噪聲是干擾和妨礙人類認(rèn)知和理解信息的重要因素,而圖像噪聲則是圖像中干擾和妨礙人類認(rèn)識(shí)和理解圖像信息的重要因素。由于噪聲本身具有不可預(yù)測(cè)性,可以將它當(dāng)做一種隨機(jī)誤差(這種誤差只有通過(guò)概率統(tǒng)計(jì)的方法來(lái)識(shí)別)。因此,圖像噪聲可以視為一種多維隨機(jī)過(guò)程,可以選擇隨機(jī)過(guò)程的概率分布函數(shù)和概率密度函數(shù)來(lái)作為對(duì)圖像噪聲進(jìn)行描述的方法。
1、圖像噪聲的分類
圖像在采集和傳輸?shù)倪^(guò)程當(dāng)中必然會(huì)受到各種噪聲在不同程度上的污染。根據(jù)圖像和噪聲之間的相互關(guān)系將噪聲劃分為以下三種形式:
(1)加性噪聲
噪聲和原始圖像不相關(guān),可以表示為:
其中 f ( x , y ) 代表被污染的圖像(噪聲圖像),g ( x , y ) 代表原始圖像,n ( x , y ) 代表噪聲。圖像中的加性噪聲一般是在圖像的傳輸過(guò)程中由“信道噪聲”和CCD攝像機(jī)對(duì)圖像數(shù)字化的過(guò)程中產(chǎn)生的。
(2)乘性噪聲
噪聲和原始圖像相關(guān),可以表示為:
圖像中的乘性噪聲一般是由膠片中的顆粒、飛點(diǎn)掃描圖像中的噪聲、電視掃描光柵等原因造成的。
(3)量化噪聲
圖像中的量化噪聲是圖像在量化過(guò)程中圖像從模擬到數(shù)字所產(chǎn)生的差異,是圖像量化過(guò)程中的誤差。
2、圖像噪聲的模型
圖像中的噪聲根據(jù)其概率分布的情況可以分為高斯噪聲(Gaussian noise)、脈沖噪聲(Impulsive noise)、瑞利噪聲(Rayleigh noise)、伽馬噪聲(Gamma noise)、指數(shù)噪聲(Exponential noise)和均勻噪聲(Uniform noise)等各種形式。
(1)高斯噪聲
高斯噪聲是所有噪聲當(dāng)作使用最為廣泛的,傳感器在低照明度或者高溫的條件下產(chǎn)生的噪聲就屬于高斯噪聲,電子電路中產(chǎn)生的噪聲也屬于高斯噪聲,還有很多噪聲都可以根據(jù)高斯分布(正態(tài)分布)的形式進(jìn)行描述。高斯噪聲的概率密度函數(shù)可以表示為:
其中灰度值用z表示,灰度值的期望值用μ表示,灰度值的標(biāo)準(zhǔn)差用σ表示。高斯噪聲的概率密度函數(shù)如下圖所示:
(2)脈沖噪聲
脈沖噪聲的概率密度函數(shù)可以表示為:
當(dāng)a
脈沖噪聲的概率密度函數(shù)分布圖:
(3)瑞利噪聲
瑞利噪聲的概率密度函數(shù)可以表示為:
概率密度的均值為:
概率密度的方差為:
瑞利噪聲的概率密度函數(shù)分布為:
(4)伽馬噪聲
伽馬噪聲的概率密度函數(shù)可以表示為:
其概率密度函數(shù)分布圖為:
(5)指數(shù)函數(shù)
指數(shù)噪聲的概率密度函數(shù)可以表示為:
其中 a>0。
概率密度的均值為:
概率密度的方差為:
其概率密度函數(shù)分布圖為:
(6)均勻噪聲
均勻噪聲的概率密度函數(shù)可以表示為:
概率密度的均值為:
概率密度的方差為:
其概率密度函數(shù)分布為:
-
噪聲
+關(guān)注
關(guān)注
13文章
1120瀏覽量
47400 -
圖像
+關(guān)注
關(guān)注
2文章
1083瀏覽量
40449 -
函數(shù)
+關(guān)注
關(guān)注
3文章
4327瀏覽量
62569
原文標(biāo)題:圖像噪聲的分類與模型
文章出處:【微信號(hào):Imgtec,微信公眾號(hào):Imagination Tech】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論