噪声水平估计对于非盲去噪方法是至关重要的，噪声水平估计质量直接影响去噪的质量。一般认为图像的噪声都是零均值噪声，所谓的噪声水平估计就是通过单张噪声图像估计高斯噪声的方差（或标准差）

噪声的分类

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。

泊松噪声，就是符合泊松分布的噪声模型，泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。

乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。

椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。

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).——信号相关噪声，乘性噪声。

本文提出了一种算法来估算噪声图片中得乘性噪声。

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.估算乘性噪声的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，乘性噪声是跟信号相关的，跟像素空间相关的

The function which represents the standard deviation of the noise is called the noise level function (NLF)代表噪声的标准差的称之为噪声水平函数

directly model the sensor noise from the irradiance domain and convert the signal to intensity domain by the pre-measured camera response function (CRF).直接模拟来自辐照度域的传感器噪声，并通过预先测量的相机响应函数将信号转换为强度域。进而通过分段平滑的先验模型来定义NLF（noise level function）NLF被定义为噪声相对于像素强度的标准偏差。噪声水平函数由噪声模型和它的参数来决定。因此，signal dependent noise的估计的主要目标是估算NLF模型的参数。而目前对于signal dependent noise的生成有两个两个模型

进行信号独立性噪声的生成有两种方法：

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