高斯噪声

编辑
本词条由“匿名用户” 建档。

高斯噪音,以CarlFriedrichGauss的名字命名,是信号处理理论中的一个术语,表示一种信号噪声,其概率密度函数(pdf)等于正态分布(也称为高斯分布)。换句话说,噪声可以取的值是高斯分布的。 高斯随机变量z{displaystylez}的概率密度函数p{displaystylep}由下式给出: pG(z)=1σ2πe−(z−μ)22σ2 其中z代表灰度级,μ平均灰度值和σ它的标准偏差...

高斯噪音

编辑

高斯噪音,以 Carl Friedrich Gauss 的名字命名,是信号处理理论中的一个术语,表示一种信号噪声,其概率密度函数 (pdf) 等于正态分布(也称为高斯分布)。 换句话说,噪声可以取的值是高斯分布的。

高斯随机变量 z {displaystyle z} 的概率密度函数 p {displaystyle p} 由下式给出:

p G ( z ) = 1 σ 2 π e − ( z − μ ) 2 2 σ 2

其中 z 代表灰度级,μ 平均灰度值和 σ 它的标准偏差。

一个特例是 White 高斯噪声,其中任何一对时间的值均同分布且统计独立(因此不相关)。 在通信信道测试和建模中,使用高斯噪音作为加性白噪声,产生加性白高斯噪音。

在电信和计算机网络中,通信信道会受到来自许多自然来源的宽带高频噪声的影响,例如导体中原子的热振动(称为热噪声或约翰逊-奈奎斯特噪声)、散粒噪声、黑体辐射 来自地球和其他温暖的物体,以及来自太阳等天体。

高斯噪声

数字图像中的高斯噪音

编辑

数字图像中高频噪声的主要来源出现在采集过程中,例如 由照明不良和/或高温和/或传输引起的传感器噪声,例如 电子电路噪声。 在数字图像处理中,可以使用空间滤波器减少高频噪声,但在对图像进行平滑处理时,不良结果可能会导致精细缩放的图像边缘和细节变得模糊,因为它们也对应于受阻的高频。 传统的用于噪声去除的空间滤波技术包括:均值(卷积)滤波、中值滤波和高斯平滑。

内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/216709/

(5)
词条目录
  1. 高斯噪音
  2. 数字图像中的高斯噪音

轻触这里

关闭目录

目录