[논문 리뷰] Denoising based on wavelets and deblurring via self-organizing map for Synthetic Aperture Radar images

Mario Mastriani|arXiv (Cornell University)|2016. 07. 31.

Image and Signal Denoising Methods인용 수 12

한 줄 요약

이 논문은 산란 잡음(multiplicative, speckle) 또는 덧셈 잡음으로 인해 열악한 저해상도 합성(aperture) 레이더(SAR) 영상의 품질 향상을 위한 이단계 비지도 학습 방법을 제안한다. 첫 번째 단계로 웨이블릿 기반의 노이즈 제거 기법을 사용하여 변환 도메인에서 노이즈를 감소시키고, 두 번째 단계로 코흐넨 자기조직화 맵(SOM)을 활용해 노이즈 제거된 영상에서 직접 블러를 학습하고 제거함으로써 실제 SAR 데이터에서 이미지의 선명도와 구조적 충실도를 향상시킨다. 수치적 검증을 통해 성능을 입증하였다.

ABSTRACT

This work deals with unsupervised image deblurring. We present a new deblurring procedure on images provided by low-resolution synthetic aperture radar (SAR) or simply by multimedia in presence of multiplicative (speckle) or additive noise, respectively. The method we propose is defined as a two-step process. First, we use an original technique for noise reduction in wavelet domain. Then, the learning of a Kohonen self-organizing map (SOM) is performed directly on the denoised image to take out it the blur. This technique has been successfully applied to real SAR images, and the simulation results are presented to demonstrate the effectiveness of the proposed algorithms.

연구 동기 및 목표

• 산란 잡음(multiplicative, speckle) 또는 덧셈 잡음으로 인해 저해상도 합성(aperture) 레이더(SAR) 영상이 열악해지는 문제를 해결하기 위해.
• 블러 커널이나 노이즈 통계에 대한 사전 지식이 필요 없는 비지도 블러 복원 기법을 개발하기 위해.
• 웨이블릿 기반 노이즈 제거와 자기조직화 맵(SOM) 학습을 통합하여 블러 제거를 통해 영상 품질을 향상시키기 위해.
• 실제 SAR 영상 데이터 세트를 대상으로 수치적 및 시각적 결과를 통해 제안된 방법의 효과성을 검증하기 위해.

제안 방법

• SAR 영상 내 산란 잡음과 덧셈 잡음을 효과적으로 감소시키기 위해 새로운 웨이블릿 도메인 노이즈 제거 기법을 적용하여 에지와 무늬를 유지한다.
• 노이즈 제거된 영상을 입력으로 사용하여 코흐넨 자기조직화 맵(SOM)을 학습시키며, 이는 공간 패턴과 블러 특성을 학습한다.
• SOM의 위상적 맵핑 기능을 활용하여 블러 효과를 식별하고 역으로 복원함으로써 더 선명한 이미지 구조를 재구성한다.
• SOM이 학습한 가중치 벡터를 반복적으로 이용하여 영상을 정밀하게 개선함으로써 블러 아티팩트를 최소화하는 방식으로 블러 복원을 수행한다.
• 두 단계를 순차적으로 통합: 먼저 노이즈 제거를 수행한 후 SOM 기반의 블러 복원을 수행하며, 지도 학습이나 블러 모델 추정이 필요로 하지 않는다.
• SOM의 비지도 학습 능력을 활용하여 국소 이미지 구조를 적응적으로 모델링하고 세부 정보를 복원한다.

실험 결과

연구 질문

• RQ1 노이즈 통계에 대한 사전 지식 없이도 웨이블릿 기반 노이즈 제거 기법이 SAR 영상 내 산란 잡음과 덧셈 잡음을 효과적으로 감소시킬 수 있는가?
• RQ2 노이즈 제거된 데이터에 직접 훈련된 자기조직화 맵이 SAR 영상 내 블러 패턴을 얼마나 잘 학습하고 복원할 수 있는가?
• RQ3 웨이블릿 기반 노이즈 제거와 SOM 기반 블러 복원을 순차적으로 조합한 방법이 단독으로 노이즈 제거나 블러 복원 기법보다 우수한 성능을 보일 수 있는가?
• RQ4 제안된 방법이 노이즈와 블러를 제거하면서도 이미지의 구조와 무늬를 얼마나 잘 유지하는가?
• RQ5 라벨이 부여된 데이터나 알려진 블러 커널이 없이도 이 방법이 실제 SAR 영상에 효과적으로 적용될 수 있는가?

주요 결과

• 제안된 웨이블릿 기반 노이즈 제거 단계는 산란 잡음과 덧셈 잡음을 크게 감소시켜 SAR 영상의 신호 대 잡음비를 향상시킨다.
• SOM 기반의 블러 복원 단계는 노이즈 제거 이후 이미지의 선명도를 성공적으로 복원하고 세부적인 구조적 디테일을 회복한다.
• 이중 단계 기반 접근법은 기존의 단일 노이즈 제거 또는 블러 복원 기법보다 시각적 및 수치적 성능에서 뛰어난 결과를 달성한다.
• 시뮬레이션 결과는 성능 지표와 시각적 검토를 통해 블러 아티팩트를 효과적으로 제거하면서도 에지를 유지하고 무늬를 보존함을 입증한다.
• 복잡한 노이즈와 블러 패턴을 포함한 실제 SAR 데이터에 대해 이 방법은 일관된 향상 효과를 보이며 뛰어난 강인성을 입증한다.