噪声估计

参考：
北京1号小卫星图像噪声评估
光学传感器获取图像中的噪声一般为加性噪声 , 即叠加在图像上且与图像信号无关的噪声。通常认为这种噪声是高斯分布且功率谱密度均匀的高斯白噪声, 噪声的大小用其标准差进行衡量。也就是说在光学传感器这里我们一般得到的先验是噪声是高斯模型。

2 噪声估计的方法

那么可以用哪些方法来对噪声进行估计呢？这里介绍2中比较常用的方法。

2.1 均匀区域法

均匀区域法是评估噪声最简单的方法。均匀区域法从图像中选择均匀区域, 通过计算这些均匀区域的标准差获取图像的噪声评估结果。需要说明的是，均匀区域是指该区域是平坦的，且在区域内像素值之间的差异不大。但是由于在遥感图像中, 很难找到符合要求的大面积的均匀区域。所以该方法的适用性也就不是太广，然而这仍然不失为一种方法当我们面对其他类型带有大面积的均质区域时的图像时。

2.2 分块法

分块法是假设图像由大量均匀的小块构成, 利用各小块的方差进行噪声估计。首先将图像分割成小块, 认为在空间分辨率足够高和地物覆盖足够均匀的情况下, 这些子块是均匀的 , 然后计算这些子块的标准差。

式中, si为图像子块第i个像素的灰度值, N为图像子块的像素总数。求得子块标准差后, 在最大和最小标准差间建立若干等间隔的区间, 取包含子块数最多区间的局部标准差的平均值作为整个图像的最佳噪声估计。这种方法通过灰度差异的统计特性评估噪声, 不需要图像完全均匀, 只需图像中有多个小的均值区即可, 对图像均值性的要求较低, 比均匀区域法有更好的适用性。