Pour la microscopie, nous testons fréquemment des caméras. Étant donné que mes applications impliquent un rapport signal / bruit très faible, il devient important que le bruit soit exempt de corrélations et de motifs, car la corrélation locale est tout ce qui distingue vraiment le signal de l'arrière-plan.
Pour tester le bruit, j'acquiert généralement une série de ~ 100 images sombres, c'est-à-dire des images où aucune lumière externe ne frappe la caméra, détermine le modèle de caméra fixe par moyenne temporelle et soustrais celui de la série.
J'ai observé des motifs dans le bruit en prenant simplement l'écart-type pour chaque pixel dans le temps et en regardant l'image résultante (où, par exemple, différentes lignes / colonnes de la caméra avaient des écarts-types de bruit différents), et en faisant des lignes et des colonnes. corrélation croisée (où j'ai remarqué pour une caméra entrelacée que le bruit était corrélé entre toutes les deux rangées).
Le premier de ces tests est uniquement qualitatif, et le second ne me donne que des corrélations (relativement) globales. Existe-t-il de meilleures façons (et plus rapidement?) De déterminer s'il existe une corrélation ou un motif dynamique dans le bruit de la caméra?
Réponses:
Si j'étais vous, je prendrais simplement un grand nombre de non-signal, où vous ne mesurez aucun signal réel. Exécutez-le à travers les algorithmes d'identification dont vous disposez et voyez si vous voyez quelque chose. Si vous le faites, vous devez vous soucier des corrélations.
Je pense que ce qui pourrait vous manquer, c'est que la corrélation ne signifie pas toujours une fausse détection, surtout si vous avez un algorithme robuste pour ce type de bruit.
la source