[논문 리뷰] On Image Filtering, Noise and Morphological Size Intensity Diagrams

Vitorino Ramos, Fernando Muge|ArXiv.org|2004. 12. 17.

Neural Networks and Applications참고 문헌 11인용 수 3

한 줄 요약

이 논문은 두 개의 형태학적 필터링 변환(FT1, FT2)에서 유도된 형태학적 크기-강도 다이어그램(M-SID)을 사용하여 영상에서 적응형 잡음 제거를 위한 새로운 방법을 제안한다. 이러한 다이어그램에서 정량적 측정치를 분석함으로써, 교차 순차 필터(ASF)의 최적 필터링 파rameter와 정지 기준을 결정하는 방법을 제시하여, 구조를 유지하면서도 잡음 억제 성능을 향상시킨다.

ABSTRACT

In the absence of a pure noise-free image it is hard to define what noise is, in any original noisy image, and as a consequence also where it is, and in what amount. In fact, the definition of noise depends largely on our own aim in the whole image analysis process, and (perhaps more important) in our self-perception of noise. For instance, when we perceive noise as disconnected and small it is normal to use MM-ASF filters to treat it. There is two evidences of this. First, in many instances there is no ideal and pure noise-free image to compare our filtering process (nothing but our self-perception of its pure image); second, and related with this first point, MM transformations that we chose are only based on our self - and perhaps - fuzzy notion. The present proposal combines the results of two MM filtering transformations (FT1, FT2) and makes use of some measures and quantitative relations on their Size/Intensity Diagrams to find the most appropriate noise removal process. Results can also be used for finding the most appropriate stop criteria, and the right sequence of MM operators combination on Alternating Sequential Filters (ASF), if these measures are applied, for instance, on a Genetic Algorithm's target function.

연구 동기 및 목표

• 순수한 노이즈 없는 기준 영상이 부족하여 노이즈 정의에 애매함이 존재하는 문제를 해결하기 위해.
• 영상 분석에서 노이즈 인식의 주관성과 모호성 문제를 해결하기 위해.
• 영상 고유의 특성에 기반하여 최적의 형태학적 필터링 파rameter를 선택하는 정량적 방법을 개발하기 위해.
• 교차 순차 필터링(ASF)의 정지 기준을 체계적으로 결정하기 위한 접근법을 제공하기 위해.
• 크기-강도 다이어그램에서 측정 가능한 특징을 활용하여 형태학적 연산자 순서의 자동 최적화를 가능하게 하기 위해.

제안 방법

• 입력된 노이즈 있는 영상에 두 가지 다른 형태학적 필터링 변환(FT1, FT2)을 적용한다.
• FT1과 FT2의 출력에서 크기-강도 다이어그램(M-SID)을 구성하여 강도 및 크기 척도에서의 구조적 특징을 표현한다.
• 두 필터링 출력의 M-SID에서 정량적 측정치(예: 면적, 피크 강도, 분포 형태 등)를 추출한다.
• 이러한 측정치의 비교 분석을 통해 필터링 성능을 평가하고 순위를 매긴다.
• M-SID 분석을 목표 함수에 통합하여 메타휴리스틱 최적화(예: 유전 알고리즘)를 통해 ASF 내 연산자 순서 선택을 안내한다.
• M-SID 측정치에서 관찰된 수렴 추세를 바탕으로 ASF의 정지 기준을 정의한다.

실험 결과

연구 질문

• RQ1 기본 노이즈 없는 영상이 없는 상황에서 노이즈를 객관적으로 정량화할 수 있는 방법은 무엇인가?
• RQ2 형태학적 크기-강도 다이어그램에서 최적의 필터링 파rameter 선택을 안내할 수 있는 측정 가능한 영상 특징은 무엇인가?
• RQ3 크기-강도 다이어그램 분석을 통해 교차 순차 필터링의 정지 기준 선택을 향상시킬 수 있는가?
• RQ4 M-SID 기반 측정치는 ASF 내 형태학적 연산자 순서 최적화에 어떻게 활용될 수 있는가?
• RQ5 제안된 방법은 노이즈 인식과 필터링 결정의 주관성을 어느 정도 감소시킬 수 있는가?

주요 결과

• 제안된 방법은 크기-강도 다이어그램의 측정 가능한 특징에 기반하여 객관적이고 데이터 기반의 형태학적 필터링 파rameter 선택을 가능하게 한다.
• 두 번째 필터링 단계(FT1, FT2)에서 유도된 M-SID의 정량적 분석은 노이즈 제거 효과를 평가하는 신뢰할 수 있는 근거를 제공한다.
• 다이어그램 특징의 수렴 추세를 감지함으로써, 교차 순차 필터링의 최적 정지 기준을 결정하는 데에 도움을 준다.
• M-SID 측정치를 목표 함수에 통합함으로써 형태학적 연산자 순서의 자동 최적화가 가능해진다.
• 노이즈에 대한 주관적 인식에 의존하는 것을 줄여 더 일관되고 반복 가능한 필터링 과정을 제공한다.
• 실제 패턴 인식 응용 분야에서의 검증을 통해 기준 노이즈 없는 영상이 없는 상황에서도 개선된 필터링 성과를 입증하였다.