Question

请问脉冲噪声和椒盐噪声的区别是什么啊？谢谢

Answer 1

　　一.噪声的空间和频率特性
　　相关的讨论是定义噪声空间特性的参数和这些噪声是否与图象相关。频率特性是指噪声在傅里叶域的频率内容(即，相对于电磁波谱)，例如，当噪声的傅里叶谱是常量时，噪声通常称为白噪声。这个术语是从白光的物理特性派生出来的，它将以相等的比例包含可见光谱中所有的频率。从第4章的讨论中不难看出，以等比例包含所有频率的函数的傅里叶谱是一个常量。由于空间的周期噪声的异常(5.2.3节)，在本章中假设噪声独立于空间坐标，并且它与图象本身无关联(简言之，噪声分量值和象素值之间不相关)。这些假设至少在某些应用中(有限量子成像，例如X光和核医学成像就是一个很好的例子)是无效的，但复杂的处理空间非独立和相关噪声的情况不在我们所讨论的范围。二.一些重要噪声的概率密度和函数
　　基于前面章节的假设，所关心的空间噪声描述符是5.1节中所提及模型的噪声分量灰度值的统计特性。它们可以被认为是由概率密度函数(PDF)表示的随机变量，下面是在图象处理应用中最常见的PDF。高斯噪声由于高斯噪声在空间和频域中数学上的易处理性，这种噪声(也称为正态噪声)模型经常被用于实践中。事实上，这种易处理性非常方便，使高斯模型经常用于临界情况下 。高斯随机变量z的PDF由下式给出: (5.2.1)其中z表示灰度值，μ表示z的平均值或期望值，σ表示z的标准差。标准差的平方σ2称为z的方差。高斯函数的曲线如图5.2(a)所示。当z服从式(5.2.1)的分布时候，其值有70%落在[(μ-σ),(μ+σ)]内，且有95%落在[(μ-2σ),( μ+2σ)]范围内。 瑞利噪声瑞利噪声的概率密度函数由下式给出:(5.2.2)概率密度的均值和方差由下式给出:(5.2.3)和(5.2.4)图5.2(b)显示了瑞利密度的曲线。注意，距原点的位移和其密度图形的基本形状向右变形的事实.瑞利密度对于近似偏移的直方图十分适用.伽马(爱尔兰)噪声伽马噪声的PDF由下式给出:(5.2.5)其中，a>0，b为正整数且"!"表示阶乘。其密度的均值和方差由下式给出:(5.2.6)和(5.2.7)图5.2(c)显示了伽马密度的曲线，尽管式(5.2.5)经常被用来表示伽马密度，严格地说，只有当分母为伽马函数Г(b)时才是正确的。当分母如表达式所示时，该密度近似称为爱尔兰密度。

Answer 2

我现在学的书里《遥感数字图像处理教程》写了
椒盐噪声是双极脉冲噪声的另一种称呼
因为脉冲噪声值类似于随机分布在图像上的胡椒与盐粉微粒。
至于单极脉冲噪声则是像素点只有变黑或变白的意思

Answer 3

脉冲噪声　　
脉冲噪声是非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖峰组成。产生脉冲噪声的原因多种多样，其中包括电磁干扰以及通信系统的故障和缺陷，也可能在通信系统的电气开关和继电器改变状态时产生。 　
　
脉冲噪声对模拟数据一般仅是小麻烦。但在数字式数据通信中，脉冲噪声是出错的主要原因。 　　

脉冲噪声，它的持续时间小于1秒、噪声强度峰值比其均方根值大于10dB，而重复频率又小于10Hz的间断性噪声。 　　

脉冲噪声：突然爆发又很快消失，持续时间≤0.5s，间隔时间＞1s，声压有效值变化≥40dB（A）的噪声。

椒盐噪声　　
椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。 　　

去除脉冲干扰级椒盐噪声最常用的算法是中值滤波。 　　

路面图像属于结构光图像，使用区域分割技术中的阀值分割法消除白噪声及部分椒盐噪声，而不能使用中值滤波对白噪声及椒盐噪声进行滤波，因为滤波模板在图像中漫游时会改变光条中像素的真实灰度分布，给随后的重心法细化过程带来负面影响。
　　
大量的实验研究发现，由摄像机拍摄得到的图像受离散的脉冲、椒盐噪声和零均值的高斯噪声的影响较严重。噪声给图像处理带来很多困难，对图像分割、特征提取、图像识别等具有直接影响。因此，实时采集的图像需进行滤波处理。消除图像中的噪声成份叫做图像的平滑化或滤波操作。滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;二是为适应计算机处理的要求，消除图像数字化时所混入的噪声。对滤波处理的要求有两条:一是不能损坏图像轮廓及边缘等重要信息;二是使图像清晰，视觉效果好。