Comment déterminer si j'ai du bruit sans motif?


14

Pour la microscopie, nous testons fréquemment des caméras. Étant donné que mes applications impliquent un rapport signal / bruit très faible, il devient important que le bruit soit exempt de corrélations et de motifs, car la corrélation locale est tout ce qui distingue vraiment le signal de l'arrière-plan.

Pour tester le bruit, j'acquiert généralement une série de ~ 100 images sombres, c'est-à-dire des images où aucune lumière externe ne frappe la caméra, détermine le modèle de caméra fixe par moyenne temporelle et soustrais celui de la série.

J'ai observé des motifs dans le bruit en prenant simplement l'écart-type pour chaque pixel dans le temps et en regardant l'image résultante (où, par exemple, différentes lignes / colonnes de la caméra avaient des écarts-types de bruit différents), et en faisant des lignes et des colonnes. corrélation croisée (où j'ai remarqué pour une caméra entrelacée que le bruit était corrélé entre toutes les deux rangées).

Le premier de ces tests est uniquement qualitatif, et le second ne me donne que des corrélations (relativement) globales. Existe-t-il de meilleures façons (et plus rapidement?) De déterminer s'il existe une corrélation ou un motif dynamique dans le bruit de la caméra?


Les cadres sombres sont utiles pour déterminer la réponse non uniforme en l'absence d'entrée. Mais il semble que dans ces tests, vous ignorez la réponse non uniforme à l'entrée réelle. Ne devriez-vous pas également acquérir une série de cadres uniformément éclairés?
MSalters

L'auto-corrélation est souvent utilisée pour essayer de trouver un signal dans le bruit. Cela pourrait être fait le long d'une seule colonne / ligne, ou image par image (pour un bruit variant dans le temps). Mais je doute que ce serait plus simple que les autres régimes.
Daniel R Hicks

Réponses:


4

Si j'étais vous, je prendrais simplement un grand nombre de non-signal, où vous ne mesurez aucun signal réel. Exécutez-le à travers les algorithmes d'identification dont vous disposez et voyez si vous voyez quelque chose. Si vous le faites, vous devez vous soucier des corrélations.

Je pense que ce qui pourrait vous manquer, c'est que la corrélation ne signifie pas toujours une fausse détection, surtout si vous avez un algorithme robuste pour ce type de bruit.


1
Vous avez raison en ce que tous les modèles ne sont pas vraiment mauvais. Cependant, elle n'a pas besoin de conduire à une fausse détection, elle peut être suffisamment mauvaise pour certaines mesures si la corrélation conduit à des décalages apparents du signal. De plus, si on me donne le choix, je préfère acheter un appareil photo bien conçu, plutôt que d'avoir à implémenter des solutions de contournement dans le logiciel.
Jonas
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.