噪音通道模型_噪声模型

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

PDF

。

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

PDF

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。