噪聲水平估計對於非盲去噪方法是至關重要的，噪聲水平估計質量直接影響去噪的質量。一般認為影象的噪聲都是零均值噪聲，所謂的噪聲水平估計就是通過單張噪聲影象估計高斯噪聲的方差（或標準差）

噪聲的分類

高斯噪聲是指它的概率密度函式服從高斯分佈（即正態分佈）的一類噪聲。如果一個噪聲，它的幅度分佈服從高斯分佈，而它的功率譜密度又是均勻分佈的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關，一階矩為常數，是指先後訊號在時間上的相關性。

泊松噪聲，就是符合泊松分佈的噪聲模型，泊松分佈適合於描述單位時間內隨機事件發生的次數的概率分佈。

乘性噪聲一般由通道不理想引起，它們與訊號的關係是相乘，訊號在它在，訊號不在他也就不在。

椒鹽噪聲，椒鹽噪聲又稱脈衝噪聲，它隨機改變一些畫素值，是由影象感測器，傳輸通道，解碼處理等產生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由影象切割引起。

The additive white Gaussian noise is widely assumed in many image processing algorithms. However, in the real world, the noise from actual cameras is better modeled as signal dependent noise (SDN).——訊號相關噪聲，乘性噪聲。

本文提出了一種演算法來估算噪聲圖片中得乘性噪聲。

The proposed algorithm identifies the noise level function of signal-dependent noise assuming the generalized signal-dependent noise model and is also applicable to the Poisson–Gaussian noise model.估算乘性噪聲的noise level map

However, the noise from actual cameras is usually non-Gaussian, non-white and is better modeled as signal dependent noise (SDN) whose noise standard deviation is represented by a function of pixel intensity，乘性噪聲是跟訊號相關的，跟畫素空間相關的

The function which represents the standard deviation of the noise is called the noise level function (NLF)代表噪聲的標準差的稱之為噪聲水平函式

directly model the sensor noise from the irradiance domain and convert the signal to intensity domain by the pre-measured camera response function (CRF).直接模擬來自輻照度域的感測器噪聲，並通過預先測量的相機響應函式將訊號轉換為強度域。進而通過分段平滑的先驗模型來定義NLF（noise level function）NLF被定義為噪聲相對於畫素強度的標準偏差。噪聲水平函式由噪聲模型和它的引數來決定。因此，signal dependent noise的估計的主要目標是估算NLF模型的引數。而目前對於signal dependent noise的生成有兩個兩個模型

進行訊號獨立性噪聲的生成有兩種方法：

model the signal dependent noise: the generalized signal dependent noise model with three parameters and the Poisson-Gaussian noise model with two parameters.

generalized signal dependent noise model with three parameters

觀察到的噪聲畫素值可以表示為

其中，為噪聲畫素值（noisy pixel value）。為無噪聲畫素值noise-free pixel value。為the exponential parameter which controls the dependence on the signal（控制訊號依賴性的指數引數）。

the Poisson-Gaussian noise model with two parameters

（這個模型也正是做噪聲估計網路時候用的模型，泊松高斯噪聲）

影象感測器通過計算在給定時間間隔內入射在感測器上的離散光子的數量來測量場景輻照度。這個過程可以建模為poisson過程。這引發了另一種廣泛使用的訊號相關噪聲模型：Poisson-Gaussian noise model。對於該模型，

The noise level function of the Poisson-Gaussian noise為：

補充一點：所謂的噪聲等級（15、25）是需要除以255的。所以，之前的博文中《基於pytorch的噪聲估計網路》。乘性噪聲是40，而加性噪聲是15

Signal dependent noise引數估計演算法

這部分沒太看懂。。。。

Reference

給出兩個噪聲估計的github程式碼，裡面都有這個乘性噪聲

https://github.com/TomHeaven/Pixel-wise-Estimation-of-Signal-Dependent-Image-Noise-using-Deep-Residual-Learning#pixel-wise-estimation-of-signal-dependent-image-noise-using-deep-residual-learning

https://github.com/muggin/noise-parameter-estimation

論文（An Efficient Statistical Method for Image Noise Level Estimation）的CSDN筆記。這篇論文是接下來要深入看的

https://blog.csdn.net/zbwgycm/article/details/82346889

matlab實現加噪

https://blog.csdn.net/weixin_40446557/article/details/81451651