[논문 리뷰] Enhanced Directional Smoothing Algorithm for Edge-Preserving Smoothing of Synthetic-Aperture Radar Images

Mario Mastriani, Alberto Giráldez|arXiv (Cornell University)|2016. 08. 05.

Image and Signal Denoising Methods참고 문헌 35인용 수 47

한 줄 요약

이 논문은 고유한 다이렉셔널 스무딩 이론을 활용하여 에지 보존형 스펙클 감소를 위한 향상된 방향성 스무딩(EDS) 알고리즘을 제안한다. 기존의 곱셈 노이즈 모델에 의존하는 전통적 필터들과는 달리, EDS는 에지 방향에 맞춰 스무딩을 수행함으로써 스펙클 노이즈를 억제하면서도 날카운 에지를 유지한다. SAR 이미지에 대한 정량적 및 시각적 평가에서 기존의 성숙한 방법들보다 뛰어난 성능을 보여주었다.

ABSTRACT

Synthetic aperture radar (SAR) images are subject to prominent speckle noise, which is generally considered a purely multiplicative noise process. In theory, this multiplicative noise is that the ratio of the standard deviation to the signal value, the "coefficient of variation," is theoretically constant at every point in a SAR image. Most of the filters for speckle reduction are based on this property. Such property is irrelevant for the new filter structure, which is based on directional smoothing (DS) theory, the enhanced directional smoothing (EDS) that removes speckle noise from SAR images without blurring edges. We demonstrate the effectiveness of this new filtering method by comparing it to established speckle noise removal techniques on SAR images.

연구 동기 및 목표

• SAR 이미지에서 곱셈 스펙클 노이즈를 감소시키는 데 있어 전통적 필터들이 에지를 흐리게 하는 한계를 해결하기 위해.
• 계수 변동도 가정에 의존하지 않고도 SAR 영상의 구조적 세부 정보와 에지를 유지할 수 있는 필터를 개발하기 위해.
• 방향성 스무딩 이론이 스펙클 감소를 향상시키면서도 영상의 정밀도를 유지하는 데 어떻게 기여하는지 입증하기 위해.
• 기존의 전통적 노이즈 모델에 의존하지 않는 새로운 필터 구조를 활용하여 기존 필터들에 대한 강력한 대안을 제공하기 위해.
• 정량적 및 정성적 지표를 사용하여 제안된 방법을 기존의 스펙클 감소 기법들과 비교 검증하기 위해.

제안 방법

• EDS 알고리즘은 국소 이미지 구조를 기울기 정보를 활용해 적응적으로 추정하는 방향성 스무딩(DS) 이론에 기반한다.
• 국소 강도 기울기를 바탕으로 스무딩 방향을 계산하여 필터링을 에지 방향에 맞추어 수행함으로써 에지 간의 스메어링을 최소화한다.
• 국소 에지 방향과의 정렬도를 기반으로 이웃 픽셀에 가중치를 적용함으로써 이방향 스무딩을 수행한다.
• 일정한 계수 변동도에 대한 가정을 피하기 때문에 기존의 곱셈 노이즈 모델에 종속되지 않는다.
• 에지에서의 스무딩을 감소시키고 균일한 영역에서는 강화하는 비선형적이고 적응적인 가중치 함수를 사용한다.
• 알고리즘은 반복적으로 구현되어 스무딩 결과를 개선하면서도 질감과 구조적 특징을 유지한다.

실험 결과

연구 질문

• RQ1 곱셈 노이즈 모델 가정에 의존하지 않고도 에지를 보존할 수 있는 스펙클 필터를 설계할 수 있는가?
• RQ2 SAR 영상에서 방향성 스무딩은 기존의 스펙클 필터에 비해 에지 보존 측면에서 어떻게 향상되는가?
• RQ3 EDS 알고리즘이 스펙클 감소를 동시에 세부 정보 유지 측면에서 기존의 성숙한 필터들보다 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 제안된 방법은 다양한 SAR 영상 텍스처와 시나리오 유형에서 일관된 성능을 유지하는가?
• RQ5 기존의 접근 방식들에 비해 노이즈 억제와 에지 선명도 사이의 트레이드오프를 어떻게 더 잘 달성할 수 있는가?

주요 결과

• 시각적 검토를 통해 EDS 알고리즘이 에지를 흐리게 하지 않고도 SAR 이미지의 스펙클 노이즈를 효과적으로 감소시킴을 확인하였다.
• 레이, 프로스트, 평균 필터와 같은 기존의 필터들보다 미세한 구조와 경계를 더 잘 유지하는 것으로 나타났다.
• 정량적 분석 결과, 기준 방법들 대비 향상된 신호 대 노이즈비(SNR)와 감소된 평균 제곱 오차(MSE)를 보였다.
• 다양한 유형의 SAR 이미지에서 높은 성능을 유지하여 시나리오의 복잡성에 대한 강건성을 입증하였다.
• 계수 변동도 모델에 대한 의존성이 없기 때문에 기존의 가정이 성립하지 않는 영역에서도 우수한 성능을 발휘할 수 있었다.
• 결과적으로 방향성 스무딩 이론이 기존의 스펙클 필터링 프레임워크에 비해 실현 가능하고 효과적인 대안임을 입증하였다.