近年来，随着遥感应用的不断深入，高光谱图像研究已经成为遥感领域发展最迅速的技术之一。与其他传统成像技术相比，高光谱图像具有更多优势：更丰富的信息量、纳米级的光谱分辨率以及范围更广且连续的光谱。因此，在农业、军事、环境监测和食品工业领域有着广泛的应用。
高光谱图像巨大的应用潜力也使得对图像质量的要求日益提高。然而，由于成像系统和环境(传感器敏感度、光子效应、光线条件、校对误差)各种限制因素的影响，成像传感器获取的高光谱图像不可避免地会受到各种噪声的破坏，例如高斯噪声、脉冲噪声、死线、条纹等。这些噪声不仅大大降低高光谱图像的视觉效果，而且在分类、矿物勘探和目标检测等方面的后续应用中也造成不良影响。因此，高光谱降噪是改善高光谱图像应用性能的关键问题。
在过去的几十年里，研究人员提出了许多高光谱图像去噪方法，最直接的方法就是使用传统的一维或二维去噪方法对高光谱图像进行去噪。如果将高光谱图像中每一个像素看成一个一维信号，可以以逐像素的方式利用一维信号去噪方法对高光谱图像去噪。也可以将高光谱图像的每一个波段看作是二维自然图像，依次对每个波段使用传统的二维自然图像去噪方法进行去噪。
本代码采用2D Wavelet, 3D Wavelet, FORPDN, HyRes等方法对高光谱图像进行降噪，运行环境为MATLAB R2021B，压缩包=数据＋代码＋参考文献。
部分代码如下：
L=5;%level of decompositions
NFC=10;%number of filter coefficients
qmf = daubcqf(NFC,'min');%wavelet filter
t_max=4; % maximum search interval
n=10; % search interval number
t1=linspace(0,t_max,n);
options.noisest=0;
options.scaling=1;
options.type='FORPDNT';部分出图如下：
工学博士，担任《Mechanical System and Signal Processing》审稿专家，担任《中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》，《电力系统保护与控制》，《宇航学报》等EI期刊审稿专家，担任《计算机科学》，《电子器件》 ， 《现代制造过程》 ，《电源学报》，《船舶工程》 ，《轴承》 ，《工矿自动化》 ，《重庆理工大学学报》 ，《噪声与振动控制》 ，《机械传动》 ，《机械强度》 ，《机械科学与技术》 ，《机床与液压》，《声学技术》，《应用声学》，《石油机械》，《西安工业大学学报》等中文核心审稿专家。
擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
