[논문 리뷰] Out-of-focus Blur: Image De-blurring

Yuzhen Lu|arXiv (Cornell University)|2017. 10. 02.

Advanced Image Processing Techniques참고 문헌 7인용 수 5

한 줄 요약

이 논문은 초점에서 벗어난 이미지를 복원하기 위해 티코노프 정규화 기반 접근법과 공액 그래디언트(CG) 반복 기법을 조합한다. 비율 오차 원칙을 활용한 정규화 파rameter 선택과 CG의 준수렴 성질을 통해 상대적 복원 오차가 8.22%로 나타나, 의사역행렬 방법과 표준 티코노프 정규화보다 유의미하게 향상됨을 보여준다.

ABSTRACT

Image de-blurring is important in many cases of imaging a real scene or object by a camera. This project focuses on de-blurring an image distorted by an out-of-focus blur through a simulation study. A pseudo-inverse filter is first explored but it fails because of severe noise amplification. Then Tikhonov regularization methods are employed, which produce greatly improved results compared to the pseudo-inverse filter. In Tikhonov regularization, the choice of the regularization parameter plays a critical rule in obtaining a high-quality image, and the regularized solutions possess a semi-convergence property. The best result, with the relative restoration error of 8.49%, is achieved when the prescribed discrepancy principle is used to decide an optimal value. Furthermore, an iterative method, Conjugated Gradient, is employed for image de-blurring, which is fast in computation and leads to an even better result with the relative restoration error of 8.22%. The number of iteration in CG acts as a regularization parameter, and the iterates have a semi-convergence property as well.

연구 동기 및 목표

• 실생활 사진 촬영 및 영상에서 흔히 발생하는 초점에서 벗어난 흐림이 있는 상황에서 이미지 복원 문제를 다루기 위해.
• 직접 역행렬 필터링 방법에서 유발되는 안정성 문제와 노이즈 증폭 문제를 극복하기 위해.
• 복원된 이미지의 품질을 향상시키기 위해 티코노프 정규화와 반복적 공액 그래디언트 방법의 효과를 평가하기 위해.
• 최적의 정규화 파rameter를 결정하기 위해 비율 오차 원칙을 활용하여 복원 품질을 향상시키기 위해.
• 이미지 복원에서 정규화된 해와 반복적 방법의 준수렴 성질을 분석하기 위해.

제안 방법

• 이미지를 복원하기 위해 처음으로 의사역행렬 필터를 적용하지만, 심한 노이즈 증폭으로 인해 실패한다.
• 해를 안정화시키기 위해 티코노프 정규화를 적용하며, 정규화 파rameter는 사전에 정해진 비율 오차 원칙을 통해 선택된다.
• 공액 그래디언트(CG) 방법을 반복적으로 사용하여 이미지 복원을 수행하며, 반복 횟수가 정규화 파arameter로 기능한다.
• 티코노프 및 CG 방법 양쪽 모두에서 준수렴 성질이 관찰되어 노이즈가 지배하기 전에 최적의 복원 성능이 달성됨을 확인한다.
• 성능 평가의 주요 지표로 상대적 복원 오차를 사용한다.
• 의사역행렬, 티코노프, 그리고 CG 기반 복원 접근법을 비교하기 위해 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 의사역행렬 필터는 초점에서 벗어난 이미지를 복원하는 데 어떻게 작동하며, 그 한계는 무엇인가?
• RQ2 티코노프 정규화는 이미지 복원에서 노이즈 증폭을 효과적으로 줄일 수 있는가? 정규화 파arameter는 어떤 역할을 하는가?
• RQ3 비율 오차 원칙은 티코노프 정규화에서 최적의 정규화 파arameter를 선택하는 데 어떻게 기여하는가?
• RQ4 공액 그래디언트 방법은 티코노프 정규화보다 복원 성능을 향상시킬 수 있는가? 반복 횟수는 정규화 파arameter로 어떻게 작용하는가?
• RQ5 준수렴은 반복적 복원 방법에서 복원된 이미지의 품질에 어떤 영향을 미치는가?

주요 결과

• 의사역행렬 필터는 심한 노이즈 증폭으로 인해 실패하여 낮은 이미지 품질을 초래한다.
• 티코노프 정규화는 의사역행렬 방법보다 복원 품질을 유의미하게 향상시키며, 상대적 복원 오차가 8.49%로 나타난다.
• 비율 오차 원칙을 활용한 정규화 파arameter 선택은 최적의 티코노프 결과를 도출하여 상대적 복원 오차 8.49%를 달성한다.
• 공액 그래디언트 방법은 더 낮은 상대적 복원 오차 8.22%를 기록하여 티코노프 정규화를 능가한다.
• CG 반복 횟수는 정규화 파arameter로 기능하며, 반복 결과는 준수렴 성질을 보이며 노이즈에 의한 품질 저하가 발생하기 이전에 최적의 성능을 발휘한다.
• 티코노프 및 CG 방법 모두 준수렴 성질을 보이며, 고품질 이미지 복원을 위해 조기 정지의 중요성을 확인한다.