¿Cómo determino si tengo ruido sin patrones?

Para microscopía, frecuentemente estamos probando cámaras. Dado que mis aplicaciones involucran una relación señal / ruido muy baja, es importante que el ruido esté libre de correlaciones y patrones, porque la correlación local es todo lo que realmente distingue la señal del fondo.

Para probar el ruido, generalmente adquiero una serie de ~ 100 cuadros oscuros, es decir, cuadros donde ninguna luz externa golpea la cámara, determino el patrón fijo de la cámara promediando el tiempo y lo resta de la serie.

He observado patrones en el ruido simplemente tomando la desviación estándar para cada píxel a través del tiempo y mirando la imagen resultante (donde, por ejemplo, diferentes filas / columnas de la cámara tenían diferentes desviaciones estándar de ruido), y haciendo filas y columnas correlación cruzada (donde noté para algunas cámaras intercaladas que el ruido estaba correlacionado entre las otras filas).

La primera de estas pruebas es solo cualitativa, y la segunda solo me da correlaciones (relativamente) globales. ¿Hay formas mejores (y más rápidas) de determinar si existe alguna correlación o patrón dinámico en el ruido de la cámara?

noise camera

— Jonas
fuente

Los cuadros oscuros son útiles para determinar la respuesta no uniforme en ausencia de entrada. Pero parece que en estas pruebas, estás ignorando la respuesta no uniforme a la entrada real. ¿No deberías también adquirir una serie de marcos con iluminación uniforme?

— MSalters

La autocorrelación a menudo se usa para tratar de encontrar una señal en ruido. Esto podría hacerse a lo largo de una sola columna / fila, o cuadro a cuadro (para ruido que varía con el tiempo). Pero dudo que sea más simple que los otros esquemas.

— Daniel R Hicks

Si yo fuera usted, simplemente tomaría una gran cantidad de sin señal, donde no está midiendo ninguna señal real. Ejecútelo a través de los algoritmos de identificación que tenga y vea si ve algo. Si lo hace, entonces debe preocuparse por las correlaciones.

Creo que lo que puede estar perdiendo es que la correlación no siempre significa una detección falsa, especialmente si tiene un algoritmo robusto para este tipo de ruido.

— PearsonArtPhoto
fuente

Tienes razón en que no todos los patrones son significativamente malos. Sin embargo, no necesita conducir a una detección falsa, puede ser lo suficientemente malo para algunas mediciones si la correlación conduce a cambios aparentes en la señal. Además, si me dan la opción, prefiero comprar una cámara que esté bien diseñada, en lugar de tener que implementar soluciones en el software.

— Jonas