图像去噪——k-Sigma变换，模拟增益，噪声方差

一、k-Sigma变化

k-Sigma变换是一种用于图像去噪的方法，它的主要思想是通过一个特定的线性转换，将训练数据从ISO-dependent的域名转换到ISO-independent的域上。这个转换可以消除ISO的影响，使得在不同ISO下的图像噪声具有相同的分布。这样，就可以使用一个小型网络来处理各种噪声水平，而无需收集各种ISO下的数据。

k-Sigma变换定义式

k-Sigma变换定义为

定义式参数解析

其中，x是输入的图像像素值，k和σ2是与ISO相关的参数，分别表示模拟增益和噪声方差。通过这个变换，原始的图像数据x被映射到新的数据f(x)，这个新的数据服从一个简单的高斯分布。

二、模拟增益

模拟增益是指信号放大的倍率。在电子学上，通常为一个系统的讯号输出与讯号输入的比率。例如，在图像传感器中，增益通常分为数字增益和模拟增益，大部分CMOS同时具有这两种增益，每种增益可以独立调节倍数，例如4×的模拟增益和2×的数字增益，最终效果是两个相乘。

三、噪声方差

噪声方差是指信号随着时间变化的随机起伏。当信号的起伏以它的平均值为中心时，假设平均值恒定，则方差定义为Variance = (N-)^ {2}= -^ {2}。这里＜＞表示统计平均值或者静态平均值，意指在 t 时刻，一组样本的平均值。方差度量了同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动所造成的影响。噪声表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻画了学习问题本身的难度。