本项目汇集并实现了多种学术界经典的图像噪声方差盲估计算法,旨在为图像去噪、图像复原及超分辨率重建等任务提供精确的噪声水平先验信息。项目详细复现了基于不同理论框架的估计技术,主要包括:1. 基于主成分分析(PCA)的噪声估计方法,利用图像块的最小特征值来推断噪声方差,适用于纹理丰富的图像;2. 基于小波变换的估计方法,通过计算高频子带系数的中值绝对偏差(MAD)来鲁棒地估计噪声标准差;3. 基于空间域拉普拉斯掩模(Laplacian Mask)的快速估计算法(如Immerkaer方法),通过滤波与统计分析实现低计算成本的估计;4. 基于图像块统计特性的弱纹理块筛选法,自动识别平滑区域进行方差计算以避免边缘干扰。此外,项目包含一个完整的评估框架,能够自动加载标准测试图像数据集,添加不同强度的模拟高斯白噪声,并由各算法输出估计值,最终生成包括相对误差、均方根误差及运行时间在内的详细对比报告,帮助用户在准确性与计算效率之间找到最佳平衡点。