[物理]第三讲 图像信息的相关知识续.ppt

图像信息的相关知识(2) 主要内容 图像中的噪声 图像质量评价 彩色图像的基本知识 彩色图像的基本知识 三基色原理 颜色的基本属性 彩色模型 彩色视觉模型 * * 图像噪声 图像噪声“不可预测”，只能用概率统计方法来分析，因此可以 将图像噪声看成是多维随机过程，采用随机过程的方法描述。 即用概率分布函数和概率密度分布函数来建立图像噪声模型 图像噪声的分类 按产生原因分 外部噪声：系统外部干扰从电磁波或者经电源 串进系统内部而引起的噪声。如电气 设备、天体放电引起的噪声 内部噪声 由光和电的基本性质引起的噪声：如 散粒噪声、热噪声、光量子噪声 电器的机械运动产生的噪声 元器件材料本身引起的噪声 系统内部设备电路所引起的噪声 统计观点分 平稳噪声：统计特性不随时间变化的噪声 非平稳噪声：统计特性随时间变化而变化的噪声 按噪声幅度分布分 高斯噪声：幅度按高斯分布 雷利噪声：幅度按雷利分布 按噪声频谱分 白噪声：频谱均匀分布的噪声 1/f噪声：频谱与频率成反比的噪声 三角噪声：频谱与频率平方成正比的噪声 按噪声与信号的关系 加性噪声：S(t)+n(t) 乘性噪声: S(t)[1+n(t)] 图像噪声的统计模型 噪声的统计模型可以用概率密度函数来描述 1）高斯噪声（正态噪声） 高斯噪声的概率密度函数 Z表述灰度值，u表示z的平均值或者 期望值， 表示标准差， 表示方差 图像处理中应用最广泛的一种图像噪声模型 2）瑞利噪声 瑞利噪声的概率密度函数 概率密度的均值和方差分别为 距原点的位移和其图形的基本形状向右变形，对于近似其曲线 的直方图比较适用 3）伽马噪声 概率密度函数 其中a0，b为正整数，！表示阶乘，概率 密度函数的均值和方差分别为 该函数是对标准伽马函数一种近似 4）指数噪声 指数噪声概率密度函数 其中a0，概率密度函数的均值和方差分别为 5)均匀噪声模型 概率密度函数的均值和方差分别为 均匀噪声概率密度函数 6）脉冲噪声（椒盐噪声） 脉冲噪声概率密度函数 不同的图像噪声模型在图像处理中应用不同的场合 高斯噪声主要来源于电子电路和由低照明度或高温带来的 传感器噪声 瑞利噪声是图像范围内特征化噪声现象 指数噪声和伽马噪声常常在激光成像和雷达成像中产生 脉冲噪声主要表现在成像中的短暂停留，如电视图像中的 雪花点状噪声 图像质量评价 图像质量评价是图像信息工程的基本技术之一，图像各种 处理后的结果都要求有一个合理的图像质量评价方法 图像质量 图像保真度：描述被评价图像与标准图像的偏离程度 图像可懂度：表示图像能向人或者机器提供信息的能力 评价方法 图像可懂度：定量测量很困难 图像保真度 客观保准度准则 主观保真度准则 客观保真度：被评价图像与标准图像之间的均方根误差或被 评价图像的均方根信噪比 客观保真度准则 设标准图像为 ，被评价图像 ，其中x，y 为0, 1, 2,…,N-1,对x和y的误差e(x,y)可以定义为 两幅图像的均方误差可表示为 均方根误差 将被评价图像看作是标准图像与噪声的叠加 被评价图像的均方信噪比可以表示为 相应的均方根信噪比 另一种常用的图像客观保真度——峰值均方误差 其中A为f(x,y)的最大幅值 主观保真度准则 主观保真度：有一批专家主观评估图像质量打分，并将他们 的评估结果进行平均得到 分类 绝对评价 相对评价 绝对评价：由观察者根据一些事先规定的评价尺度或者自己的 经验对被评价图像提出质量判断 P37主观保真度绝对评价尺度 相对评价：由评估专家将一批图像由好到坏进行分类，也就是对 图像进行相互比较得出好坏并给出分数 常用“群优度尺度” P37相对评价尺度 从上图中可以看出： 可见光的波段在电磁波谱中只占有相对较窄的波段，波长大体 分布在380~780nm之间 在可见光的波段内，随着波长的增长，使人产生紫、蓝、青、 绿、黄、橙红等颜色感觉 人眼的锥体细胞可以分为3个主要感觉类别：红、绿、蓝，65% 的锥体细胞对红光敏感，33%的细胞对绿光敏感，2%的细胞对 蓝光敏感 锥体细胞吸收光谱的特性 人类视网膜中有三种不同的光敏感性视色素，每种锥体细胞 色素对光谱不同位置的敏感度不同，它们光谱吸收的峰值分 别在430nm、540nm、570nm左右，对应的分别是红、绿、 蓝三个波段。 光谱上大多数颜色都可以用红（Red）、绿