[論文レビュー] A Review Paper: Noise Models in Digital Image Processing

Ajay Kumar Boyat, Brijendra Kumar Joshi|arXiv (Cornell University)|May 13, 2015

Image and Signal Denoising Methods被引用数 9

ひとこと要約

本稿は、デジタル画像処理におけるノイズモデルの包括的レビューを提供し、ノイズの発生源と特徴を分析することで、効果的な画像ノイズ除去を支援する。Gaussian、Rician、Rayleigh、Poisson、インパルスノイズなどの一般的なノイズモデルを分類・定量的に評価し、画像取得および処理条件に応じて適切なモデルを選択可能にする。これにより、ノイズ除去の精度が向上する。

ABSTRACT

Noise is always presents in digital images during image acquisition, coding, transmission, and processing steps. Noise is very difficult to remove it from the digital images without the prior knowledge of noise model. That is why, review of noise models are essential in the study of image denoising techniques. In this paper, we express a brief overview of various noise models. These noise models can be selected by analysis of their origin. In this way, we present a complete and quantitative analysis of noise models available in digital images.

研究の動機と目的

• 画像の取得、符号化、送信、処理の各段階で影響を及ぼすノイズモデルについて、体系的なレビューを提供すること。
• さまざまなノイズタイプの発生源を特定・分析し、画像ノイズ除去における正確なノイズモデル化を支援すること。
• 画像修復応用におけるモデル選択の改善を図るため、ノイズモデルの定量的比較を提供すること。
• ノイズ特性に基づいてノイズ除去アルゴリズムを開発・選定する研究者にとっての基盤的リファレンスとして機能すること。
• 画像劣化の原因とノイズモデル選択を結びつけることで、画像ノイズ除去の効果を高めること。

提案手法

• 画像取得および処理プロセスにおける物理的・統計的発生源に基づくノイズモデルの分類。
• Gaussian、Rician、Rayleigh、Poisson、インパルスノイズなどの代表的ノイズタイプの分析。特に確率密度関数に注目。
• 平均、分散、分布の形状といった統計的性質を用いたノイズモデルの定量的評価。
• 信号に依存するノイズと信号に依存しないノイズ、加法的ノイズと乗法的ノイズの特性に基づく分類。
• CCDセンサー、無線伝送など、異なる画像システムにおけるノイズ挙動を記述するための数学的定式化の活用。
• ノイズモデルの特性を画像ノイズ除去アルゴリズムの設計および選定フレームワークに統合すること。

実験結果

リサーチクエスチョン

• RQ1 デジタル画像取得および処理システムにおけるノイズの主な発生源は何か？
• RQ2 Gaussian、Poisson、インパルスなどの異なるノイズモデルは、統計的挙動および物理的発生源においてどのように異なるか？
• RQ3 特定の画像劣化状況に適したノイズモデルを選択するための基準は何か？
• RQ4 ノイズモデルの選択が、画像ノイズ除去アルゴリズムの性能にどのように影響するか？
• RQ5 実世界の画像処理において、信号に依存するノイズモデルと信号に依存しないノイズモデルの定量的差異は何か？

主な発見

• Gaussianノイズは、数学的取り扱いのしやすさとセンサ電子回路での広範な存在から、最も一般的に仮定されるモデルである。
• RicianおよびRayleighノイズモデルは、MRIや超音波画像処理において、信号に依存する性質から特に重要である。
• Poissonノイズは、光子制限の信号を伴うCCDおよびCMOSセンサーにおいて、低照度画像撮影の場面で支配的である。
• インパルスノイズ（例：ソルトアンドペッパー）は、データ伝送エラーまたはセンサ故障に起因し、二値インパルス過程として最も適切にモデル化される。
• 本稿では、正確なノイズモデル同定が、モデル特有のフィルタリング手法の適用を可能にすることで、ノイズ除去性能の顕著な向上を示している。
• 加法的ノイズモデルと乗法的ノイズモデルの明確な区別は、適切な修復アルゴリズムの選定に不可欠である。