Гауссов шум

Без шума

С гауссовским шумом

В обработки сигналов теории гауссов шум , названный в честь Карла Фридриха Гаусса , представляет собой разновидность сигнального шума которого , функция плотности вероятности (pdf) равна функции нормального распределения (которое также известно как распределение Гаусса ). ^[1]^[2] Другими словами, значения, которые может принимать шум, распределены по Гауссу.

Функция плотности вероятности $p$ гауссовой случайной величины $z$ дается:

\varphi (z)={\frac {1}{\sigma {\sqrt {2\pi }}}}e^{-(z-\mu )^{2}/(2\sigma ^{2})}

где $z$ представляет уровень серого, $\mu$ среднее значение серого и $\sigma$ его стандартное отклонение . ^[3]

Особым случаем является белый гауссов шум , в котором значения в любой паре моментов времени одинаково распределены и статистически независимы (и, следовательно, некоррелированы ). При тестировании и моделировании каналов связи гауссовский шум используется в качестве аддитивного белого шума для генерации аддитивного белого гауссовского шума .

В телекоммуникациях и компьютерных сетях на каналы связи может влиять широкополосный гауссов шум, исходящий от многих естественных источников, таких как тепловые колебания атомов в проводниках (называемые тепловым шумом или шумом Джонсона-Найквиста ), дробовой шум , излучение черного тела. от земли и других теплых объектов, а также от небесных источников, таких как Солнце.

шум в цифровых изображениях Гауссов

Основные источники гауссова шума в цифровых изображениях возникают во время получения, например, шум датчика, вызванный плохим освещением и/или высокой температурой, и/или передачей, например, шум электронных схем . ^[3] При цифровой обработке изображений гауссов шум можно уменьшить с помощью пространственного фильтра , однако при сглаживании изображения нежелательный результат может привести к размытию мелкомасштабных краев и деталей изображения, поскольку они также соответствуют заблокированным высоким частотам. Обычные методы пространственной фильтрации для удаления шума включают: фильтрацию по среднему ( свертке ), медианную фильтрацию и сглаживание по Гауссу . ^[1]^[4]

↑ Перейти обратно: Перейти обратно: ^а ^б Тудор Барбу (2013). «Вариационный подход к шумоподавлению изображений с помощью диффузионного потока пористых сред» . Аннотация и прикладной анализ . 2013 : 8. дои : 10.1155/2013/856876 .
^ Барри Труакс, изд. (1999). «Справочник по акустической экологии» (второе изд.). Издательство Кембридж-стрит. Архивировано из оригинала 10 октября 2017 г. Проверено 5 августа 2012 г.
↑ Перейти обратно: Перейти обратно: ^а ^б Филипп Каттен (24 апреля 2012 г.). «Восстановление изображения: введение в обработку сигналов и изображений» . MIAC, Базельский университет. Архивировано из оригинала 18 сентября 2016 г. Проверено 11 октября 2013 г.
^ Роберт Фишер; Саймон Перкинс; Эшли Уокер; Эрик Вольфарт. «Синтез изображения — генерация шума» . Проверено 11 октября 2013 г.