[논문 리뷰] Image Denoising Using Interquartile Range Filter with Local Averaging

Firas A. Jassim|arXiv (Cornell University)|2013. 02. 05.

Image and Signal Denoising Methods참고 문헌 14인용 수 14

한 줄 요약

이 논문은 국소 평균화와 결합된 사분위범위(IQR) 필터를 사용하여 잡음은 억제하면서도 에지 선명도를 유지하는 새로운 이미지 디노이징 방법을 제안한다. k×k 창 내에서 IQR 통계를 기반으로 이상치 픽셀을 식별하고 이를 교체함으로써, 표준 테스트 이미지에서 중앙값 필터링보다 높은 PSNR를 달성하며, 우수한 성능과 단순성으로 입증된다.

ABSTRACT

Image denoising is one of the fundamental problems in image processing. In this paper, a novel approach to suppress noise from the image is conducted by applying the interquartile range (IQR) which is one of the statistical methods used to detect outlier effect from a dataset. A window of size kXk was implemented to support IQR filter. Each pixel outside the IQR range of the kXk window is treated as noisy pixel. The estimation of the noisy pixels was obtained by local averaging. The essential advantage of applying IQR filter is to preserve edge sharpness better of the original image. A variety of test images have been used to support the proposed filter and PSNR was calculated and compared with median filter. The experimental results on standard test images demonstrate this filter is simpler and better performing than median filter.

연구 동기 및 목표

• 이미지의 잡음 억제를 동시에 중요한 에지 세부 정보를 유지하는 데 도전하는 문제를 해결하기 위해.
• 기존 필터(예: 중앙값 필터)보다 우수한 성능을 보이며 계산 효율성이 높은 디노이징 방법을 개발하기 위해.
• 사분위범위를 통한 통계적 이상치 탐지를 활용하여 국소 이미지 창 내에서 잡음을 더 잘 식별하기 위해.
• PSNR와 같은 표준 이미지 품질 측도를 사용하여 제안된 방법의 성능을 평가하기 위해.
• IQR 필터링으로 식별된 노이즈 픽셀을 복원하기 위해 국소 평균화의 효과성을 입증하기 위해.

제안 방법

• 이미지 전반에 걸쳐 k×k 슬라이딩 창을 적용하여 각 국소 주변부의 사분위범위(IQR)를 계산한다.
• IQR 범위 외부에 위치하는 픽셀(즉, Q1 - 1.5×IQR 이하 또는 Q3 + 1.5×IQR 초과)은 이상치로 분류되고 노이즈로 간주된다.
• 노이즈 픽셀은 동일한 k×k 창 내에서 국소 평균화를 사용하여 진짜 강도 값을 추정함으로써 교체된다.
• IQR 필터는 중앙값 기반 순서 정렬에 의존하지 않아 극단적 값에 대한 민감도를 감소시키며, 노이즈를 효과적으로 탐지하고 격리한다.
• 오직 통계적으로 비정상적인 픽셀만 수정되므로, 전체적으로 스무딩을 방지함으로써 에지를 유지한다.
• 표준 테스트 이미지에서 중앙값 필터와의 PSNR 비교를 통해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 IQR 필터링은 중앙값 필터링에 비해 디지털 이미지의 잡음을 효과적으로 탐지하고 억제할 수 있는가?
• RQ2 IQR 기반 이상치 탐지와 국소 평균화를 조합하면 기존 필터보다 이미지 에지를 더 잘 유지하는가?
• RQ3 PSNR와 계산의 단순성 측면에서 제안된 방법은 중앙값 필터링보다 어떻게 비교되는가?
• RQ4 국소 창에 적용되었을 때 IQR 필터는 다양한 유형의 잡음에 대해 강건한가?
• RQ5 국소 평균화는 중앙값 필터링보다 노이즈 픽셀을 더 정확하게 재구성할 수 있는가?

주요 결과

• 제안된 IQR 필터와 국소 평균화는 표준 테스트 이미지에서 중앙값 필터보다 높은 PSNR 값을 달성하여, 더 뛰어난 잡음 억제 성능을 보였다.
• 에지 선명도가 선택적 필터링(모든 픽셀이 아닌 이상치 픽셀만 수정됨) 덕분에 더 잘 유지되었다.
• 정렬 기반의 중앙값 계산이 아닌 분위수 기반 이상치 탐지를 사용함으로써, 중앙값 필터링보다 더 단순한 구조와 계산 복잡도를 가졌다.
• 다양한 이미지 유형에 대한 다수의 테스트 이미지에서의 실험 결과, 다양한 이미지 유형에서 일관된 성능 향상이 확인되었다.
• IQR를 사용함으로써 고분산 잡음 환경에서도 노이즈 픽셀을 강건하게 탐지할 수 있었으며, PSNR 측도에서 중앙값 필터링을 능가했다.
• IQR 필터링과 국소 평균화의 조합은 중앙값 필터링보다 더 정확한 손상된 픽셀 값 추정을 제공했다.