Гауссовский шум
Гауссовский шум — это статистический шум, имеющий плотность вероятности, равную плотности вероятности нормального распределения, также известного как Гауссовское.[1][2] Другими словами, значения, которые может принимать такой шум, имеют гауссовское распределение. Назван в честь Карла Гаусса.
Плотность вероятности гауссовской случайной величины равна
где отображает серый уровень, — среднее значение и — стандартное отклонение.[3]
Частным случаем является белый гауссовский шум, тогда значения в любой момент времени являются независимыми и одинаково распределенными случайными величинами (а значит, вместе они не коррелируют). При тестировании и моделировании каналов связи, Гауссовский шум используется как аддитивный белый шум, чтобы генерировать аддитивный белый гауссовский шум.
В телекоммуникациях на каналы связи может влиять широкополосный гауссовский шум, исходящий из разных естественных источников, таких как термальные вибрации атомов в проводниках (тепловой шум или шум Джонсона-Найквиста), дробовой шум, радиация чёрного тела с земли или других тёплых объектов, и из таких небесных источников как Солнце.
Гауссовский шум и цифровые изображенияПравить
Основные источники Гауссовского шума в цифровых изображениях появляются при получении сенсорного шума, вызванного плохим освещением и/или высокой температурой.[3] При обработке цифровых изображений Гауссовский шум может быть снижен используя фильтр, хотя при размывании изображения, может получиться нежелаемый результат — туманные границы и детали изображения, которые также соответствуют блокированным высоким частотам. Для снижения шума используют такие техники фильтрации, как шумопонижение, конволюция, медианный фильтр.[1][4]
См. такжеПравить
ПримечанияПравить
- ↑ 1 2 Tudor Barbu. Variational Image Denoising Approach with Diffusion Porous Media Flow (англ.) // Abstract and Applied Analysis (англ.) (рус. : journal. — 2013. — Vol. 2013. — P. 8. — doi:10.1155/2013/856876.
- ↑ Barry Truax.: Handbook for Acoustic Ecology (неопр.). Cambridge Street Publishing. Дата обращения: 5 августа 2012. Архивировано из оригинала 10 октября 2017 года.
- ↑ 1 2 Philippe Cattin. Image Restoration: Introduction to Signal and Image Processing (неопр.). MIAC, University of Basel (24 апреля 2012). Дата обращения: 11 октября 2013. Архивировано 18 сентября 2016 года.
- ↑ Robert Fisher, Simon Perkins, Ashley Walker, Erik Wolfart. Image Synthesis — Noise Generation (неопр.). Дата обращения: 11 октября 2013. Архивировано 19 октября 2013 года.