[論文レビュー] MMSE Estimation for Poisson Noise Removal in Images

Stanislav Pyatykh, Jürgen Hesser|arXiv (Cornell University)|Dec 2, 2015

Image and Signal Denoising Methods参考文献 12被引用数 6

ひとこと要約

本稿では、k-d 木とK近傍者グラフ探索を用いて高速かつ正確な計算を可能にする、ポアソンノイズ除去のためのパッチ単位最小分散誤差（MMSE）推定器を提案する。この手法は、特に信号対ノイズ比が低い場合（ピーク強度 < 4）に既存手法を上回り、BM3D や SPDA といった最先端手法と比較して最大 0.3 dB のPSNR向上を達成する。

ABSTRACT

Poisson noise suppression is an important preprocessing step in several applications, such as medical imaging, microscopy, and astronomical imaging. In this work, we propose a novel patch-wise Poisson noise removal strategy, in which the MMSE estimator is utilized in order to produce the denoising result for each image patch. Fast and accurate computation of the MMSE estimator is carried out using k-d tree search followed by search in the K-nearest neighbor graph. Our experiments show that the proposed method is the preferable choice for low signal-to-noise ratios.

研究の動機と目的

• 低強度のポアソンノイズ状況における分散安定化変換の限界を解決すること。
• ポアソンノイズが付加された画像のMMSEベースのデノイジングに実用的で計算効率の良い手法を開発すること。
• 直接的なMMSE推定の高コストを克服するため、k-d 木とK近傍者グラフを用いて高速な近隣探索を実現すること。
• 特に低ピーク強度において、SPDA や BM3D といった既存のパッチベース手法と比較して優れたデノイジング性能を示すこと。

提案手法

• 各画像パッチを確率的ベクトルとしてモデル化し、平均二乗誤差を最小化するMMSE推定器を条件付き期待値 E[X|Y=y] として計算する。
• BSD500データセットの重複パッチから得られる自然画像パッチの事前分布（N_P ≈ 7×10^7パッチ）を用いる。
• パッチ空間における近隣探索を高速化するため、k-d 木を実装する。
• k-d 木上にK近傍者グラフを構築し、MMSE推定に適した候補パッチを精緻化することで精度を向上させる。
• 2段階の探索を実装する：まずk-d 木を走査して候補パッチを特定し、次にK-NNグラフ探索により重み付き平均を計算してMMSE推定を行う。
• 反復推定プロセスにおける速度と精度のバランスを図るため、M=10回の反復とK=2d個の近傍者を用いる収束基準を設定する。

実験結果

リサーチクエスチョン

• RQ1 高コストであるにもかかわらず、MMSE推定がポアソンノイズ除去に実用的に適用可能かどうか。
• RQ2 低SNR条件下で、MMSEベースのデノイジングは分散安定化ベースおよび辞書ベースの手法と比較してどの程度優れているか。
• RQ3 高次元パッチ空間における効率的かつ正確なMMSE推定を実現するためのデータ構造と探索戦略は何か。
• RQ4 SPDA や BM3D といった既存の最先端手法と比較して、提案手法がPSNR面で優れているかどうか、特に低強度画像において。
• RQ5 パッチサイズ、クラスタ数、および近傍リストサイズの選定が、手法の性能にどの程度影響を及えるか。

主な発見

• ピーク強度1におけるPeppers画像では、本手法が20.05 dBのPSNRを達成し、SPDA（19.77 dB）およびBM3D（19.71 dB）を上回った。
• ピーク強度2では、本手法が21.15 dBのPSNRを達成し、SPDA（20.86 dB）およびBM3D（20.86 dB）を上回り、BM3Dに対して0.29 dBの向上を示した。
• ピーク強度3では、本手法が21.82 dBのPSNRを達成し、SPDA（21.67 dB）およびBM3D（21.67 dB）を上回り、低SNR領域における一貫した優位性を示した。
• ピーク強度4では、本手法が22.24 dBのPSNRを達成し、BM3D（22.20 dB）とほぼ同等の性能を示し、SPDA（22.24 dB）と同等またはわずかに優れた性能を示した。
• ピーク強度5では、本手法が22.56 dBのPSNRを達成し、BM3D（22.63 dB）をわずかに下回ったが、全テスト画像の平均性能では最高を記録した。
• 標準PC上では256×256画像を約14分で処理でき、高次元パッチ処理を伴うにもかかわらず実用的な実行時間効率を示した。