Come faccio a determinare se ho un rumore senza pattern?


14

Per microscopia, testiamo spesso telecamere. Poiché le mie applicazioni prevedono un rapporto segnale-rumore molto basso, diventa importante che il rumore sia privo di correlazioni e schemi, poiché la correlazione locale è tutto ciò che distingue davvero il segnale dallo sfondo.

Per testare il rumore, di solito acquisisco una serie di ~ 100 fotogrammi scuri, ovvero fotogrammi in cui nessuna luce esterna colpisce la fotocamera, determinano il modello fisso della fotocamera mediante la media temporale e lo sottraggo dalla serie.

Ho osservato modelli nel rumore semplicemente prendendo la deviazione standard per ciascun pixel nel tempo e guardando l'immagine risultante (dove ad esempio righe / colonne diverse della telecamera avevano deviazioni standard di rumore diverse), e facendo riga e colonna correlazione incrociata (dove ho notato per alcune telecamere interfogliate che il rumore era correlato tra ogni altra riga).

Il primo di questi test è solo qualitativo e il secondo mi dà solo (relativamente) correlazioni globali. Esistono modi migliori (e più rapidi?) Per determinare se esiste qualche correlazione o pattern dinamico nel rumore della telecamera?


I frame scuri sono utili per determinare la risposta non uniforme in assenza di input. Ma sembra che in questi test stai ignorando la risposta non uniforme all'input effettivo. Non dovresti anche acquistare una serie di cornici illuminate in modo uniforme?
MSalters,

L'auto-correlazione viene spesso utilizzata per cercare di trovare un segnale nel rumore. Questo potrebbe essere fatto lungo una singola colonna / riga o frame-to-frame (per rumore variabile nel tempo). Ma dubito che sarebbe più semplice degli altri schemi.
Daniel R Hicks,

Risposte:


4

Se fossi in te, prenderei semplicemente un gran numero di nessun segnale, dove non stai misurando alcun segnale reale. Eseguilo attraverso qualsiasi algoritmo di identificazione che hai e vedi se vedi qualcosa. Se lo fai, allora devi preoccuparti delle correlazioni.

Penso che ciò che potresti perdere è che la correlazione non significa sempre un falso rilevamento, specialmente se hai un algoritmo robusto per questo tipo di rumore.


1
Hai ragione nel dire che non tutti i modelli sono significativamente cattivi. Tuttavia, non deve comportare un falso rilevamento, può essere abbastanza grave per alcune misurazioni se la correlazione porta a cambiamenti apparenti nel segnale. Inoltre, se mi viene data la scelta, preferirei acquistare una fotocamera progettata correttamente, piuttosto che dover implementare soluzioni alternative nel software.
Jonas,
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.