实验针对去噪保边处理方法中的尺度因子、梯度阈值和停止时间这三个参数进行自适应改进，并通过评价指标均方误差（MSE）和结构相似性指数（SSIM）对不同参数下的降噪效果进行比较和评价，请列出有关的MATLAB代码

以下是一个基于小波变换的去噪保边处理方法的MATLAB代码示例，其中实现了对尺度因子、梯度阈值和停止时间的自适应改进，并使用MSE和SSIM评价指标对不同参数下的降噪效果进行比较和评价：

% 读取待处理的图像
I = imread('noisy_image.png');

% 定义小波基和分解层数
wname = 'db4';
level = 5;

% 定义尺度因子、梯度阈值和停止时间的初始值
lambda = 0.1;
theta = 0.1;
T = 5;

% 定义评价指标的初始值
MSE = zeros(1, level);
SSIM = zeros(1, level);

% 对图像进行小波分解
[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters(wname);
[CA,CH,CV,CD] = dwt2(I, Lo_D, Hi_D);

% 处理每个分解系数
for i = 1:level
    % 对当前分解系数进行去噪保边处理
    [CD{i},MSE(i),SSIM(i)] = denoise_edge_preserving(CD{i}, lambda, theta, T);

    % 更新尺度因子、梯度阈值和停止时间
    lambda = update_lambda(lambda, MSE(i));
    theta = update_theta(theta, SSIM(i));
    T = update_T(T, i);

    % 重构当前分解系数
    I = idwt2(CA, CH, CV, CD{i}, Lo_R, Hi_R);
end

% 保存处理后的图像
imwrite(I, 'denoised_image.png');

% 定义去噪保边处理函数
function [X,MSE,SSIM] = denoise_edge_preserving(X, lambda, theta, T)
    % 定义梯度算子
    [dx,dy] = gradient(X);
    d = sqrt(dx.^2 + dy.^2);
    sigma = median(d(:))/0.6745;
    G = exp(-(dx.^2 + dy.^2)/(2*sigma^2));
    
    % 迭代更新
    for t = 1:T
        % 计算当前估计值和残差
        X_hat = X;
        [dx,dy] = gradient(X_hat);
        d = sqrt(dx.^2 + dy.^2);
        d(d<1e-6) = 1e-6;
        R = (X - X_hat) ./ d;

        % 计算加权平均值
        Wd = 1 ./ (1 + lambda*d.^2);
        Gd = 1 ./ (1 + theta*G.^2);
        X = (Wd.*Gd).*X + (1-Wd).*X_hat + R;

        % 计算评价指标
        MSE = mean((X(:)-X_hat(:)).^2);
        SSIM = ssim(X, X_hat);
    end
end

% 定义自适应更新函数
function lambda = update_lambda(lambda, MSE)
    if MSE < 1e-6
        lambda = lambda/2;
    elseif MSE > 1
        lambda = 2*lambda;
    end
end

function theta = update_theta(theta, SSIM)
    if SSIM > 0.99
        theta = theta/2;
    elseif SSIM < 0.95
        theta = 2*theta;
    end
end

function T = update_T(T, i)
    if i == 1 && T < 10
        T = 10;
    elseif i == 2 && T < 20
        T = 20;
    elseif i == 3 && T < 30
        T = 30;
    elseif i == 4 && T < 40
        T = 40;
    elseif i == 5 && T < 50
        T = 50;
    end
end

需要注意的是，以上代码仅供参考，实际使用时需要根据具体情况进行调整和优化。同时，评价指标的计算方法和自适应更新策略也可以根据需求进行改进和扩展。