[論文レビュー] RENOIR - A Benchmark Dataset for Real Noise Reduction Evaluation.

Josue Anaya, Adrian Barbu|arXiv (Cornell University)|Sep 29, 2014

Image and Signal Denoising Methods参考文献 8被引用数 18

ひとこと要約

本稿では、さまざまな低照度条件下で撮影された400枚以上の実際の未処理カラー画像を含む、RENOIRと呼ばれるベンチマークデータセットを紹介する。各シーンに対して高ノイズおよび低ノイズの画像ペアが提供されており、最先端のノイズ除去手法（BM3D、アクティブ・ランダムフィールド、マルチレイヤーパーセプトロン）を評価した結果、BM3Dが最も優れた性能を示したが、他の手法に比べて著しく遅いことが判明した。

ABSTRACT

Abstract—In this paper we introduce a dataset of uncom-pressed color images taken with three digital cameras and exhibiting different levels of natural noise due to low-light conditions. For each scene there are on average two low-noise and two high noise images that are aligned at the pixel level both spatially and in intensity. The dataset contains over 100 scenes and more than 400 images, including both RAW formatted images and 8 bit BMP pixel and intensity aligned images. We also introduce a method for estimating the true noise level in each of our images. We use our dataset to analyze three current state of the art denoising algorithms: Active Random Field, BM3D, and Multi-Layer Perceptron. We found that BM3D obtains the best denoising results, however it is the slowest of the three methods with Active Random Field taking only a few seconds and Multi-Later Perceptron and BM3D taking a few minutes to half an hour to denoise a 10 to 18 mega-pixel image. Index Terms—image denoising, real camera noise, image dataset I.

研究の動機と目的

• 自然なノイズ状態下での画像ノイズ低減アルゴリズムの評価に用いられる標準化された実世界データセットの不足を是正すること。
• 制御された低照度環境下で撮影された、多様な実カメラノイズデータの収集を提供すること。
• 実際の未処理画像を用いて、最先端のノイズ低減アルゴリズムの公平かつ再現可能な比較を可能にすること。
• 実カメラ画像における真のノイズレベルを正確に推定する信頼性の高い手法の開発。

提案手法

• 異なる照明条件下で3台のデジタルカメラを用いて100枚以上のシーンを撮影し、高ノイズおよび低ノイズの画像ペアを収集する。
• すべての画像ペアにおいて画素レベルでのアライメントを実施し、空間的および強度的一致性を確保する。
• 多様なアルゴリズム的評価を可能にするために、RAW形式および8ビットBMP形式を提供する。
• 各画像における真のノイズレベルを定量化するためのノイズ推定手法を提案する。
• RENOIRデータセット上で、最先端の3つのノイズ低減アルゴリズム（アクティブ・ランダムフィールド、BM3D、マルチレイヤーパーセプトロン）を評価する。
• 10〜18メガピクセルの画像を対象に、定量的指標と実行時間の両方を用いて性能を測定する。

実験結果

リサーチクエスチョン

• RQ1 最先端のノイズ低減アルゴリズムは、自然なノイズを含む実世界の未処理カメラ画像に対して、どのように性能を発揮するか？
• RQ2 異なるアルゴリズム間で、ノイズレベルとノイズ低減性能の関係はどのようなものか？
• RQ3 実画像データ上での主要なノイズ低減手法間で、計算効率はどのように比較できるか？
• RQ4 信頼性のあるノイズレベル推定手法を実カメラ画像に適用することで、公平な評価を可能にすることができるか？

主な発見

• BM3Dは、RENOIRデータセット上での評価において、他のアルゴリズムに比べて最高のノイズ低減性能を達成した。
• アクティブ・ランダムフィールドは最も高速な手法であり、10〜18メガピクセルの画像に対して数秒でノイズ除去を完了した。
• マルチレイヤーパーセプトロンとBM3Dは、同サイズの画像に対して数分から30分程度の時間がかかっており、高い計算コストが確認された。
• 提案されたノイズ推定手法により、実カメラ画像における真のノイズレベルを正確に定量化できるようになった。
• 本データセットにより、実世界の条件下でのノイズ低減アルゴリズムの一貫性があり再現可能な評価が可能になった。
• 結果から、ノイズ低減品質と計算効率のトレードオフが明確に示された。BM3Dは速度を犠牲にしても最高の品質を提供している。