Для микроскопии мы часто тестируем камеры. Поскольку в моих приложениях используется очень низкое отношение сигнал / шум, становится важным, чтобы шум был свободен от корреляций и шаблонов, потому что локальная корреляция - это все, что действительно отличает сигнал от фона.
Чтобы проверить шум, я обычно собираю серию из ~ 100 темных кадров, то есть кадров, в которых внешний свет не попадает на камеру, определяю фиксированный шаблон камеры путем усреднения по времени и вычитаю его из серии.
Я наблюдал закономерности шума, просто беря стандартное отклонение для каждого пикселя во времени и просматривая полученное изображение (где, например, разные строки / столбцы камеры имели разные стандартные отклонения шума), и выполняя ряд и столбец взаимная корреляция (где я заметил, что для некоторой камеры с чередованием шум был коррелирован между каждым другим рядом).
Первый из этих тестов только качественный, а второй только дает мне (относительно) глобальные корреляции. Существуют ли более эффективные (и более быстрые) способы определения наличия корреляции или динамической картины в шуме камеры?
Ответы:
Если бы я был тобой, я бы просто взял большое количество сигналов без сигнала, когда ты не измерял бы никакого реального сигнала. Запустите его через любые алгоритмы идентификации, которые у вас есть, и посмотрите, видите ли вы что-нибудь. Если вы это сделаете, то вам нужно беспокоиться о корреляции.
Я думаю, что вы можете упустить то, что корреляция не всегда означает ложное обнаружение, особенно если у вас есть надежный алгоритм для такого рода шумов.
источник