浅谈ISP-图像噪声模型2
上一篇主要介绍了各种噪声模型，这一篇进一步介绍图像噪声相关。
一．光子散粒噪声（泊松噪声）
图像传感器通过将光子捕获到光电二极管中来记录光，最终将其转换为数字信号。在积分时间内，光子在每个光点不是常数。相反，到达成像仪的光子数量的振荡会导致固有的不确定性。因此，即使在恒定和均匀光强的理想情况下，每个光点也可以接收不同数量的光子，但是，平均而言，每个像素的光子数量是相同的。这些振荡可以用泊松分布建模。泊松分布近似于给定时间段内以已知平均速率发生的多个独立事件的概率，并且只有一个参数λ，它表示其均值和方差。
光子以一定的平均速率独立撞击每个光点，因此，光子散粒噪声（PSN）具有泊松统计特性。PSN的方差由积分时间内撞击传感器的光子数的平方根给出：
因此，光子到达率的振荡为√N,根据上面公式，很明显，PSN随着光量（即光子N）的增加而增加。尽管如此，大量光子也会产生更高的SNR，因此PSN可以只有在光线不足的情况下才被视为问题。如果信号很强，则不仅SNR更高，可以最小化PSN的影响，但也可以通过高斯分布近似泊松分布。PSN是传感器记录的量（即光）中固有的，不能完全消除。然而，如果采用更大的像素，则可最大化光子量，即使是在低照的情况下。当然，这会增加传感器的尺寸和成本，因此必须找到合适的权衡。事实上假设两个传感器具有相同的分辨率，但像素大小不同，则像素较大的传感器原则上能够收集更多光子，从而产生更高的分辨率信噪比。我们可以得出结论，在以下情况下，PSN的影响更大：快的快门速度，低光照条件。
二．FPN和Temporal噪声
在FPN 中，术语fix是指这种噪声具有随时间不变的模式。 FPN 有两个主要组成部分，一个在黑暗中，一个在光照下。暗成分称为暗FPN，即使在没有照明的情况下也存在。光照下的FPN 称为 PRNU（Pixel Response Non Uniformity），是由像素对光的敏感度不同引起的。如果图像传感器包含列放大器，则暗FPN 可能会在图像中显示为垂直条纹（列 FPN），这容易被人眼检测到。
另一方面，时域（随机）噪声会随着时间而波动，因此它会出现在不同的帧中，且强度和空间位置不同。时域噪声是在采集过程中成像仪上产生的不同噪声源的总和（例如，光子散粒噪声）。其他时域噪声源包括：
•暗电流噪声：表示在图像传感器表面上产生的温度相关噪声。噪声是由热能释放的电子加上光子撞击成像仪产生的电子之和引入的。
•读出噪声：是传感器读出过程中产生的电子噪声。
•重置噪声：是由复位操作后留在传感器电容器中的残余电子产生的，该操作在新的场景采集发生之前执行。
•量化噪声：由A/D 转换器将光子转换为数字造成的。 将模拟信号转换为一组离散数字值时引入的误差称为量化误差。特别是当数字转换过程的比特深度较小时，量化噪声会显着影响图像质量。
三．亮噪和彩噪
3.1亮噪
亮度噪声在最终RGB图像中显示为中性颗粒。如果不过量，则图像甚至可能受益于这种噪声，因为它有助于整体感觉清晰度，避免卡通效应。在其他情况下，尤其是当像素尺寸非常小，即使在良好的光照条件下，也存在高噪音。pipeline末端的残留亮度噪声不能不加以处理，因为它特别烦人，尤其是在眼睛容易察觉的均匀区域。在RGB域中，亮度信息穿插在红、绿、蓝通道中；为了将亮度与色度信息分开，需要转换为YCbCr 颜色空间。存在将亮度与色度分开的其他色彩空间（例如，L*a*b*）。
图1 亮噪
3.2彩噪声
与亮度噪声不同的是，色度噪声是一种低频失真，在最终图像中以大彩色斑点的形式出现，亮度噪声是中性的，随着像素之间的亮度变化而可见。这些斑点通常为淡红色或蓝色，尤其是在低质量图像的黑暗区域（即在弱光或曝光不足的情况下获取）更为明显。色度噪声示例如图2所示。
在高斯噪声模型的假设下，色度噪声的低频特性不允许有效滤波。色度噪声的频率非常低，会产生较大的色块，因此简单的加权平均不能有效地减少颜色噪声。
为了有效地减少这种噪声，必须执行特殊处理。由于色块的尺寸较大，必须使用较大的滤光掩模。
图 2 彩噪
浅谈ISP-图像噪声模型2相关推荐
- 浅谈深度学习:如何计算模型以及中间变量的显存占用大小
原文链接:https://oldpan.me/archives/how-to-calculate-gpu-memory 前言 亲,显存炸了,你的显卡快冒烟了! torch.FatalError: cu ...
- 图像降噪算法——图像噪声模型
图像降噪算法--图像噪声模型 图像降噪算法--图像噪声模型 1. 图像噪声建模 2. C++代码实现 3. 结论 图像降噪算法--图像噪声模型 1. 图像噪声建模 首先,我们要区分图像传感器噪声和图像 ...
- [原]浅谈几种服务器端模型——反应堆模式（epoll 简介） - _Boz - 博客园
[原]浅谈几种服务器端模型--反应堆模式(epoll 简介) - _Boz - 博客园 [原]浅谈几种服务器端模型--反应堆模式(epoll 简介) 引言:上一篇说到了线程池方式来处理服务器端的并发, ...
- 01.Signal and Image Noise Models 信号与图像噪声模型
01.Signal and Image Noise Models 信号与图像噪声模型 标签(空格分隔): 未分类 资料:numeriacal tour-denoising simple1:Signal ...
- 图像噪声模型(matlab)
概述 在图像的采集.传送和转换过程中,会添加一些噪声,表现为图像模糊.失真和有噪声等.图像复原就是尽可能恢复退化图像的本来面目,沿用图像退化的逆过程进行处理.图像复原技术是根据图像退化的先验知识建立一 ...
- 浅谈Chatbot的架构模型和响应机制
不知您是否已注意到:人工智能已经不再是少数科技公司的初级原型产品了.在许多服务类行业中,带有人工智能的聊天机器人(Chatbot)正在逐步取代人工客服,提供及时.周到.互动的服务.通过机器学习的相关技 ...
- 浅谈OSI七层模型及ICP/IP四层模型
1.OSI七层模型的概念 在网络历史的早期,国际标准化组织(ISO)和国际电报电话咨询委员会(CCITT)共同出版了开放系统互联的七层参考模型. 一台计算机操作系统中的网络过程包括从应用请求(在协议栈 ...
- 浅谈经典大气辐射传输模型
5S模型 1986年由法国里尔科技大学大气光学实验室Tanre D.等人研发了5S模型,5S模型不仅可以用来模拟太阳辐射传输过程,还可以计算辐亮度.该模型假设大气吸收和散射作用可以耦合. 6S模型 6 ...
- [原]浅谈几种服务器端模型——多进程并发式
引言:上篇文章讲到同步阻塞迭代式的进程方式,这篇文章讲述一下关于处理单进程阻塞于系统调用的情况.使用方式是多进程的方式,可以减少很大一部分的因为进程阻塞所带来的服务器无法响应问题. 基本思想是这样,如 ...
最新文章
- 解决Unsupported major.minor version 51.0错误
- 第二期冲刺站立会议个人博客15（2016/6/08）
- webpack常用命令总结
- ehchache验证缓存过期的api_Ehcache缓存配置
- powerdesigner生成表sql语句时，统一添加默认字段（生成时间、生成人等）
- 芋道 spring security oauth2 入门_Spring官方宣布：新的Spring OAuth2.0授权服务器已经来了
- 网卡流量监控工具vnstat的使用
- [uboot 移植]uboot 移植过程
- html文件里面的中文乱码
- 服务器系统tcpip.sys,win7系统tcpip.sys文件引起蓝屏的解决方法
- P1878 舞蹈课(二叉堆)
- Burp抓取MuMu模拟器数据包
- rk3288 Android 8,RK3288W Android8.1开发日志（一）
- 在智能制造背景下，传统工厂何去何从？
- 解决TinyMCE富文本编辑器上传视频后在编辑区域内不能预览视频，被替换成img标签的问题
- N+1道Vue面试题，快来康康
- 创客学院知识巩固-01C语言回顾
- scratch——画板
- ASP.NET债务管理系统源码
- proteus仿真micropython_用Python让单片机“行动”起来——MicroPython实战入门篇