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
硅谷秋水6 小时前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神6 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
楚山之石2 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
Martina_03212 天前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
jay神3 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2173 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水3 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG3 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG3 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计
硅谷秋水4 天前
将闲科技(LiberAI)提出世界动作模型Liber-0
机器学习·计算机视觉·语言模型·机器人