[논문 리뷰] A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body Theory

Sayantan Dutta, Adrian Basarab외 2명|arXiv (Cornell University)|2021. 12. 16.

Image and Signal Denoising Methods참고 문헌 58인용 수 9

한 줄 요약

이 논문은 국소적 이미지 이웃 영역 내의 패치 유사성을 양자 다체 이론을 활용해 모델링하는 새로운 이미지 노이즈 제거 알고리즘인 De-QuIP를 제안한다. 이미지 패치에서 다체 슈뢰딩거 방정식을 풀어, 상태에 따라 변화하는 스파arsity를 가지는 기반을 구성함으로써, 다양한 노이즈 유형과 강도—특히 초음파 영상에서의 가우시안 노이즈와 다중성 스펙클 노이즈—에 대해 최신 기법들을 능가하는 성능을 보이며, 계산 효율성과 낮은 신호 대 노이즈 비율에 대한 강건성을 향상시킨다.

ABSTRACT

Sparse representation of real-life images is a very effective approach in imaging applications, such as denoising. In recent years, with the growth of computing power, data-driven strategies exploiting the redundancy within patches extracted from one or several images to increase sparsity have become more prominent. This paper presents a novel image denoising algorithm exploiting such an image-dependent basis inspired by the quantum many-body theory. Based on patch analysis, the similarity measures in a local image neighborhood are formalized through a term akin to interaction in quantum mechanics that can efficiently preserve the local structures of real images. The versatile nature of this adaptive basis extends the scope of its application to image-independent or image-dependent noise scenarios without any adjustment. We carry out a rigorous comparison with contemporary methods to demonstrate the denoising capability of the proposed algorithm regardless of the image characteristics, noise statistics and intensity. We illustrate the properties of the hyperparameters and their respective effects on the denoising performance, together with automated rules of selecting their values close to the optimal one in experimental setups with ground truth not available. Finally, we show the ability of our approach to deal with practical images denoising problems such as medical ultrasound image despeckling applications.

연구 동기 및 목표

• 기존의 희박 표현에 국한되지 않고 이미지 패치 내의 구조적 유사성을 활용하여 강건하고 적응형 이미지 노이즈 제거 프레임워크를 개발하는 것.
• 단일 입자 양자 이미지 처리 방법의 한계를 해결하는 것—이러한 방법들은 계산 비용이 높고 복잡한 이미지 무늬를 포착하지 못함.
• 양자 영감을 받은 이미지 처리를 다체 시스템으로 확장하여, 패치 기반의 양자 상호작용을 통해 더 효과적인 희박화 변환을 가능하게 하는 것.
• 실제 응용에서 참조 데이터가 없을 경우 최적 성능을 내기 위한 자동 초모수 선택을 가능하게 하는 것.
• 특히 초음파 영상에서의 스펙클 노이즈처럼 다중성이고 비정규 분포인 노이즈에 대해 실용적 응용을 검증하는 것.

제안 방법

• 모든 이미지 패치를 양자 입자로 모델링하고, 유사도에 기반해 인접 패치 간의 상호작용을 정의함—다체 물리학에서의 해밀토니안 상호작용과 유사한 양자 상호작용 항으로 수식화함.
• 패치 유사도 측정치로부터 다체 해밀토니안을 구성하고, 이 해밀토니안의 기저 상태를 계산하여 희박 표현을 위한 적응형, 이미지 기반 기반을 생성함.
• 노이즈가 있는 패치를 양자 적응 기반에 투영하고, 계수를 임계처리하여 노이즈를 제거한 후, 복원된 계수로부터 이미지를 재구성하는 노이즈 제거 과정을 수행함.
• 기반을 유도하기 위해 슈뢰딩거 방정식을 사용함으로써, 유사한 패치들 간의 구조적 정보가 양자 얽힘 유사 상관관계를 통해 유지됨을 보장함.
• 상호작용 강도 및 정규화와 같은 초모수들은 국소적 이미지 통계 기반의 자동 규칙을 사용해 조정되며, 참조 데이터 없이도 최적 성능을 달성함.
• 알고리즘 수정 없이도 비가산성 노이즈(예: 초음파에서의 리시안 스펙클)를 처리할 수 있도록 하며, 양자 기반의 내재적 적응성에 기반함.

실험 결과

연구 질문

• RQ1 이미지 패치 간의 양자 다체 상호작용이 지역적 구조적 유사성을 효과적으로 모델링하여 이미지 노이즈 제거 성능을 향상시킬 수 있는가?
• RQ2 제안된 양자 적응 기반은 기존의 희박 표현 및 비국소 평균화 방법과 비교해 노이즈 제거 성능과 계산 비용 측면에서 어떻게 비교되는가?
• RQ3 특히 비정규 분포이자 다중성인 노이즈인 스펙클과 같은 다양한 노이즈 모델에 대해 재설정 없이 일반화 가능한가?
• RQ4 참조 데이터가 없을 경우 근사 최적 성능을 달성하기 위해 유도할 수 있는 자동 초모수 선택 규칙는 무엇인가?
• RQ5 복잡하고 비가산성인 노이즈를 가진 실세계 의료 영상 응용—특히 초음파 스펙클 제거—에서 뛰어난 성능을 달성할 수 있는가?

주요 결과

• De-QuIP는 다양한 가우시안 노이즈 강도에서 BM3D 및 PNLPCA와 같은 최신 기법들을 PSNR 및 SSIM 측정치에서 모두 능가하며, 고노이즈 상황에서 뚜렷한 성능 격차를 보임.
• 저신호 대 노이즈 비율 이미지에서는 Anscombe 변환에 의존하는 방법들—예: [36]에서처럼—에서 관찰되는 추가적인 스무딩 효과 없이도 높은 성능 유지함—이는 SSIM 저하를 야기하지 않음.
• 초음파 스펙클 제거에서 De-QuIP는 대비 대 노이즈 비율(CNR) 9.10과 해상도 손실( RL) 8.1%를 기록하여 AD (CNR: 4.59, RL: 7.5%), Lee (CNR: 5.41, RL: 8.0%), NLM (CNR: 8.43, RL: 8.8%)를 모두 능가함.
• 이전의 단일 입자 양자 노이즈 제거 방법들보다 더 뛰어난 계산 효율성을 확보하여 대규모 이미지에 대한 확장성 확보함.
• 참조 데이터 없이도 근사 최적 성능을 달성할 수 있도록 하는 자동 초모수 선택 규칙 덕분에 실용적 구현에서 강건성이 향상됨.
• 가우시안 노이즈 외의 다중성 노이즈—초음파 영상에서의 경우처럼—에도 강력한 일반화 성능를 보이며, 알고리즘 수정 없이도 적용 가능함—이는 추가로 가산성 백색 가우시안 노이즈를 넘어서는 적응성의 증거임.