立体视觉三维重建--边缘提取（名词和概念）

1. 噪声产生的原因决定了它的分布特性。根据噪声可将噪声和信号的关系可将噪声大致分为两种形式：

• 加性噪声
• 乘性噪声

2. 图像去噪领域，多种去噪方法，主要分为两大类：

• 一类空间域去噪：常见的方法有中值滤波和均值滤波

• 一类是频率域去噪

3.中值滤波是一种最常用到的非线性平滑滤波方法，它的基本原理是将数字图像或序列中某点的值用该点邻域中各个点值得中值来替代。（利用一个活动的窗口沿着图像进行移动，而窗口中间位置像素的灰度用窗口内所有的像素的灰度中值来替代）。中值滤波中，邻域大小决定需要在多少个数值中求其中值，窗口的形状则决定了在何种几何空间中选取元素进行中值计算。对椒盐噪声效果较好。

  均值滤波：运用若干个像素灰度值的平均值来对像素的灰度值进行替代。均值滤波又称线性滤波，常采用几何邻域平均法进行滤波。均值滤波的方法采用的平滑方法是将某个突变的像素点的灰度值平均的分散到与它相邻的像素点当中来进行平滑。

4. 特征提取的目的：淘汰选择，最能，特征属性。