[논문 리뷰] Guided Filter based Edge-preserving Image Non-blind Deconvolution

Hang Yang, Ming Zhu외 2명|arXiv (Cornell University)|2016. 09. 07.

Advanced Image Processing Techniques참고 문헌 6인용 수 4

한 줄 요약

이 논문은 이미지 복원 중 에지 보존을 위해 가이드 필터를 사용하는 새로운 비맹탕 복소화 방법을 제안한다. 탈블러링과 노이즈 제거 단계를 분리하고 빠른 푸리에 변환을 활용한 효율적 최적화를 통해, 최신 기술 대비 뛰어난 에지 보존 성능과 향상된 ISNR를 달성하며, 잔차 원칙을 통한 자동 정규화 파라미터 조정이 가능하다.

ABSTRACT

In this work, we propose a new approach for efficient edge-preserving image deconvolution. Our algorithm is based on a novel type of explicit image filter - guided filter. The guided filter can be used as an edge-preserving smoothing operator like the popular bilateral filter, but has better behaviors near edges. We propose an efficient iterative algorithm with the decouple of deblurring and denoising steps in the restoration process. In deblurring step, we proposed two cost function which could be computed with fast Fourier transform efficiently. The solution of the first one is used as the guidance image, and another solution will be filtered in next step. In the denoising step, the guided filter is used with the two obtained images for efficient edge-preserving filtering. Furthermore, we derive a simple and effective method to automatically adjust the regularization parameter at each iteration. We compare our deconvolution algorithm with many competitive deconvolution techniques in terms of ISNR and visual quality.

연구 동기 및 목표

• 흐린 이미지와 노이즈가 함께 있는 이미지를 복원하면서도 날카운 에지를 유지하는 데 도전한다.
• 탈블러링과 노이즈 제거를 분리하여 안정성과 성능을 향상시킬 수 있는 효율적인 반복적 복소화 알고리즘을 개발한다.
• 복원 파ip라인에 강력한 에지 보존 스무딩 연산자로 가이드 필터를 통합한다.
• 잔차 원칙을 활용해 각 반복 단계에서 정규화 파라미터를 자동으로 조정한다.
• 정량적 지표와 시각적 품질 측면에서 기존 최신 기술 대비 경쟁력 있거나 뛰어난 성능을 달성한다.

제안 방법

• 탈블러링 단계에서는 두 개의 비용 함수를 사용한다: 하나는 총 변동성(TV)으로 정규화되고, 다른 하나는 티코노프 정규화된다. 양측 모두 FFT를 활용해 푸리에 도메인에서 효율적으로 해결된다.
• TV-정규화 문제의 해는 가이드 이미지로 사용되고, 티코노프 해는 노이즈 제거 단계에서 가이드 필터의 입력으로 사용된다.
• 가이드 필터는 TV 해를 가이드로 사용하여 티코노프 해에 대해 반복적으로 적용되며, 노이즈를 줄이면서도 에지를 보존한다.
• 정규화 파라미터 λ는 각 반복 단계에서 잔차 원칙을 사용해 자동으로 업데이트되며, 잔차 오차가 기대되는 노이즈 수준과 일치하도록 보장된다.
• 알고리즘은 FFT 기반 최적화를 사용한 탈블러링과 가이드 필터링을 사용한 노이즈 제거를 번갈아가며 수행하며 수렴할 때까지 반복한다.
• 표준 테스트 이미지(Cameraman 및 House)를 대상으로 다양한 PSF와 노이즈 수준에서 평가되었으며, 가이드 필터의 경우 ε = 7.5×10⁻⁴ 및 w = 3로 설정되었다.

실험 결과

연구 질문

• RQ1 가이드 필터는 반복적 비맹탕 복소화 프레임워크에 효과적으로 통합되어 에지 보존 성능을 향상시킬 수 있는가?
• RQ2 탈블러링과 노이즈 제거 단계를 분리하는 것이 통합 최적화보다 더 나은 복원 성능을 낳는가?
• RQ3 잔차 원칙을 사용해 반복 단계마다 정규화 파라미터를 수동 조정 없이 자동으로 결정할 수 있는가?
• RQ4 ForWaRD, TVS, SV-GSM, L0-AbS와 같은 최신 복소화 기법들과 비교했을 때, 제안된 방법은 ISNR와 시각적 품질 측면에서 어떻게 성능을 내는가?
• RQ5 이미지 복소화 맥락에서 다른 에지 보존 필터(예: 양방향 필터)보다 가이드 필터가 더 효과적인가?

주요 결과

• Cameraman 이미지에서 테스트 설정 3에서 제안된 방법은 ISNR 9.53 dB를 기록했으며, 다음으로 우수한 성능을 보인 L0-AbS(9.10 dB)를 초월했다.
• House 이미지에서 테스트 설정 3에서 방법은 ISNR 11.11 dB를 달성했으며, 두 번째로 좋은 성능을 보인 SV-GSM(9.04 dB)을 뛰어넘었다.
• 5×5 운동 블러 커널과 높은 노이즈(σ²=49)가 적용된 테스트 설정 4에서 House 이미지에 대해 방법은 ISNR 4.84 dB를 기록했으며, TVS는 4.49 dB를 기록했다.
• 256×256 이미지에서 반복당 0.098초가 소요되었으며, 30회의 반복에 총 2.94초의 실행 시간이 소요되었다.
• 시각적 비교 결과, 제안된 방법은 얼굴 특징이나 창문 가장자리와 같은 미세한 디테일을 경쟁 기법들보다 더 잘 보존하는 것으로 나타났다.
• 정규화 파라미터 λ는 잔차 원칙을 사용해 반복 단계마다 자동으로 조정되었으며, 수동 조정이 필요 없어졌다.