학술논문
Adaptive Blind Denoising Algorithm for Corrupted Single Image / 잡음 영상을 위한 적응적인 블라인드 디노이징 알고리즘
Document Type
Dissertation/ Thesis
Author
Source
Subject
Language
English
Abstract
Among the common techniques in the pre-processing step such as image enhancement, edge detection or segmentation, image denoising is one of the important techniques of this step that plays an inevitable role in multiple visual processing applications, for example, computer vision and pattern recognition. The better the performance of these techniques is, the better the result of the subsequent image processing operations is. This dissertation firstly proposes a very fast noise removal algorithm via the local statistics. In order to adaptively detect the noisy pixel, local statistics such as the local weighted mean, local weighted variance, and the local maximum are used and an adaptive modified Gaussian filter is presented. Secondly, for further increasing the noisy pixel detection performance, an improved algorithm has been proposed that bases on the noise level estimation and the property of Markov Random Field (MRF). In order to control the degree of reconstructed pixels' smoothness, the adjustable-size window filter is introduced. These local-based detecting-filtering algorithms show the competitive performance than other blind denoising approaches in terms of subjective performances such as PSNR, SSIM and especially, the computation complexity due to its simplicity and effectiveness. Moreover, finally, for obtaining better performance in terms of visual assessment, I come up with the idea of improved Non-Local mean filter that assisted by Down-Scaled image (NLM-DSI). It takes advantage of the potential ability to find the more similar patches over not only the observed noisy image but also its down-sampling version. This leads to the modified weighting function to reconstruct the noisy pixel. Also, by considering the context regions of the image activity, the size-adaptive patches-based NLM has been defined in this these. The experimental results demonstrate that the proposed algorithm provides competitive performance compares to the conventional NLM filter.
영상 전처리 단계에서 영상 개선, 에지 검출 또는 에지 분할과 같은 공통적인 기술 중, 영상 노이즈 제거는 컴퓨터 비전과 패턴인식과 같은 다중 시각정보 처리 응용 분야에서 중요한 필수 기술 중 하나이다. 이런 기술들의 성능이 개선될수록 영상처리 연산의 결과 또한 더 나아진다. 본 학위 논문은 먼저 국부 통계 특성 기반 고속 노이즈 제거 알고리즘을 제안한다. 노이즈가 섞인 화소를 적응적으로 검출하기 위해, 평균, 분산, 그리고 국부 최대치와 같은 국부 통계특성은 적응적으로 개량된 Gaussian 필터에 적용된다. 둘째로, 노이즈가 섞인 화소를 검출하는 성능을 증대시키기 위해, Markov Random Field(MRF)의 속성과 노이즈 레벨 추정에 기반한 향상된 알고리즘을 제안하였다. 재구성된 화소들의 완화도를 제어하기 위해, 크기 조절가능한 윈도우 필터가 소개되었다. 이러한 국부 기반 검출-필터링 알고리즘은 PSNR, SSIM, 그리고 계산 복잡도 측면에서 다른 블라인드 디노이징 접근방식들 보다 경쟁력있는 성능을 보인다. 셋째로 시각적인 평가 측면에서 더 나은 성능을 얻기 위해 축소 이미지를 이용한 향상된 Non-local mean 필터의 아이디어를 제시한다. 이 방식은 유사한 패치를 찾아낼 잠재력의 장점을 가지는데, 노이즈가 첨가된 입력 영상뿐만아니라, down-sampling한 이미지에서도 유사패치들을 검색해내기 때문이다. 이를 통해 노이즈가 첨가된 화소를 재구성하는데 개량된 가중치 함수를 유도할 수 있으며, 영상 활동성의 문맥 정보를 고려하여, 적응적인 패치 사이즈 기반 NLM이 정의 된다. 실험결과를 통해 제안된 알고리즘이 기존 NLM필터와 비교하여 경쟁력 있는 성능을 나타내고 있음을 알 수 있다.
영상 전처리 단계에서 영상 개선, 에지 검출 또는 에지 분할과 같은 공통적인 기술 중, 영상 노이즈 제거는 컴퓨터 비전과 패턴인식과 같은 다중 시각정보 처리 응용 분야에서 중요한 필수 기술 중 하나이다. 이런 기술들의 성능이 개선될수록 영상처리 연산의 결과 또한 더 나아진다. 본 학위 논문은 먼저 국부 통계 특성 기반 고속 노이즈 제거 알고리즘을 제안한다. 노이즈가 섞인 화소를 적응적으로 검출하기 위해, 평균, 분산, 그리고 국부 최대치와 같은 국부 통계특성은 적응적으로 개량된 Gaussian 필터에 적용된다. 둘째로, 노이즈가 섞인 화소를 검출하는 성능을 증대시키기 위해, Markov Random Field(MRF)의 속성과 노이즈 레벨 추정에 기반한 향상된 알고리즘을 제안하였다. 재구성된 화소들의 완화도를 제어하기 위해, 크기 조절가능한 윈도우 필터가 소개되었다. 이러한 국부 기반 검출-필터링 알고리즘은 PSNR, SSIM, 그리고 계산 복잡도 측면에서 다른 블라인드 디노이징 접근방식들 보다 경쟁력있는 성능을 보인다. 셋째로 시각적인 평가 측면에서 더 나은 성능을 얻기 위해 축소 이미지를 이용한 향상된 Non-local mean 필터의 아이디어를 제시한다. 이 방식은 유사한 패치를 찾아낼 잠재력의 장점을 가지는데, 노이즈가 첨가된 입력 영상뿐만아니라, down-sampling한 이미지에서도 유사패치들을 검색해내기 때문이다. 이를 통해 노이즈가 첨가된 화소를 재구성하는데 개량된 가중치 함수를 유도할 수 있으며, 영상 활동성의 문맥 정보를 고려하여, 적응적인 패치 사이즈 기반 NLM이 정의 된다. 실험결과를 통해 제안된 알고리즘이 기존 NLM필터와 비교하여 경쟁력 있는 성능을 나타내고 있음을 알 수 있다.