[논문 리뷰] NAMF: A Non-local Adaptive Mean Filter for Salt-and-Pepper Noise Removal

Houwang Zhang, Zhu, Yuan외 1명|arXiv (Cornell University)|2019. 10. 17.

Image and Signal Denoising Methods참고 문헌 21인용 수 4

한 줄 요약

이 논문은 소금과 후추(SAP) 노이즈 제거를 위한 비국소적 적응형 평균 필터(NAMF)를 제안한다. NAMF는 밝기 비율 기반으로 노이즈 픽셀을 탐지하기 위해 적응형 윈도우를 사용하며, 이를 통해 노이즈 픽셀을 주변 픽셀의 평균 값으로 대체하고, 이후 SAP 특화 비국소적 평균 필터를 적용하여 복원 성능을 향상시킨다. NAMF는 90% 노이즈 수준에서 최고의 PSNR(최대 41.31 dB)와 SSIM(0.9932)를 기록하여 기존 최고 수준의 방법들을 능가하며 세부 정보 유지와 이미지 품질 향상에서 뛰어난 성능을 보인다.

ABSTRACT

In this paper, a novel algorithm called a non-local adaptive mean filter (NAMF) for removing salt-and-pepper (SAP) noise from corrupted images is presented. We employ an efficient window detector with adaptive size to detect the noise, the noisy pixel will be replaced by the combination of its neighboring pixels, and finally we use a SAP noise based non-local mean filter to reconstruct the intensity values of noisy pixels. Extensive experimental results demonstrate that NAMF can obtain better performance in terms of quality for restoring images at all levels of SAP noise.

연구 동기 및 목표

• 고노이즈 강도에서 기존 SAP 노이즈 제거 방법의 이미지 세부 정보 퇴색과 날카롭지 못한 경계 문제를 해결하기 위해.
• 탐지 과정에서 노이즈 픽셀과 텍스처 픽셀을 더 정확히 구분함으로써 복원 품질을 향상시키기 위해.
• SAP 노이즈 특성에 맞게 조정된 비국소적 평균 필터를 사용하여 이미지 재구성 성능을 향상시키기 위해.
• 모든 노이즈 수준에서 뛰어난 노이즈 제거 성능을 달성하면서도 높은 처리 효율성을 유지하기 위해.

제안 방법

• 적응형 윈도우 탐지기는 이미지의 전반적 최소/최대 밝기 값과 일치하는 그레이 값이 있는지 확인하여 잠재적 노이즈 픽셀을 식별한다.
• 비율 기반 임계값 설정 방법을 통해 적응형 윈도우 내 동일한 값의 픽셀 비율을 평가하여 노이즈 여부를 확인한다.
• 노이즈 영향을 받은 픽셀들은 공간적으로 인접한 픽셀들의 평균 밝기 값으로 대체된다.
• 새로운 SAP 노이즈 인식 비국소적 평균 필터는 먼 거리에 있는 이미지 패치 간의 유사성을 활용하여 복원된 이미지를 추가로 정밀하게 다듬는다.
• 유사성 윈도우는 41×41 크기, 검색 윈도우는 5×5 크기를 사용하며, 매개변수는 경험적 피팅을 통해 조정된다.
• 실험적 검증을 통해 노이즈 확인을 위한 임계값은 T=0.8로 설정된다.

실험 결과

연구 질문

• RQ1 비율 기반 적응형 윈도우 방법이 텍스처 영역에서의 잘못된 경고(false positives)를 줄여 노이즈 탐지 정확도를 향상시킬 수 있는가?
• RQ2 SAP 노이즈에 특화된 비국소적 평균 필터를 통합함으로써 국소 필터링을 초월해 이미지 복원 품질을 향상시킬 수 있는가?
• RQ3 기존 방법들과 비교해 NAMF는 고노이즈 수준(예: 90%)에서 미세한 디테일과 구조적 정보를 얼마나 잘 유지하는가?
• RQ4 제안된 NAMF 아키텍처에서 노이즈 제거 성능와 계산 효율성 사이의 상충 관계는 어떠한가?

주요 결과

• 90% SAP 노이즈가 있는 'Lena' 이미지에서 NAMF는 PSNR 41.3133 dB, SSIM 0.9932를 기록하여 비교된 모든 방법보다 뚜렷이 뛰어난 성능을 보였다.
• 10% 노이즈 수준에서는 PSNR가 15.4199 dB였고, 90% 노이즈 수준에서도 PSNR 27.5748 dB를 유지하여 다양한 노이즈 수준에서의 강건성을 입증했다.
• 평균 PSNR 및 SSIM 곡선을 통해 NAMF는 항상 최상위 순위를 차지했으며, 노이즈 강도가 30%를 초과할수록 다른 방법들과의 성능 격차가 점점 커지는 경향을 보였다.
• NAMF의 실행 시간은 최고 수준의 방법들과 유사했으며, 중간 수준의 순위를 차지했고, 고노이즈 수준에서 NAFSMF를 능가하고 DAMF와 동일한 속도를 기록했다.
• 시각적 검토 결과, NAMF는 AMF, AWMF, BPDF 등 다른 방법들과 비교해 가장 뛰어난 경계 및 텍스처 유지 능력을 보였다. 특히 고노이즈 조건에서 두드러진 성능을 보였다.
• 90% 이상의 픽셀이 손상된 경우에도 NAMF는 복원 이미지에서 블러링 및 날카롭지 못한 아티팩트를 효과적으로 방지했다.