首页 理论教育 图像噪声类型对比:高斯噪声与泊松噪声

图像噪声类型对比:高斯噪声与泊松噪声

时间:2023-06-30 理论教育 版权反馈
【摘要】:由图6-3和图6-7的对比可知,添加高斯噪声的图像比添加泊松噪声的图像更加模糊。

图像噪声类型对比:高斯噪声与泊松噪声

噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块,一般噪声信号与要研究的对象不相关,它以无用的信息形式出现,扰乱图像的可观测信息,通俗地说就是噪声让图像不清楚。

数字图像的噪声主要来源于两个方面,一是来源于图像的获取过程中,会受到图像传感器的质量和环境的影响。两种常用类型的图像传感器分别是CCD和CMOS,在采集图像的过程中,由于受传感器材料属性、工作环境、电子元器件和电路结构等的影响,会引入各种噪声,如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声等。二是来源于图像信号传输过程中,如通过无线网络传输的图像会受到光或其他大气因素的干扰。由于传输介质和记录设备等的不完善,数字图像在其传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节,当输入的对象并不如预想时也会在结果图像中引入噪声。

图像常见噪声基本上有4种,分别是高斯噪声、泊松噪声、乘性噪声和椒盐噪声,下面对这些噪声展开详细介绍。

6.2.3.1 高斯噪声

高斯噪声,顾名思义是指概率密度函数服从高斯分布(正态分布)的一类噪声,通常是因为不良照明和高温引起的传感器噪声。高斯噪声的概率密度函数为

式中:z——灰度值,z的值有70%落在[(μ-σ),(μ+σ)]范围内,有95%落在[(μ-2σ),(μ+2σ)]范围内;

μ——z的平均值或期望值;

σ——z的标准差,标准差的平方为z的方差

p(z)——图像中灰度值为z的噪声点出现的频率。

添加高斯噪声前后的效果对比如图6-3所示。由图可知,通常在RGB图像中,高斯噪声显现更加明显。

图6-3 添加高斯噪声前后的效果对比(附彩插)

(a)RGB原图;(b)添加高斯噪声后的RGB图像;(c)灰度图原图;(d)添加高斯噪声后的灰度图

6.2.3.2 高斯白噪声

如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称为高斯白噪声,高斯白噪声的二阶矩不相关,一阶矩为常数,即先后信号在时间上具有相关性。

(1)白噪声在功率谱上(以频率为横轴,信号幅度的平方为功率)趋近为常值,也就是说这种噪声频率丰富,在整个频谱上都有成分,即从低频到高频的波都存在(低频指的是信号不变或缓慢变化,高频指的是信号突变)。高斯白噪声的功率谱密度服从均匀分布,利用MATLAB验证高斯白噪声的程序如下,实验结果如图6-4所示。

图6-4 高斯白噪声的功率谱密度

由图6-4可以看出,高斯白噪声的功率谱密度服从均匀分布。

(2)高斯白噪声具有相关性:某一时刻的噪声点都与其他时刻的噪声幅值有关。例如,此时刻的噪声幅值比上一时刻的大,而下一时刻的噪声幅值比此时刻的还大,即信号的幅值在时间轴上按从小到大的顺序排列。除此之外,幅值从大到小,或幅值一大一小等都称为“相关”,而非“随机”。

(3)从概率密度角度来说,高斯白噪声的幅度分布服从高斯分布,严格来说是高斯白噪声的瞬时值服从高斯分布。

6.2.3.3 泊松噪声

泊松噪声也称为散粒噪声,就是符合泊松分布的噪声模型,泊松分布适合描述单位时间内随机事件发生的次数的概率分布。例如,某一服务设施在一定时间内收到的服务请求的次数、电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等。

泊松噪声存在是因为光由离散的光子构成,即光的粒子性。光源发出的光子打在CMOS上,从而形成一个可见的光点,现在忽略光学元件和电路等,简化图如图6-5所示。光源每秒发射的光子到达CMOS的越多,则该像素的灰度值越大。但是,因为光源发射和CMOS接收之间都有可能存在一些因素导致单个光子并没有被CMOS接收到或者某一时间段内发射的光子特别多,所以这就导致了灰度值会有波动,也就是所谓的泊松噪声。(www.xing528.com)

图6-5 泊松噪声形成过程简化图

在光源强度比较低的时候,如设定光强为每秒5个光子,那么CMOS每秒实际接收到的光子数为0~10,当然也可能会更多,但是概率几乎为0了,所以噪声最大为5。当光源强度比较高的时候,如每秒10 000个光子,那么CMOS每秒实际接收到的光子就可能为7 000~13 000(粗略的数字),所以噪声最大为3 000。从这个例子可知,光源强度越高,噪声越大,这是泊松噪声的一个特点。

如图6-6所示,高斯噪声是与光强没有关系的噪声,无论光强是多少,噪声的平均水平(一般是0)不变;而泊松噪声,会随着光强的增大,平均噪声也增大。

图6-6 高斯噪声和泊松噪声与光强之间的关系

泊松分布满足以下条件。

(1)时间越长,事件发生的可能越大,且不同时间内发生该事件的概率相互独立

(2)对于非常短的一段时间Δt来说,事件发生的可能性为P(t,t+Δt)=λΔt+o(Δt)。其中,P(t,t+Δt)表示在Δt时间内事件发生的概率;λ为一个参数,代表单位时间(或单位面积)内随机事件的平均发生次数;o(Δt)为高阶无穷小。

(3)对于非常短的一段时间来说,出现该事件两次的概率几乎为0。

(4)事件发生的次数符合概率分布:P(X=k)=(k=0,1,2,…)。其中,X代表某一事件,k代表事件发生的次数,P(X=k)代表该事件发生k次的概率,参数λ是单位时间(或单位面积)内随机事件的平均发生次数。

对应到我们的光源成像在CMOS上面的事件则很明显:时间越长,有一个光子被CMOS接收到这个事件发生的可能性就越大,在非常短的时间内同时收到两个光子的可能性为零,经过一一对应,可发现泊松噪声是符合泊松分布的。

添加泊松噪声前后的效果对比如图6-7所示。由图6-3和图6-7的对比可知,添加高斯噪声的图像比添加泊松噪声的图像更加模糊。

图6-7 添加泊松噪声前后的效果对比(附彩插)

(a)RGB原图;(b)添加泊松噪声后的RGB图像;(c)灰度图原图;(d)添加泊松噪声后的灰度图

6.2.3.4 乘性噪声

乘性噪声是信道(信道即通信的通道,是信号传输的媒介)特性随机变化引起的噪声,它主要表现在无线电通信传输信道中。例如,电离层对流层的随机变化引起信号不反应任何消息含义的随机变化,而构成对信号的干扰。乘性噪声只有在信号出现在上述信道中时才表现出来,它不会主动对信号形成干扰。乘性噪声普遍存在于现实世界的图像应用当中,如合成孔径雷达、超声波、激光等相干图像系统当中。添加乘性噪声前后的效果对比如图6-8所示,由图可知,添加乘性噪声时设置的方差越大,图像中噪声越多,图像退化越严重。

6.2.3.5 椒盐噪声

图6-8 添加乘性噪声前后的效果对比(附彩插)

(a)RGB原图;(b)添加方差默认值的乘性噪声后的RGB图像;(c)添加方差为0.2的乘性噪声后的RGB图像;(d)添加方差为10的乘性噪声后的RGB图像

椒盐噪声也称为脉冲噪声,是图像中经常见到的一种噪声,它是一种随机出现的白点或者黑点,可能是亮的区域有黑色像素或是暗的区域有白色像素,或是两者皆有。椒盐噪声的成因可能是影像信号受到突如其来的强烈干扰,类比数位转换器或位元传输错误等。例如,失效的感应器导致像素值为最小值,饱和的感应器导致像素值为最大值。添加椒盐噪声前后的效果对比如图6-9所示,由图可知,噪声密度d越大,对图像的影响也就越大。

图6-9 添加椒盐噪声前后的效果对比(附彩插)

(a)RGB原图;(b)添加密度d=0.05的椒盐噪声后的RGB图像;(c)添加密度d=0.2的椒盐噪声后的RGB图像;(d)添加密度d=0.5的椒盐噪声后的RGB图像

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈