Matlab Denoising Code Tangent Inference Pipeline

该存储库包含MATLAB脚本和样本数据，用于应用以下方法中的去噪技术：Mousavi, SM, 和 CA Langston (2016) 提出的自适应噪声估计与抑制方法，改进微震事件检测。文中使用的方法包括最小控制递归平均法进行噪声级估计，并在短时傅立叶变换(STFT) 域内应用Stein的无偏风格估计。更多细节请参见《Journal of Applied Geophysics》期刊中的论文：Adaptive noise estimation and suppression for improving microseismic event detection。 BibTeX引用格式：@article{mousavi2016adaptive,title={Adaptive noise estimation and suppression for improving microseismic event detection},author={Mousavi, S Mostafa and Langston, Charles A},journal={Journal of Applied Geophysics},volume={132},pages={116-124},year={2016},doi={10.1016/j.jappgeo.2016.008}}

利用ADMM对Noery Bayer图像进行去马赛克和去噪，包含演示代码。

本方法采用平移变换进行信号去噪，有效消除Gibbs效应。通过MATLAB编写，提高信号处理的质量和效率。

Matlab椭圆分割代码，方法为“IASR：弱监督语义分割的迭代注释选择和细化”的测试代码。测试步骤如下：第一步：下载压缩模型，密码为：bg15或放入根目录解压。我们已发布与密码：y970的汇总手稿中表6的步骤P1到P4对应的所有模型。第二步：更改retored模型的根并运行test_vocSGIR_vgg.py进行SGIR-vgg16评估，多尺度融合的预测将保存在SAVE_DIR = './result/'中。在PASCAL VOC 2012验证数据集上可实现59.3的平均IoU。第三步：更改retored模型的根并运行test_vocSGIR_resnet进行SGIR-resnet101评估，多尺度融合的预测将保存在SAVE_DIR = './resultresnet/'中。在PASCAL VOC 2012验证数据集上可实现64.0的平均IoU。第四步：后处理请参考运行CRF。第五步：我们已提供用于评估的matlab代码，您可以评估结果并自行获取IoU，请参阅相关文档。

Spark ML Pipeline（管道）是一个强大的工具，允许开发者将多个机器学习步骤组织成可执行流程，简化模型构建和调优。在这个案例中，我们专注于线性回归模型的训练，特别是通过交叉验证来优化模型参数。交叉验证通过将训练集分成多个部分进行重复训练和测试，以评估模型性能并减少过拟合风险。在Spark MLlib中，CrossValidator类提供了这一功能。例如，我们设置numFolds=5，每次训练时使用4/5数据进行训练，1/5用于测试，重复5次。我们定义了一系列参数组合，如maxIters（最大迭代次数）、regParams（正则化参数）、elasticNetParams（弹性网络参数），通过ParamGridBuilder创建参数网格进行训练。评估器使用RegressionEvaluator评估线性回归模型的性能。最终，CrossValidator选择最佳模型。

MATLAB RANSAC 代码

要复制屏幕截图的结果，请运行：测试_WHMM。该脚本是参考文献[1]的实现，包括两部分：1. 一维信号去噪（9~11页） 2. 一维随机过程(RP)分类（第12页）。参考：[1] 使用隐马尔可夫模型的基于小波的统计信号处理：MS Crouse, RD Nowak, RG Baraniuk - IEEE信号处理交易，1998 - dsp.rice.edu。可在：http://scholarship.rice.edu/bitstream/handle/1911/19815/Cro1998Apr1Wavelet-Ba.PDF?sequence=1。确认：作者要感谢Justin Romberg教授的“hmt1d”工具箱和他对如何使用它的友好帮助。

本代码库提供了一种去噪声的深度卷积神经网络（DCNN）用于数字化胸部断层合成图像（DBT）的对抗训练。该存储库与以下论文相关：M. Gao, JA Fessler和H.-P. Chan，‘具有对抗训练的深层卷积神经网络对数字化乳房断层合成图像进行降噪’，IEEE医学影像交易，2021年。训练数据通过模拟软件生成，乳房幻影来自GE的基于Matlab的私有CatSim，模拟GE Pristina DBT系统。虽然有开源软件，但未包含所有模块，可以使用VICTRE软件包生成PV。使用自有的SART算法进行DBT重构，若无侦察算法，可尝试VICTRE中的FBP算法。代码要求：Python 2.7和TensorFlow 1.4.1。要部署降噪器，请运行：python deploy_dngan.py。我们提供了5片重建的VICTRE幻影DBT图像（异型，带有某些MC）作为测试部署代码的示例。

GPS网平差的matlab程序，亲自编写，代码有很详细的注释。