我谈泊松噪声——从泊松分布到泊松噪声

phoenix@Capricornus

已于 2024-11-10 23:07:03 修改

阅读量3.2k

点赞数 37

分类专栏：数字图像处理文章标签：图像处理

于 2024-10-31 17:54:18 首次发布

本文链接：https://blog.csdn.net/u013600306/article/details/143380158

版权

数字图像处理专栏收录该内容

82 篇文章

订阅专栏

泊松分布

泊松分布（Poisson Distribution）是概率论和统计学中一种常见的离散概率分布，用于描述在固定时间或空间区间内，某事件发生次数的概率。如果某个事件在单位时间内发生的平均次数为 $\lambda$ ，则该事件发生 $k$ 次的概率可以通过以下公式计算：
$\lambda) = \frac{\lambda^k e^{-\lambda}}{k!}$
其中， $k$ 是事件发生的次数（非负整数）， $\lambda$ 是单位时间内（或单位面积、体积等）事件的平均发生次数， $e$ 是自然对数的底（约等于 2.71828）， $k!$ 表示 $k$ 的阶乘。

参数 $\lambda$ 的意义

$\lambda$ 是泊松分布的唯一参数，表示在给定的时间或空间区间内，事件的平均发生次数。
$\lambda$ 也同时是泊松分布的期望值和方差，即若随机变量 $X$ 服从参数为 $\lambda$ 的泊松分布，则有 $\lambda$ 和 $\lambda$ 。

在这里插入图片描述
泊松分布的形状随着参数 $\lambda$ 的变化而变化。

当 $\lambda$ 较小时，泊松分布呈现偏斜的形状，分布的右侧有一个长尾；分布集中在较低的 $k$ 值附近，因为 $\lambda$ 小，所以出现较高 $k$ 值的概率很低；
随着 $\lambda$ 的增大，分布的中心逐渐向右移动，泊松分布逐渐趋于对称，并且接近正态分布；分布的宽度也增加，使得分布更加平滑。当 $\lambda$ 足够大时（通常 $\lambda > 20$ ），泊松分布可以用正态分布 $N(\mu, \sigma^2)$ 近似，其中 $\mu = \lambda$ 和 $\sigma^2 = \lambda$ 。

数学推导

泊松分布的偏斜度（skewness） $\gamma_1$ 为：
$\gamma_1 = \frac{1}{\sqrt{\lambda}}$
当 $\lambda$ 很小时，偏斜度较大。随着 $\lambda$ 的增大，偏斜度减小，分布变得越来越对称。当 $\lambda$ 很大时，偏斜度 $\gamma_1$ 接近于 0，这意味着分布是对称的。
泊松分布的峰度 $\gamma_2$ 为：
$\gamma_2 = \frac{1}{\lambda}$
当 $\lambda$ 很大时，峰度 $\gamma_2$ 也接近于 0，这进一步表明分布接近正态分布。

图形

看几个不同 $\lambda$ 值下的泊松分布图形：

$\lambda = 1$ ：
- 分布高度偏斜，集中在 0 和 1 附近。
$\lambda = 5$ ：
- 分布仍然有些偏斜，但已经比 $\lambda = 1$ 时更加对称。
$\lambda = 25$ ：
- 分布接近对称，可以近似为正态分布。
$\lambda = 50$ ：
- 分布非常对称，几乎完全符合正态分布。

在这里插入图片描述

泊松噪声

泊松噪声（Poisson Noise）是指在成像过程中，由于光子的随机到达导致的一种噪声。泊松噪声的产生根源在于光的量子性质，即光是由离散的光子组成。当光子击中成像传感器（如CCD或CMOS）时，会转化为电子信号。然而，由于光子的到达是一个随机过程，这导致了检测到的光子数量存在波动，进而形成了图像中的噪声。由于服从泊松分布，称为泊松噪声。泊松分布噪声由图像数据生成的，均值 $\lambda$ 表示图像像素值的期望，由光强决定。泊松噪声的方差也是 $\lambda$ 。噪声的标准差表示噪声的波动程度。标准差越大，噪声的波动越大。

泊松噪声在很多领域都有应用，尤其是在需要处理低光成像的情况，比如天文摄影、医疗成像（如PET成像）、夜视设备等。在这些应用场景中，由于接收到的光子数量较少，泊松噪声成为主要的噪声来源，是影响图像质量的主要因素。这种噪声在低光照条件下的成像中尤为显著。

这种噪声与光强有关，随着光强的增加，泊松噪声的方差增加，但是泊松噪声的平均值也会增加，信号强度的增加速度比噪声强度的增加速度快，信噪比（Signal-to-Noise Ratio, SNR）会提高。

在高亮度区域，光强较强时（ $\lambda$ 较大），图像的信噪比更高，泊松噪声的影响相对较小；
而在低亮度区域，光强较弱时（ $\lambda$ 较小），图像的信噪比低，泊松噪声的影响更大。

在这里插入图片描述

低光照条件下泊松噪声的方差小，为什么泊松噪声更显著？

从泊松分布的统计特性和信噪比的定义来解释这一现象。

信噪比的定义

信噪比（SNR）是信号强度与噪声强度的比值。在成像和信号处理中，信噪比通常定义为：
$\text{SNR} = \frac{\text{信号强度}}{\text{噪声强度}}$

对于泊松分布噪声，信号强度是光子计数的均值 $\lambda$ ，噪声强度是噪声的标准差 $\sigma$ 。因此，信噪比可以表示为：
$\text{SNR} = \frac{\lambda}{\sqrt{\lambda}} = \sqrt{\lambda}$
在讨论信噪比（SNR）时，噪声强度通常用噪声的标准差来表示。这是因为标准差反映噪声的波动程度，而均值反映噪声的噪声的平均水平。

随着光强增加，信噪比的变化

从上述公式可以看出，信噪比 $\text{SNR}$ 与光强 $\lambda$ 的平方根成正比。这意味着：

当光强 $\lambda$ 增加时，噪声的均值（即 $\lambda$ ）也增加。
但噪声的标准差 $\sigma$ 只增加了 $\sqrt{\lambda}$ 。
因此，信噪比 $\text{SNR} = \sqrt{\lambda}$ 会随着光强的增加而增加。
这解释了为什么在低光照条件下拍摄的照片通常会有更多的颗粒感或“噪点”。