数学中的噪声是什么

Ⅰ 数字图像处理中的图像噪声有哪些主要类型,主要特点是什么

1.图像噪声按其产生的原因可以分为
外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如电气设备，天体放电现象等引起的噪声。 内部噪声：一般又可分为以下四种： （1）由光和电的基本性质所引起的噪声。如电流的产生是由电子或空穴粒子的集合，定向运动所形成。因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。（2）电器的机械运动产生的噪声。如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。 （3）器材材料本身引起的噪声。如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。 （4）系统内部设备电路所引起的噪声。如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
2.图像噪声从统计理论观点可以分为
平稳和非平稳噪声两种。在实际应用中，不去追究严格的数学定义，这两种噪声可以理解为：其统计特性不随时间变化的噪声称其为平稳噪声。其统计特性随时间变化而变化的称其为非平稳噪声。
3.还可以按噪声幅度随时间分布形状来定义
如其幅度分布是按高斯分布的就称其为高斯噪声，而按雷利分布的就称其为雷利噪声。
4.也有按噪声频谱形状来命名的
如频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为 1/f噪声；而与频率平方成正比的称为三角噪声等等。5.另外按噪声和信号之间关系可分为 加性噪声和乘性噪声：假定信号为 ,噪声为 ，如果混合迭加波形是 形式，则称此类噪声为加性噪声；如果迭加波形为形式，则称其为乘性噪声。前者如放大器噪声等。每一个象素的噪声不管输入信号大小，噪声总是分别加到信号上。后者如光量子噪声，胶片颗粒噪声等。由于载送每一个象素信息的载体的变化而产生的噪声受信息本身调制。在某些情况下，如信号变化很小，噪声也不大。为了分析处理方便，常常将乘性噪声近似认为是加性噪声，而且总是假定信号和噪声是互相统计独立。
5.此外根据经常影响图像质量的噪声源又可分
首先，是记录在感光片上的图像会受到感光颗粒噪声的影响；其次，图像从光学到电子形式的转换是一个统计过程（因为每个图像元素接收到的光子数目是有限的）。最后，处理信号的电子放大器会引入热噪声。人们为建立这三类噪声的模型进行过大量研究。 （1）电子噪声 在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的。这类噪声很早就被电路设计人员成功地建模并研究了。一般常用零均值高斯白噪声作为其模型．它具有一个高斯函数形状的直方图分布以及平坦的功率谱。它可用其 RMS值（标准差）来完全表征。有时，电子器件也会产生一种所谓的1/f 噪声．这是一种强度与频率成反比的随机噪声。然而，图像处理问题很少需要对这种 噪声进行建模。 （2）光电子噪声 光电子噪声是由光的统计本质和图像传感器中光电转换过程引起的。在弱光照的情况下，其影响更为严重，此时常用具有泊松密度分布的随机变量作为光电噪声的模型。这种分布的标准差等于该随机变量均值的平方根。 在光照较强时，泊松分布趋向更易描述的高斯分布；而标准差（RSM幅值）仍等于均值的平方根。这意味着噪声的幅度是与信号有关的。

Ⅱ 噪声的定义是什么

噪声是人心理上认为是不需要的，使人厌烦的，起干扰作用的声音。声音由物体的振动产生。在生产中，由于机器转动、工件撞击与摩擦、气体排放所产生的噪声，称为生产性噪声或工业噪声。工人在有噪声源的工作地点从事生产劳动的作业叫做噪声作业。

分贝是声压级单位，用于表示声音的大小。工业噪声、交通噪声和生活噪声等是噪声的主要来源。生产性噪声，是涉及面最广泛、对工作人员影响最严重的噪声，目前已成为主要污染因素之一。

工业噪声的分类

（1）电磁性噪声：由于电机运转中交变力相互作用而产生的噪声。如发电机等发出的声音。

（2）机械性噪声：由于机械的摩擦、撞击、固体的振动和转动而产生的噪声，如球磨机、纺织机、机床、电锯、碎石机启动时所发出的声音。

（3）空气动力性噪声：这是由于空气振动而产生的噪声，如空气压缩机、通风机、汽笛、喷射器、锅炉排气放空等产生的声音。

Ⅲ 什么是数据噪声（数据库里的名词）

简单来说，数据噪声指在一组数据中无法解释的数据变动，就是一些不和其他数据相一致的数据。
它的英文定义是这样的：
statistical
noise
is
a
term
that
refers
to
the
unexplained
variation
or
randomness
that
is
found
within
a
given
data
sample
or
formula.
http://www.wisegeek.com/what-is-statistical-noise.htm

Ⅳ 数学建模中所说的噪声指什么

指杂散干扰，或者称为信号的失真
信号的发生、传递过程、接收都可能会产生噪声的说

Ⅳ 混沌和噪声（chaos，noise）有什么区别

混沌和噪声没有本质的区别.根据经典物理理论,世界的每一个粒子都遵循牛顿方程,因此,其轨迹是确定的.由于粒子间的力是非线性的,且不是可积的.其轨迹是混沌的.而现实世界的噪声可以认为由热运动引起的,而热运动又是粒子的运动,是混沌的.从这个意义讲,它们是一种东西.
但是数学上的噪声一般是指白噪声,即这一时刻和下一时刻没有关联.而有限自由度的混沌系统的信号时刻和下一时刻是相关联的,关联函数与lyapnov指数l的关系为e^(-l*t). 但是有色噪声也有类似关系. 从这种意义上讲白噪声相当于无穷lyapnov指数的混沌.而具有无穷lyapnov指数的混沌只出现在无穷维动力系统中.
也可这样区分混沌和噪声,将信号作延时重构,重构维数不是无穷的是混沌.
考虑量子涨落引起的噪声,它本质上不是混沌的,但是它与无穷维混沌系统的信号无法区分.

Ⅵ 数学理论里，“去噪”指的是什么

多指图像去噪，也有叫滤噪的，多为数学形态学，小波分析中用到这个名词．
简单的理解就是
去除或过滤掉噪声元素或者噪声数据．

Ⅶ 高斯白噪声是什么

所谓高斯白噪声(White Gaussian Noise)中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声是分析信道加性噪声的理想模型，通信中的主要噪声源——热噪声就属于这类噪声。

在一般的通信系统的工作频率范围内热噪声的频谱是均匀分布的，好像白光的频谱在可见光的频谱范围内均匀分布那样，所以热噪声又常称为白噪声。由于热噪声是由大量自由电子的运动产生的，其统计特性服从高斯分布，故常将热噪声称为高斯白噪声。

(7)数学中的噪声是什么扩展阅读：

特征：

高斯白噪声的功率谱密度服从均匀分布，幅度分布服从高斯分布。高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。

分类：

热噪声和散粒噪声是高斯白噪声。

热噪声亦称白噪声，是由导体中电子的热震动引起的，它存在于所有电子器件和传输介质中。它是温度变化的结果，但不受频率变化的影响。热噪声是在所有频谱中以相同的形态分布，它是不能够消除的，由此对通信系统性能构成了上限。

散粒噪声是由形成电流的载流子的分散性造成的，在大多数半导体器件中，它是主要的噪声来源。在低频和中频下，散粒噪声与频率无关（白噪声），高频时，散粒噪声谱变得与频率有关。

Ⅷ 数学上噪声是什么意思

① 音高和音强变化混乱、听起来不谐和的声音。是由发音体不规则的振动产生的（区别于【乐音】），从物理学的角度来看：噪声是发声体做无规则振动时发出的声音。② 同【噪声】：在一定环境中不应有而有的声音。泛指嘈杂、刺耳的声音。从环境保护的角度看：凡是妨碍到人们正常休息、学习和工作的声音，以及对人们要听的声音产生干扰的声音，都属于噪声。噪声是一类引起人烦躁、或音量过强而危害人体健康的声音。噪声污染主要来源于交通运输、车辆鸣笛、工业噪音、建筑施工、社会噪音如音乐厅、高音喇叭、早市和人的大声说话等。

Ⅸ 图像处理中噪声点是指什么

• 图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。很多时候将图像噪声看成是多维随机过程，因而描述噪声的方法完全可以借用随过程的描述，即用其概率分布函数和概率密度分布函数。

• 按概率密度函数（PDF）图像噪声的分类 ：

1. 高斯噪声：在空间域和频域中，由于高斯噪声(也称为正态噪声)在数学上的易处理性，这种噪声模型经常被用于实践中。

2. 瑞利噪声：瑞利密度对于近似偏移的直方图十分适用。

3. 伽马(爱尔兰)噪声。

4. 指数分布噪声 。

5. 均匀分布噪声。

6. 脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。

Ⅹ 什么是RMS噪声

RMS就是均方根。在数据统计分析中，将所有值平方求和，求其均值，再开平方，就得到均方根值。在物理学中，我们常用均方根值来分析噪声。同时，它也是定义AC波的有效电压或电流的一种最普遍的数学方法。

在物理学中，除讨论过电流在一个周期上的平均值外，还常考虑电流有效值，周期性非恒定电流的有效值规定为：当在其一个周期内，在负载电阻R上消耗的平均功率等于取固定值的直流电流在R上消耗的功率时，称这个值为有效值。

均方根值是对信号波形或的平方求平均值，均方根值也称有效值，它可以指示信号发送功率的能力。不管什么波形，具有相同均方眼值的信号发送到阻性负载上的功率是相同的。

(10)数学中的噪声是什么扩展阅读

方均根常用来计算一组数据和某个数据的“平均差”。像交流电的电压、电流数值以及均匀加速直线运动的位移中点平均速度，都是以其实际数值的方均根表示。

例如“220V交流电”表示电压信号的方均根（又称为有效值）为220V，此为交流电瞬时值（瞬时值又称暂态值）的最大值（峰值）。

方均根值并非所有模型均适用， 只有在数值分布呈现正态分布时才适用。如果分布呈现方波、三角波，那就要用其他的公式， 否则失真会很大。

初、高中的数学题目中常常会出现以方均根值计算班级平均成绩的题目， 这是预先假设全班成绩为正态分布的结果，实际情况不一定完全适用。 如成绩分布极为平均或呈现多峰状（如30分、70分的人数远超过其他分数的人数）， 方均根值就无法真实表现出该班级的平均成绩。