[논문 리뷰] Nonlinear Filter Based Image Denoising Using AMF Approach

T. K. Thivakaran, Rengaswami Chandrasekaran|arXiv (Cornell University)|2010. 03. 09.

Image and Signal Denoising Methods참고 문헌 6인용 수 9

한 줄 요약

이 논문은 이미지 노이즈 제거 성능을 향상시키기 위해 노이즈 특성에 따라 창 크기를 동적으로 조정하는 적응형 중앙값 필터(AMF)를 제안한다. 이는 블러링을 줄이고 노이즈를 효과적으로 제거함으로써, 고노이즈 조건에서도 이미지 세부 정보를 잘 유지한다. PSNR 및 SSIM과 같은 정량적 지표를 통해 검증된 결과, 표준 중앙값 필터 및 중심 가중 중앙값 필터보다 우수한 성능을 보였다.

ABSTRACT

This paper proposes a new technique based on nonlinear Adaptive Median filter (AMF) for image restoration. Image denoising is a common procedure in digital image processing aiming at the removal of noise, which may corrupt an image during its acquisition or transmission, while retaining its quality. This procedure is traditionally performed in the spatial or frequency domain by filtering. The aim of image enhancement is to reconstruct the true image from the corrupted image. The process of image acquisition frequently leads to degradation and the quality of the digitized image becomes inferior to the original image. Filtering is a technique for enhancing the image. Linear filter is the filtering in which the value of an output pixel is a linear combination of neighborhood values, which can produce blur in the image. Thus a variety of smoothing techniques have been developed that are non linear. Median filter is the one of the most popular non-linear filter. When considering a small neighborhood it is highly efficient but for large window and in case of high noise it gives rise to more blurring to image. The Centre Weighted Median (CWM) filter has got a better average performance over the median filter [8]. However the original pixel corrupted and noise reduction is substantial under high noise condition. Hence this technique has also blurring affect on the image. To illustrate the superiority of the proposed approach by overcoming the existing problem, the proposed new scheme (AMF) Adaptive Median Filter has been simulated along with the standard ones and various performance measures have been compared.

연구 동기 및 목표

• 고노이즈 조건에서 기존 중앙값 필터가 이미지 세부 정보를 유지하는 데 한계가 있음을 해결하기 위해.
• 표준 및 중심 가중 중앙값 필터에서 고정된 창 크기로 인해 발생하는 블러링 효과를 극복하기 위해.
• 국소적 노이즈 특성에 따라 창 크기를 조절하는 적응형 필터링 기법을 개발하기 위해.
• 노이즈 제거 과정에서 가장자리 및 질감 유지 능력을 향상시켜 이미지 복원 품질을 개선하기 위해.
• 표준 성능 지표인 PSNR 및 SSIM을 사용하여 제안된 AMF 방법을 검증하기 위해.

제안 방법

• 제안된 AMF는 국소적 노이즈 밀도와 이웃 영역 내 픽셀 분산에 기반해 필터링 창 크기를 동적으로 조정한다.
• 현재 창의 중앙값을 평가하고, 이를 중심 픽셀과 비교하여 노이즈 존재 여부를 판단한다.
• 중심 픽셀이 노이즈로 식별되면 유효한 중앙값이 나올 때까지 또는 최대 크기에 도달할 때까지 창 크기를 반복적으로 확장한다.
• 이 필터는 노이즈 탐지 및 적응형 창 확장을 위한 이중 단계 의사결정 프로세스를 사용한다. 이는 가장자리 및 미세한 세부 정보를 유지하는 데 기여한다.
• 중앙값이 중심 픽셀과 일치할 경우 노이즈가 없는 영역임을 나타내므로, 과도한 스무딩을 방지하기 위해 확장을 중단한다.
• 성능 평가는 피크 신호 대 노이즈 비율(PSNR) 및 구조적 유사도 지수(SSIM)와 같은 표준 이미지 품질 지표를 통해 평가된다.

실험 결과

연구 질문

• RQ1 AMF의 적응형 창 크기 기법이 고정 크기 중앙값 필터 대비 노이즈 제거 성능을 어떻게 향상시키는가?
• RQ2 AMF는 고노이즈 영역에서 블러링을 어느 정도 줄이고 이미지 질감 및 가장자리를 어떻게 잘 유지하는가?
• RQ3 다양한 노이즈 수준에서 표준 중앙값 필터 및 중심 가중 중앙값 필터보다 AMF가 더 높은 PSNR 및 SSIM 값을 달성할 수 있는가?
• RQ4 적응형 창 기반 메커니즘이 이미지 품질을 떨어뜨리지 않고 인파르스 노이즈를 탐지하고 제거하는 데 얼마나 효과적인가?
• RQ5 창 크기 적응 기법이 계산 복잡도 및 처리 시간에 어떤 영향을 미치는가?

주요 결과

• AMF는 고노이즈 조건에서 표준 중앙값 필터 및 중심 가중 중앙값 필터보다 더 높은 PSNR 값을 달성한다.
• 제안된 방법은 이미지 세부 정보 및 가장자리를 더 효과적으로 유지하여 시각적 품질 향상과 블러링 감소를 이룬다.
• AMF의 SSIM 값은 기존 필터보다 일관되게 높아 원본 이미지와의 구조적 유사도가 더 뛰어나다는 것을 나타낸다.
• 적응형 창 메커니즘이 고노이즈 밀도가 높은 영역에서도 과도한 스무딩 없이 노이즈를 성공적으로 탐지하고 제거한다.
• 시뮬레이션 결과는 AMF가 정량적 지표와 시각적 평가 모두에서 기존 비선형 필터를 능가함을 확인한다.
• 이 방법은 다양한 노이즈 수준에서 뛰어난 내성성을 보이며, 유의미한 계산 오버헤드 없이도 고해상도 이미지 유지 능력을 유지도한다.