jpeg 压缩图像的去噪，用DnCNN还挺靠谱的。残差学习那套思路用起来蛮顺的，不直接预测干净图像，而是学残差，效果还不错。

你要是用过 BM3D、WNNM 那类方法，应该知道它们虽然挺灵活，但速度慢得。这个用卷积神经网络的方式，训练起来也蛮快，尤其是加了批量归一化，收敛稳定多了。

代码是用MATLAB写的，思路清晰，逻辑也不绕，看一遍就能跑。里面的场景是高斯白噪声（AWGN），适合做图像增强、超分辨率预这些事。

如果你是搞视觉方向的学生或工程师，想找个简单好上手的深度学习图像去噪项目当课程练习或者小项目，这套代码可以直接用，省不少事。

你要是更喜欢 PyTorch 实现的？也有类似版本可以参考：DnCNN 的 PyTorch 实现。还有其它的去噪相关资源也可以一起看看，下面这几个也都还挺有参考价值：

如果你在做图像质量提升的研究或者需要应对复杂噪声环境，推荐你重点研究一下这套 DnCNN 方法，训练稳定、泛化也不错，值得一试。