均值滤波从图像复原角度的解释

廖老师说若将图像生成看作一个随机过程,均值滤波(Mean Filtering)可以视为在高斯噪声模型下的线性最小均方估计(Linear Minimum Mean Squared Error, LMMSE)或者极大似然估计(Maximum Likelihood Estimation, MLE)的特例。这给均值滤波从图像增强上升到了图像复原的高度。但是条件很严格,一般都满足不了。从频率响应的角度分析,均值滤波不如高斯平滑

根据基于高斯噪声模型的信号去噪的结论,基于高斯噪声模型的最优估计是:

f ^ = 1 n ∑ i = 1 n g i \hat{f} = \frac{1}{n} \sum_{i=1}^n g_i f^=n1i=1∑ngi

这个假设条件是

  • 高斯噪声假设 :假设噪声是均值为 0、方差为 σ 2 \sigma^2 σ2的高斯噪声。
  • 独立同分布:假设每个像素值是独立同分布的。

若假设随机过程又是均值遍历的,则可用空间平均替换时间平均。空间平均是指在同一时刻对图像中不同位置的像素进行平均,而时间平均是指对同一位置的像素在不同时间点进行平均。

若用用空间平均替换时间平均,这正是均值滤波的定义。均值滤波通过计算局部区域内所有像素值的平均值来估计真实的信号值。

在实际应用中,独立同分布的条件就不满足,况且图像并不是遍历的,如果区域亮度不一致,那么空间平均可能会使图像中的边缘变得模糊。

相关推荐
暴龙胡乱写博客41 分钟前
OpenCV---图像预处理(四)
人工智能·opencv·计算机视觉
李一帆'2 小时前
【论文阅读】Hierarchical Group-Level Emotion Recognition
论文阅读·计算机视觉
HyperAI超神经2 小时前
12个HPC教程汇总!从入门到实战,覆盖分子模拟/材料计算/生物信息分析等多个领域
图像处理·人工智能·深度学习·生物信息·分子模拟·材料计算·vasp
豆芽8193 小时前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
北上ing3 小时前
从FP32到BF16,再到混合精度的全景解析
人工智能·pytorch·深度学习·计算机视觉·stable diffusion
Eric.Lee20213 小时前
数据集-目标检测系列- F35 战斗机 检测数据集 F35 plane >> DataBall
人工智能·算法·yolo·目标检测·计算机视觉
白熊1883 小时前
【计算机视觉】CV实践- 基于PaddleSeg的遥感建筑变化检测全解析:从U-Net 3+原理到工程实践
人工智能·计算机视觉
起个破名想半天了13 小时前
计算机视觉cv入门之答题卡自动批阅
人工智能·opencv·计算机视觉
早睡早起吧13 小时前
目标检测篇---Fast R-CNN
人工智能·目标检测·计算机视觉·cnn
追逐☞14 小时前
机器学习(7)——K均值聚类
机器学习·均值算法·聚类