时域降噪中图像序列噪声方差收敛分析：G(0, 1) 分布下的 Y 序列

根据题目中的描述，Y(i+1)表示第i+1帧图像的像素值，Y(i)表示第i帧图像的像素值，X(i+1)表示第i+1帧图像的噪声。\n\n根据题目中的定义，Y(i+1)的值是Y(i)和X(i+1)的平均值。由于X的像素噪声服从G(0, 1)分布，即均值为0，方差为1，所以X(i+1)的噪声方差也为1。\n\n根据上述定义，可以得到Y(i+1)的噪声方差为：\n\nVar(Y(i+1)) = Var((X(i+1) + Y(i))/2)\n = (1/4) * Var(X(i+1) + Y(i))\n = (1/4) * (Var(X(i+1)) + Var(Y(i)) + 2 * Cov(X(i+1), Y(i)))\n\n由于X(i+1)的噪声方差为1，所以有：\n\nVar(Y(i+1)) = (1/4) * (1 + Var(Y(i)) + 2 * Cov(X(i+1), Y(i)))\n\n根据题目中的定义，Y(1) = X(1)，所以有：\n\nCov(X(2), Y(1)) = Cov(X(2), X(1))\n = E(X(2) * X(1)) - E(X(2)) * E(X(1))\n = E(X(2) * X(1)) - 0 * 0\n = E(X(2) * X(1))\n\n由于X的像素噪声服从G(0, 1)分布，X(i)和X(j) (i ≠ j) 相互独立，所以有：\n\nE(X(i) * X(j)) = E(X(i)) * E(X(j)) = 0 * 0 = 0\n\n所以有：\n\nCov(X(2), Y(1)) = E(X(2) * X(1)) = 0\n\n因此，Y(i+1)的噪声方差可以表示为：\n\nVar(Y(i+1)) = (1/4) * (1 + Var(Y(i)) + 2 * Cov(X(i+1), Y(i)))\n = (1/4) * (1 + Var(Y(i)) + 2 * 0)\n = (1/4) * (1 + Var(Y(i)))\n\n由此可以看出，Y序列的噪声方差收敛于1/4。