[論文レビュー] Salt-n-pepper noise filtering using Cellular Automata

Dimitrios Tourtounis, Nikolaos Mitianoudis+1 more|arXiv (Cornell University)|Aug 16, 2017

Cellular Automata and Applications参考文献 35被引用数 3

ひとこと要約

本論文は、2次元モア近傍を用いた低複雑性の細胞オートマトン（CA）ベースの手法を提案し、グレースケール画像からのソルトアンドペッパー雑音除去を実現する。ノイズのある画素を特定し、非ノイズ画素の平均値で置き換えることで、10%～90%の雑音密度において高いPSNRおよびSSIM値を達成。エッジの保持とぼかしの最小化を実現し、最先端の手法を上回る性能を発揮する。

ABSTRACT

Cellular Automata (CA) have been considered one of the most pronounced parallel computational tools in the recent era of nature and bio-inspired computing. Taking advantage of their local connectivity, the simplicity of their design and their inherent parallelism, CA can be effectively applied to many image processing tasks. In this paper, a CA approach for efficient salt-n-pepper noise filtering in grayscale images is presented. Using a 2D Moore neighborhood, the classified "noisy" cells are corrected by averaging the non-noisy neighboring cells. While keeping the computational burden really low, the proposed approach succeeds in removing high-noise levels from various images and yields promising qualitative and quantitative results, compared to state-of-the-art techniques.

研究の動機と目的

• 高密度のソルトアンドペッパー雑音を効率的に除去しつつ、エッジや細線などの画像詳細を保持する課題に対処すること。
• 中間値フィルターや適応的中間値フィルタ（AMF）などの従来手法が、高雑音レベルでぼかしや高い計算複雑性を示すという限界を克服すること。
• 細胞オートマトンの内在的な並列処理性と局所的接続性を活用し、計算効率が高く、ハードウェアに適した画像ノイズ除去ソリューションを構築すること。
• 大規模なウィンドウサイズや複雑な適応機構を必要とせず、極めて高い雑音密度（最大90%）でも高い画像品質を維持できる手法を開発すること。

提案手法

• 各画素の周囲に2次元モア近傍（3×3グリッド）を用い、局所的な文脈を評価し、中心画素をノイズありまたはノイズなしに分類する。
• ノイズのある画素は、非ノイズ画素の隣接セルの平均強度で補正され、画像構造への歪みを最小限に抑える。
• 局所的な決定的ルールを用いて、近傍の分類に基づきセル状態を反復的に更新するアルゴリズムであり、画像グリッド全体で並列処理が可能である。
• ノイズあり／ノイズなしの二値分類ステップを経て、ノイズ画素にのみ強度補正を適用する。
• 規則的で局所的かつ本質的に並列な構造のため、FPGAやGPUへの実装が容易であり、ハードウェア効率性を考慮して設計されている。
• PSNRおよびSSIM指標を用いて、Lena, Baboon, Barbara, Lighthouse, Fingerprint, Pentagon などの複数の標準テスト画像を用い、10%～90%の雑音密度で評価を実施。

実験結果

リサーチクエスチョン

• RQ1 細胞オートマトンベースの手法は、広範な雑音密度（10%～90%）において、低い計算コストでソルトアンドペッパー雑音を効果的に除去できるか？
• RQ2 高雑音レベルにおいて、AMF、PSMF、FBAMF などの最先端フィルタと比較して、PSNRおよびSSIMの観点で本手法はどのように優れているか？
• RQ3 従来の中央値ベースのフィルタがこのような特徴をぼかすのに対し、本CA手法はエッジや細かいディテールをどの程度良好に保持できるか？
• RQ4 CAの内在的な並列性は、FPGAやGPUを用いたリアルタイム画像ノイズ除去用途に向けた効率的なハードウェア実装を可能にするか？
• RQ5 空間情報が限られている低解像度画像（例：256×256）において、本手法は高い性能を維持できるか？

主な発見

• 512×512のLena画像において、90%の雑音密度下でPSNRが27.98 dBを達成し、2番目に優れた手法（FBAMF）の26.91 dBを上回った。
• 70%の雑音密度下で、同じ画像でPSNRが33.18 dBを達成し、再びFBAMF（31.38 dB）を上回り、高雑音レベル下でも一貫した優位性を示した。
• 全テスト雑音密度において高いSSIM値を維持しており、復元画像と元の画像との間で構造的類似性が顕著に保たれていることを示した。
• 256×256解像度でさえも、SMF、PSMF、BDND といった従来手法が顕著なぼかしと画質低下を示す中、本手法は優れた性能を発揮した。
• Lena、Baboon、Barbara、Lighthouse、Fingerprint、Pentagon といった多様なテスト画像において、本手法は高雑音レベル下でも視覚的に優れた結果をもたらした。
• 低計算複雑性と内在的な並列性のおかげで、FPGAやGPUプラットフォームにおけるハードウェア加速に極めて適している。