红外去噪算法

❶ 特殊去噪方法

在一个弹性分界面上形成的反射波、转换波均属于体波。在三维空间内，体波随着时间的变化向整个弹性空间的介质体积内传播。相对于体波而言，在弹性分界面附近，还存在着另一类波动，即面波。从能量来说，面波只分布在弹性分界面附近。其中，分布在地面附近自由表面的面波称为瑞雷面波(Rayleigh)。在地震勘探勘探中，把它作为一种干扰看待，需要压制或者剔除掉。但在工程勘探中，利用面波的频散现象，可以反演表层速度结构，通常可以作为一种工程勘察手段。另外，在表面介质和覆盖层之间，还存在一种SH型面波，称为乐夫面波(Love)。在深部两个均匀介质之间还存在类似瑞雷面波的斯通利面波(Stoneley)，在测井的饱和度计算中它可以得到很好的应用。

(1)极化滤波(polarization filtering)

在反射波的有效频带内，面波与有效波成分重合。半空间自然条件的复杂性、地表固体介质的纵横向非均匀性等因素，导致面波波场变得复杂，这样常规处理中使用带通滤波去面波将丢失有效波的低频成分。F-K滤波、τ-p变换等方法压制面波，通常会产生一定的混波效应，有效波的保真度将受到一定程度的影响。

极化滤波又称为向量滤波(vector filtering)、自适应滤波(adaptive filtering)等。采用极化滤波的方法压制面波十分重要。纵波与瑞雷波在传播过程中，质点的极化方式不同，能够利用这种不同的极化特征，采用极化分解技术的滤波方法去压制面波干扰，提高地层反射波与转换波的信噪比。Chiou-Fen、R.B.Herrmann(1990)较早提出采用极化滤波和相位匹配滤波压制面波的方法^{［99，100］}，张建军(1999)提出了利用极化滤波提取有效瑞雷面波的方法^［101］。近年的SEG年会，也有大量的文献介绍极化滤波的算法与效果。但是，由于资料或算法优化问题，在应用中有成功的，也有不成功的。

理论上，面波具有以下特征:

1)在传播方向的垂直面(xOz平面)内，介质质点沿椭圆轨道逆时针运动，是面上的椭圆极化波;

2)介质质点振动的振幅随深度Z迅速衰减，且衰减系数与波长成反比，具有明显的频散现象;

3)X方向的振动和Z方向的振动存在π/2的相位差;

4)在三维空间，面波的波前面是一个圆柱体。振幅随槡r(r为传播波前面扩散半径)衰减，比体波的球面扩散要慢。

实际上，在地震记录上，面波表现的特征是:

1)传播的视速度低、能量强、视频率低、频散现象明显等;

2)受其他信号与面波信号的叠加影响，实际地震记录的Z分量与R分量极化图呈不规则椭圆形状。

全数字3D3C采集记录了X、Y、Z三分量完整的波场，包含了纵波、转换波、面波等完整的波场矢量信息。由于Rayleigh面波在空间的质点运动轨迹是椭圆，弹性体波在空间的质点运动轨迹是直线，随机噪声在空间的质点运动轨迹没有一定的形状，没有确定的方向性。根据这些特征，对三分量检波器所记录的面波水平与垂直分量的极化图进行椭圆拟合后，就可以从三分量的水平与垂直分量记录中有效地消除面波的影响以提高资料数据信噪比。通常，极化滤波在坐标旋转后的Z分量和R分量上进行。

以下介绍极化滤波实现方法及应用效果。

1)椭圆参数求解。

椭圆一般圆锥曲线方程表示为

图4.3.8 典型的P波泄漏转换波记录

图4.3.9 P波泄漏压制前(左)后(后)记录

(3)P波泄漏衰减(Pwave leakage attenuation)

在非规则地表或低降速带较薄的情况下，如转换波记录的X和Y分量上往往存在频率较高、速度也比较高的具有双曲线特征的P波干扰，即P波泄漏干扰。如图4.3.8可见，在一些转换波记录上，P波泄漏干扰十分严重，如不采用合理的方法进行压制，就严重影响转换波处理效果。

P波泄漏的衰减方法可以采用类似于去多次波的方法实现，只是在去除P波泄漏时首先利用估计的转换波速度进行NMO动校正。由于转换波速度比纵波速度低，当转换波基本校直时，纵波将出现严重的校正过量，可利用高精度τ－p域去噪方法衰减泄漏的P波。当然，也可以使用纵波的速度对转换波记录进行动校正，并利用二维去噪技术滤除水平同相轴。

还可以根据P波在Z分量上和R分量上具有相似性的特征，进行P波泄漏压制。利用自适应滤波方法去除转换波中与Z分量相同的部分信号，从而达到压制P波泄漏干扰的目的。

图4.3.9为P波泄漏压制前后的转换波记录，可见主要目的层(2500～3000ms)及以上的P波泄漏得到较好的压制。转换波记录的信噪比得到了进一步提高。

❷ 去噪算法中的3σ准则是什么

误差超过3σ的情况仅占总数的0.3%，所以舍去。因操作出错导致的偏差（这就不是误差了）通常远高于3σ。

❸ 图像处理中常用的降噪滤波器有哪些 它们分别适用于哪些场合

不同的滤波器用于不同的噪声，很难说某一个降噪滤波器能符所有的噪声。
首先，说一下噪声的类型吧，噪声的分类和该噪声的分布符合什么模型有关，常见的噪声有高斯白噪声、椒盐噪声、泊松分布噪声、指数分布噪声等。
其次，采用的滤波器有空域滤波器，比如均值滤波器、中值滤波器、低通滤波器、高斯滤波等；频域滤波器，比如小波变换、傅里叶变换、余弦变换等；形态学滤波器，主要是通过膨胀和腐蚀等形态学操作进行去噪。
第三，对应场合。一般平时见的比较多是是高斯白噪声，像用均值滤波、中值滤波、高斯滤波可以去噪。还有在低照度下，比如晚上拍照时的图像，一般属于泊松分布的噪声，可以采用一些3d去噪算法，比如效果不错的BM3D算法。像椒盐噪声，一般用中值滤波基本可以去噪。
大概了解就这么多了，如果你还想深入了解的话，可以找一些图像专业方面的书籍，或者找一些去噪方面的综述性的论文看看。

❹ 信号去噪方法有那些

哪种信号啊？信号分老多种啦!
我对雷达较有研究给你我的论文看一下吧

常常借鉴地震资料处理的反褶积方法，将雷达记录转变为反射系数序列。然而由于地下介质的复杂性和各种噪声的影响，常常反褶积对杂波与信号的分离并无改善；所以很多情况下应用效果并不理想。鉴于利用常规的探地雷达数据处理方法进行目标体资料分析，易受杂波干扰、波形混叠等等因素影响而导致应用解释效果欠佳，因此对于探地雷达的数据处理方法仍有待于进一步深入研究。

在图像和信号处理论域广泛应用的小波变换，以及基于HHT变换的EMD分解等时频分析方法，近年来在探地雷达数据处理中得到了重视。小波变换具有线性变换、多分辨率分析、局部细化、可灵活选择小波基等等优点，对瞬态非平稳信号或宽带信号分析具有独特之处，使得它非常适合于探地雷达脉冲信号的处理。而希尔伯特(换是提取信号瞬时参数的有效途径，但它对信号的提取有条件要求；基于HHT变换的经验模态分解，依据数据本身的信息进行分解，得到的固有模态函数信号是有限个且均满足Hilbert变换对信号的提取条件，较之基于传统的傅立叶变换的时频分析方法，具有真正有意义的瞬时参数分析。

由于应用探地雷达的瞬时参数分析可以形成三个参数相互独立的解释剖面，从而比较全面的了解地下介质变化情况。但是瞬时参数易受噪声影响，尤其是瞬时相位对噪声干扰比较敏感。而城市环境中探地雷达探测信号干扰较多，同时由于工作条件的复杂多样，有时直达波强度常常可与探测目标回波强度相比拟。由于直达波的消除不易，使得对目标的特征识别、解释以及空间定位比较困难。在进行处理时，杂波的移除是非常重要的部分。为此首先进行常规处理，主要是消除直达波强烈影响。简单的做法是从实测的探地雷达记录中直接消减直达波记录；或者通过选择合理的滤波参数，采用移动平均滤波器或中值滤波器消减直达波；

在此基础上，采用小波变换方法对探地雷达数据进行降噪分析处理。从效果上讲，以Donoho的阀值去噪方法最为突出。这里利用Mallat提出的多分辨率分析的概念和正交小波快速算法（Mallat算法），假定噪声信号广泛分布在各个尺度且幅值相对较小，通过正交变换，将信号能量集中在某些频带的少数幅值相对较大系数上。为了数据处理方便，借助Matlab提供的方便而强大的计算及可视化工具，利用Matlab的小波工具箱函数，只须应用简单的信号处理知识和编程技能，就可以通过Matlab编程进行小波阀值估计，给予其它频带上的小波系数较小的权重或者置零，从而达到有效抑制噪声的目的。总的来说，应用小波变换处理可以有效地消除各种噪声干扰，从而更清楚有效地显示目标层位。

通过上述数据处理过程，避免了在噪声干扰情况下直接进行经验模态分解较难获得良好的分解效果的问题。由于希尔伯特－黄（HHT）变换具有一定的噪声分解能力，不同尺度的噪声被分离到不同的固有模态函数，使得噪声对信号的影响减小，从而信号特征的提取的有效性和信号分解的精度都有了提高。通过对经验模态分解得到的IMF信号进行变换，获得瞬时频率、瞬时相位、瞬时振幅等瞬时参数，其中瞬时频率可以较好的探测地下介质的形状和性质的变化；瞬时相位可有效的探测地下介质的连续性并且与信号振幅无关，可以更好的分析深层信号特征；瞬时振幅反映了信号能量的变化，可以推测地下介质性质的变化。

综上所述，根据探地雷达信号的特点，通过试验和研究，首先去除直达波等干扰，并利用小波变换具有良好的时频分析特性进行信号去噪，再利用希尔伯特－黄（HHT）变换得到瞬时频率、瞬时相位、瞬时振幅等瞬时参数，形成多个参数剖面，可以多角度多方面的分析探地雷达剖面并易于给出合理的地质解释。因此，在探地雷达信号去噪基础上，基于EMD分解的瞬时参数分析在探地雷达数据处理中具有很好的应用前景。

❺ 大疆拼图软件可以去噪吗

可以。
图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。
目前常用的图像去噪算法大体上可非为两类，即空域像素特征去噪算法：直接地在图像空间中进行的处理；变换域去噪算法：间接地在图像变换域中进行处理。

❻ 用小波分析法除去音频信号的噪声

小波变换及其应用是八十年代后期发展起来的应用数学分支，被称为“Fourier分析方法的突破性进展[1]”。 1986年Meyer Y构造了一个真正的小波基，十多年间小波分析及其应用得到了迅速发展，原则上传统的傅里叶分析可用小波分析方法取代[2],它能对几乎所有的常见函数空间给出通过小波展开系数的简单刻划，也能用小波展开系数描述函数的局部光滑性质，特别是在信号分析中，由于它的局部分析性能优越，因而在数据压缩与边缘检测等方面它比现有的手段更为有效[3-8]。 小波变换在图像压缩中的应用因它的高压缩比和好的恢复图像质量而引起了广泛的注意，且出现了各种基于小波变换的图像压缩方案。
小波变换自1992年Bos M等[9]首先应用于流动注射信号的处理，至今虽才8年时间，但由于小波变换其优良的分析特性而迅速渗透至分析化学信号处理的各个领域。本文介绍了小波变换的基本原理及其在分析化学中的应用情况。
1 基本原理
设f(t)为色谱信号，其小波变换在L2(R)中可表示为：

其中a, b∈R,a≠0,参数a称为尺度因子b为时移因子，而(Wf)(b, a)称为小波变换系数，y(t)为基本小波。在实际分析化学信号检测中其时间是有限长度，f(t)通常以离散数据来表达，所以要采用Mallat离散算法进行数值计算，可用下式表示：
fj+1=θj + f j
其中:N为分解起始尺度;M为分解次数；fj和qj可由下式求得：

此处:Φj, m为尺度函数;Ψj, m 为小波函数;系数Cmj ,dmj可由下式表达：

hk-2m , gk-2m取决于小波母函数的选取。
用图表示小波分解过程如下：

图中fN 、fN-1....fN-m和θN-1、θN-2....θN-m分别称为在尺度N上的低频分量和高频分量。上述分解过程的逆过程即是信号的重构过程。
2 分析化学中的应用
根据小波变换基本原理及其优良的多分辩分析特性，本文将小波变换在分析化学信号处理中的应用划归为以下三个方面：
2.1 信号的滤波
小波滤波方法目前在分析化学中应用主要是小波平滑和小波去噪两种方法。小波平滑是将某一信号先经小波分解，将在时间域上的单一信号分解为一系列不同尺度上的小波系数(也称不同频率上的信号), 然后选定某一截断尺度，使高于此尺度的小波系数全部为零，再重构信号，这样就完成了一个低通小波滤波器的设计；而小波去噪，则是在小波分解基础上选定一阈值，对所有尺度空间的小波系数进行比较，使小于此阈值的小波系数为零，然后重构信号[10]。
邵利民[11]等首次将小波变换应用于高效液相色谱信号的滤波，他们应用了Haar小波母函数，由三次小波分解后所得的低频部分重构色谱信号，结果成功地去除了噪声，明显地提高了色谱信号的信噪比，而色谱峰位保持一致，此法提高了色谱的最低检测量和色谱峰的计算精度。董雁适[12]等提出了基于色谱信号的小波自适应滤波算法，使滤波与噪声的频带分布，强度及信噪在频带上的交迭程度基本无关，具有较强的鲁棒性。
在光谱信号滤噪中的应用，主要为红外光谱和紫外光谱信号滤噪方面的应用，如Bjorn K A[13]等将小波变换用于红外光谱信号的去噪，运用6种不同的小波滤噪方法(SURE，VISU，HYBRID，MINMAX，MAD和WP)对加噪后红外光谱图进行了去噪,针对加噪与不加噪的谱图，对Fourier变换、移动平均滤波与小波滤波方法作了性能比较研究，结果认为Fourier变换、移动平均滤波等标准滤波方法在信噪比很低时滤噪性能与小波滤波方法差不多，但对于高信噪比的信号用小波滤噪方法(特别是HYBRID和VISU)则更有效 。闵顺耕[14]等对近红外漫反射光谱进行了小波变换滤波。顾文良[15]等对示波计时电信号进行了滤噪处理。王立世[16]等对电泳信号也做了小波平滑和去噪,都取得了满意的效果。邹小勇[17]等利用小波的时频特性去除了阶跃伏安信号中的噪音，并提出了样条小波多重滤波分析方法，即将过滤后的高频噪音信号当成原始信号进行滤波处理，使之对有用信号进行补偿。鲍伦军等[18]将样条小波和傅里叶变换联用技术应用于高噪音信号的处理。另外，程翼宇[19]等将紫外光谱信号的滤噪和主成分回归法进行了有机的结合，提出了小波基主成分回归(PCRW)方法，改善了主成分回归算法。
2.1 信号小波压缩
信号经小波分解之后，噪音信号会在高频部分出现，而对于有用的信号分量大部分在低频部分出现，据此可以将高频部分小波系数中低于某一阈值的系数去除，而对其余系数重新编码，只保留编码后的小波系数，这样可大大减少数据贮存量，达到信号压缩的目的。
在近代分析化学中分析仪器的自动化水平在不断提高，分析仪器所提供的数据量越来越大。寻找一种不丢失有效信息的数据压缩方法，节省数据的贮存量，或降低与分析化学信息处理有关的一些算法的处理量，已成为人们关心的问题。Chau F T等[20]用快速小波变换对模拟和实验所得的紫外可见光谱数据进行了压缩，讨论了不同阶数的Daubechies小波基、不同的分解次数及不同的阈值对压缩结果的影响。Barclay V J和Bonner R F[10]对实验光谱数据作了压缩，压缩率可达1/2~1/10,并指出在数据平滑和滤噪的同时，也能进行数据的压缩是小波有别与其他滤波方法的一大特点。王洪等[21]用Daubechies二阶正交小波基对聚乙烯红外光谱进行了成功的压缩，数据可压缩至原来的1/5以下。邵学广等[22]对一维核磁共振谱数据作了小波变换压缩，分别对常用的Haar、Daubechies以及Symmlet小波基作了比较，其结果表明准对称的Symmlet小波基对数据的复原效果最佳，而且在压缩到64倍时，均方差仍然较小。章文军等[23]提出了常用小波变换数据压缩的三种方法，将紧支集小波和正交三次B-样条小波压缩4-苯乙基邻苯二甲酸酐的红外光谱数据进行了对比，计算表明正交三次B-样条小波变换方法效果较好，而在全部保留模糊信号及只保留锐化信号中数值较大的系数时，压缩比大而重建光谱数据与原始光谱数据间的均方差较小。邵学广等[24]将小波数据压缩与窗口因子分析相结合，在很大程度上克服了用窗口因子分析直接处理原始信号时人工寻找最佳窗口的困难，在压缩比高达8:1的情况下，原始信号中的有用信息几乎没有丢失，窗口因子分析的解析时间大为缩短。Bos M等[25]用Daubechies小波对红外光谱数据进行压缩，压缩后的数据作为人工神经网络算法的输入接点，从而提高了人工神经网络的训练速度，预测的效果也比直接用光谱数据训练的要好。
2.3 小波多尺度分析
在多尺度分析方面的应用主要是对化学电信号进行小波分解，使原来单一的时域信号分解为系列不同频率尺度下的信号，然后对这些信号进行分析研究。
小波在色谱信号处理方面的应用，主要是对重叠色谱峰的解析。邵学广[26-27]等对苯、甲苯、乙苯三元体系色谱重叠峰信号小波变换后的某些频率段进行放大，然后重构色谱信号，使重叠色谱峰得到了分离，定量分析结果得到了良好的线性关系。此后邵学广[28]等利用了谱峰提取法对植物激素重叠色谱峰作了定量计算，此法表明，利用小波变换从重叠色谱信号中提取的各组分的峰高与浓度之间仍然具有良好的线性关系。
重叠伏安峰的分辨是电分析化学中一个长期存在的难题。当溶液中存在两种或更多的电活性物质，而这些物质的氧化(或还原)电位又很靠近时，就会不可避免地出现重叠峰的现象，而给进一步的定性、定量分析带来了很大困难。因此，人们做了较多的工作去解决这一难题。数学方法是目前处理重叠峰的重要手段，如Fourier变换去卷积以及曲线拟合。曲线拟合通常用来获得“定量”的信息，但这种方法有较多的人为因素，重叠峰包含的峰的个数，相对强度都是靠假设得来，因而可能引入严重的误差；去卷积方法则是一种频域分析手段，但该方法需先找出一个函数来描述伏安峰，然后再根据这个函数来确定去卷积函数，因此，去卷积函数的确定是比较麻烦的，尤其是对不可逆电极过程，无法找到一个合适的函数表达式，而且该方法还需经正、反Fourier变换，比较繁琐费时, 而小波分析的出现成了电分析化学家关注的热点。
陈洁等[29]用DOG小波函数处理差分脉冲实验数据，通过选择合适的伸缩因子，成功地延长了用DPV法测定Cu2+的线性范围。郑建斌等[30-31]将小波变换用于示波计时电位信号的处理，在有用信息提取、重叠峰分辨等方面进行了系统的研究。王洪等[32]将小波边缘检测的思想用于电位滴定终点的确定，找到了一种判断终点准确的终点判断方法。郑小萍等[33]将样条小波变换技术用于分辨重叠的伏安峰，以选定的分辨因子作用于样条小波滤波器，构造了一个小波峰分辨器，用它来直接处理重叠的伏安峰，取得了较好的分离效果，被处理重叠峰可达到完全基线分离，且峰位置和峰面积的相对误差均较小。
对于红外光谱图，目前也是通过对红外谱图进行小波分解，以提高红外谱图的分辩率。陈洁[34]等对辐射合成的丙烯酰胺、丙烯酸钠共聚物水凝胶的红外光谱信号经小波处理后，使其特征吸收带较好地得到分离，成功地提高了红外光谱图的分辨率。谢启桃[35]等对不同晶型聚丙烯红外光谱图作了小波变换，也得到了可用以区分聚丙烯a、b两晶型的红外光谱图。
3 展望
小波变换由于其优良的局部分析能力，使其在分析化学信号的滤噪、数据压缩和谱峰的分离方面得到了很好的应用。本人通过对小波变换在化学中应用的探索，认为对于分析化学中各种电信号的平滑、滤波还有待作更深入的研究，以设计出更为合理有效的小波滤波器，以消除由于平滑而导至的尖锐信号的峰高及峰面积的变化或由于去噪而带来的尖锐信号附近的不应有的小峰的出现；对于重叠峰的分离及其定量计算，还应该探讨如色谱峰基线的确定方法以及待分离频率段的倍乘系数的确定方法；另外对于色谱峰的保留指数定性问题，由于不同化合物在某一确定的分析条件下有可能会出现保留值相同的情况，这将使在未知样中加标准的峰高叠加法定性或外部标准物对照定性变得困难，我们是否可能对色谱峰进行小波分解，然后在不同的尺度上对其进行考察，以寻求色谱峰的小波定性方法，这可能是个可以进一步研究的问题。
小波变换将在分析化学领域得到更加广泛的应用，特别对于分析化学中的多元定量分析法，如多元线性回归法(MLR)，主成分回归法(PCR)，偏最小二乘法(PLS)等方法及人工神经网络(ANN)将会同小波变换进行有机的结合，以消除各种噪声干扰对定量分析的影响；或对相关数据进行压缩以减少待分析数据的冗余，提高分析精度和大大减少计算量提高分析速度。小波变换将会成为分析化学中定量和定性分析的一种非常重要的工具。

❼ 脆求数字图像的去噪方法研究。

针对数字信号处理中的去噪技术问题，利用Mumford-Shah泛函模型的特点进行去噪研究．对应用于图像处理中的二维Mumford-Shah泛函进行简化和降维处理，建立适合于数字信号去噪处理的一维Mumford-Shah泛函，利用能量最小化原理的变分方法导出一个新的去噪处理模型，并提出两种不同的计算算法：区域合并算法和点集扩张算法．在点集扩张算法中利用了统计学中常用的逐步分析方法，保证了处理结果的整体最优性．实验结果表明，两种算法均能有效地消除信号中的噪声，同时精确地提取出信号中的特征点．与Pollak-Willsky算法相比较，新的去噪处理模型能更好的保持信号中的原始特征信息．
来自《基于Mumford-Shah泛函的数字信号去噪算法》，陈旭锋 管志成，浙江大学计算机图形与图像处理研究所，浙江杭州310027

❽ 请问如何在matlab中对信号进行去噪操作。最好用函数的形式，方便其他程序调用

去噪有很多种方法，现在小波去噪最为常用，在matlab中有自带的函数进行小波去噪，简单易行。最常用且简单的是阈值去噪，用函数ddencmp()生成信号的默认阈值，然后利用函数wdencmp()进行去噪。如：
%对含噪信号s进行3层小波分解
[c,l]=wavedec(s,3,'db1'); %s为含噪信号，3为小波分解层数，db1为采用的小波基

%获取信号默认值
[thr,sorh,keepapp]=ddencmp('den','wv',s);
%参数den代表去噪，wv代表小波，s代表含有噪声的信号

%实现去噪过程
s2=wdencmp('gbl',c,l,'db1',3,thr,sorh,keepapp);
%参数gbl表示采用全局去噪

❾ 如何根据噪声类型选择不同的去噪方法;

图像在采集和传输中会不可避免的受到噪声的污染，影响人们对图像的理解和分析处理。图像去噪的目的就是滤除噪声，减少噪声的影响，使图像信息更加真实的呈现。本文简单介绍了图像噪声的分类及常用的图像的去噪方法，对传统的中值滤波方法进行了分析，并针对传统的中值滤波方法存在的不足,提出自适应中值滤波方法，并在MATLAB软件上进行了编程和仿真。结果表明自适应中值滤波方法对噪声密度较大的图像比传统中值滤波有更好的滤波效果。

本文第一章对数字图像处理常用方法，图像噪声的分类和主要去噪方法等基础知识做了介绍，并对MATLAB软件发展主要组成和功能进行了概括，同时对用于图像处理的MATLAB主要函数进行了介绍。第二章对图像的中值滤波方法的原理和算法进行介绍，并分析其不足，提出自适应中值滤波器的设计。第三章对自适应中值滤波器的原理和设计算法做了分析，并在MATLAB软件上进行了编程和仿真，对处理结果进行比对、归纳。最后，对本论文做了总结。

❿ 多图像平均法为什么能去除噪声，该方法的难点是什么

多图平均法跟多次测量取平均值差不多。多幅图像加权，噪声的强度下降。至于难点，应该是加权权值的选取，以及图像的多少。