[論文レビュー] Removing Gaussian Noise by Optimization of Weights in Non-Local Means

Qiyu Jin, Ion Grama+1 more|arXiv (Cornell University)|Sep 26, 2011

Image and Signal Denoising Methods参考文献 20被引用数 12

ひとこと要約

本稿では、固定されたガウスカーネルの代わりに、平均二乗誤差のタイトな上界の最小化によって重みを計算することにより、画像のノイズ除去を最適化した非局所平均ノイズ除去フィルタを提案する。この手法はホルダー正則性下で最適収束速度を達成し、パラメータフリーで自動帯域幅選択を実現し、ガウスカーネルの代わりに三角カーネルを用いることで、標準的な非局所平均よりもシミュレーションで優れた性能を発揮する。

ABSTRACT

A new image denoising algorithm to deal with the additive Gaussian white noise model is given. Like the non-local means method, the filter is based on the weighted average of the observations in a neighborhood, with weights depending on the similarity of local patches. But in contrast to the non-local means filter, instead of using a fixed Gaussian kernel, we propose to choose the weights by minimizing a tight upper bound of mean square error. This approach makes it possible to define the weights adapted to the function at hand, mimicking the weights of the oracle filter. Under some regularity conditions on the target image, we show that the obtained estimator converges at the usual optimal rate. The proposed algorithm is parameter free in the sense that it automatically calculates the bandwidth of the smoothing kernel; it is fast and its implementation is straightforward. The performance of the new filter is illustrated by numerical simulations.

研究の動機と目的

• 非局所平均ノイズ除去における固定されたガウスカーネルの不適切な選択を是正するため、データ駆動基準に基づく重み最適化を行う。
• 対象画像の正則性条件の下で、ノイズ除去フィルタの理論的収束を最適レートで確立する。
• ユーザー入力なしにスムージング帯域幅を自動的に選択するパラメータフリーのアルゴリズムを開発する。
• 画像の局所的構造に重みを適応させることでノイズ除去性能を向上させ、オракルフィルタを模倣する。

提案手法

• フィルタは、各画素における真の画像強度を、周囲の画素の重み付き平均によって推定する。重みは平均二乗誤差のタイトな上界を最小化するように最適化される。
• 最適重みは、平均二乗誤差のバイアス-バリアンス分解を用いて、未知の画像関数の関数として閉形式で導出される。
• 計算可能なフィルタを得るため、観測されたノイズ付き画像から抽出したデータパッチを用いて、パッチ差に基づく局所的類似度測度を用いて最適重みを推定する。
• 本手法は重み関数に三角カーネルを採用しており、理論的およびシミュレーション的に標準的なガウスカーネルを上回ることを示している。
• 帯域幅選択は最適化プロセスによって自動化され、手動チューニングの必要性がなくなる。
• 理論的分析により、ホルダー正則性条件下で収束レート $ n^{-\frac{\beta}{2\beta+2}} $ が最適であることが確立されている。

実験結果

リサーチクエスチョン

• RQ1 固定カーネルの代わりに重み関数を最適化することで、非局所平均ノイズ除去の性能を向上させることができるか？
• RQ2 非局所平均におけるガウスカーネルの理論的裏付けのある代替手段は存在するか？ また、それによりより優れたノイズ除去結果が得られるか？
• RQ3 最適化により帯域幅パラメータを自動的に選択でき、手動チューニングの必要性がなくなるか？
• RQ4 提案されたフィルタは、標準的な正則性仮定の下で、画像ノイズ除去の最適収束レートに達するか？

主な発見

• 提案された最適重みフィルタは、ホルダー正則性条件下で $ O(n^{-\frac{\beta}{2\beta+2}} \ln n) $ の最適収束速度を達成し、この関数クラスにおいて可能な最も速いレートである。
• 数値シミュレーションにおいて、標準的な非局所平均を上回る性能を示しており、三角カーネルがガウスカーネルよりも優れたノイズ除去性能を発揮することが確認された。
• 帯域幅が重み関数の最適化によって自動的に選択されるため、本手法はパラメータフリーである。
• 理論的分析により、フィルタが最適レートで収束することが確認され、非局所平均に対してこれまでにない厳密な理論的裏付けが得られた。
• 重み最適化により、平均二乗誤差のタイトな上界がさらに小さくなり、局所的画像構造に適応することで推定精度が向上した。
• 計算効率が高く、実装が簡単であり、反復的手続や複雑なチューニングの必要がない。