我這里參考論文：隨機值脈沖噪聲檢測系統的區域一致性指數方案
文章目錄
- 前言
- 一、什么是噪聲檢測？
- 二、LCI值的定義
- 1.噪聲像素與干凈像素的特點
- 2.如何確定LCI的值
- 總結
前言
本博客主要講述如何用LCI值的判斷像素是否是干凈像素 第一次寫 寫的不對之處還請多多指教
一、什么是噪聲檢測？
由于非理想傳感器，傳輸錯誤，錯誤的存盤器等，可能無法正確的評估數字影像中某些像素的光度值，這些損壞的像素會影響整體影像視覺，所以我們需要將被迫壞的噪聲像素檢測出來以此來為后面的修復影像打基礎，
二、LCI值的定義
1.噪聲像素與干凈像素的特點
特別的 c部分是粗糙區
根據圖片我們可以輕松得到一下幾個結論
1.無論位于平坦區還是位于粗糙粗糙區，對于一個脈沖像素（噪聲像素 一共分兩大類固定值脈沖和隨機值脈沖 我們這里主要談論的為隨機脈沖）通常可以找到相似的強度 而干凈像素都通常具有一定量的相似強度的像素
2.我們可以利用給定像素附近的相似像素值的數量來確定該像素是否脈沖值
2.如何確定LCI的值
這個LCI值可以理解為一個像素對于整個圖片的相似程度 當然這個LCI值越大說明此像素點為干凈像素的概率就越高 那么如何定義這個值呢？
其中
λ
(
x
,
y
)
\lambda(x,y)
λ(x,y)為幾何距離 運用了歐式距離
S
(
x
,
y
)
\mathit{S}(x,y)
S(x,y)為像素強度
從上面可以明顯看出相似度不單單是由幾何距離或者是強度的所決定的 后其我們會根據其幾何距離來加上合適的權重 來就算LCI值
其實計算到這一步我們已經可以比較了 但是由于算出來的值每一個數值偏差較大 我們將其進行了取平均 讓其值都在【0，2.5】左右 后將其歸一化將值限制在了【0，1】
但是經過后期實驗后發現其實沒有歸一化的值檢測的精確率更高（具體原因我經過理解后覺得不夠嚴謹所以這里不加以贅述
實驗結果 我們設定閾值為0.5 但其實還是有誤擊和漏檢的情況出現所以我們在后續會繼續改進
經過式子分析，閾值其實是檢測器是否能精確的檢測噪聲的一個標準 如若閾值的選擇有偏差會造成精確率下降等一系列問題而且通過上面的幾幅圖我們其實可以得知平坦區和粗糙區的LCI值有很大區別 為了不造成精度下降等情況我們需要設定2個閾值 一個運用于平坦區 一個運用粗糙區
那么關于閾值的測定我將在下一篇里面進行詳細的講述
總結
1.LCI值可以用于判斷像素是否為噪聲點
2.判讀一個像素的是否為噪聲點不僅僅取決于像素強度還卻決于幾何距離 過遠的距離對于判斷像素的相似性沒有太大的參考價值
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/198067.html
標籤：java