噪声模型
数字图像的噪声主要来源于图像的获取
(
数字化过程
)
和传输过程。
图像传感器的工作情
况受各种因素的影响,如图像获取中的环境条件和传感元器件自身的质量。例如,使用
CCD
摄像机获取图像,
光照程度和传感器温度是生成图像中产生大量噪声的主要因素。
图像在传
输过程中主要由于所用的传输信道的干扰受到噪声污染。
比如,
通过无线网络传输的图像可
能会因为光或其他大气因素的干扰被污染。
一
.
噪声的空间和频率特性
相关的讨论是定义噪声空间特性的参数和这些噪声是否与图像相关。
频率特性是指噪声
在傅里叶域的频率内容
(
即,相对于电磁波谱
)
,
例如,当噪声的傅里叶谱是常量时,
噪声通
常称为白噪声。
这个术语是从白光的物理特性派生出来的,
它将以相等的比例包含可见光谱
中所有的频率。
从第
4
章的讨论中不难看出,
以等比例包含所有频率的函数的傅里叶谱是一
个常量。
由于空间的周期噪声的异常
(5.2.3
节
)
,在本章中假设噪声独立于空间坐标,并且它与
图像本身无关联
(
简言之,
噪声分量值和像素值之间不相关
)
。
这些假设至少在某些应用中
(
有
限量子成像,例如
X
光和核医学成像就是一个很好的例子
)
是无效的,但复杂的处理空间非
独立和相关噪声的情况不在我们所讨论的范围。
二
.
一些重要噪声的概率密度和函数
基于前面章节的假设,
所关心的空间噪声描述符是
5.1
节中所提及模型的噪声分量灰度
值的统计特性。它们可以被认为是由概率密度函数
(PDF)
表示的随机变量,下面是在图像处
理应用中最常见的
。
高斯噪声
由于高斯噪声在空间和频域中数学上的易处理性,
这种噪声
(
也称为正态噪声
)
模型经常
被用于实践中。事实上,这种易处理性非常方便,使高斯模型经常用于临界情况下
。
高斯随机变量
z
的
由下式给出:
(5.2.1)
其中
z
表示灰度值,
μ
表示
z
的平均值或期望值,
σ
表示
z
的标准差。标准差的平方
σ
2
称为
z
的方差。高斯函数的曲线如图
5.2
(
a
)所示。当
z
服从式(
5.2.1
)的分布时候,
其值有
70
%落在
[(
μ
-
σ
),(
μ
+
σ
)]
内,且有
95
%落在
[(
μ
-2
σ
),(
μ
+2
σ
)]
范围内。