶积应该压缩子波并消除多次波，

c++实现图像卷积操作，参数为（输入图像，输出图像），卷积核内部自己更改

这是基于卷积稀疏表征的图像融合matlab算法，可供相关领域的研究人员参考。下载后可以直接解压运行。

bregmanmatlab兼顾图像平滑去噪与边缘保留的自适应全变分模型matlab

全变分去噪算法能够很好地保留图像边缘和细节信息，但在图像平滑区域会产生严重的阶梯效应，而邻域线性回归滤波器可以避免产生阶梯效应。针对这一点，提出一种抑制全变分阶梯效应的新方法。该方法利用改进的高斯函数

引导滤波(GF)去噪的关键是选取一幅包含清晰结构信息的引导图像。为提高GF的去噪效果, 提出一种由各向异性全变分(ATV)引导的滤波方法。首先利用ATV模型对噪声图像进行光滑处理, 生成包含良好结构信

Generative-Models-and-Discriminative-Convolutional-Classification:变分自动编码器,深度卷积生成对抗网络,ResNet18