[논문 리뷰] Removing Gaussian Noise by Optimization of Weights in Non-Local Means

Qiyu Jin, Ion Grama외 1명|arXiv (Cornell University)|2011. 09. 26.

Image and Signal Denoising Methods참고 문헌 20인용 수 12

한 줄 요약

이 논문은 고정된 가우시안 커널 대신 평균 제곱오차의 날카러운 상한을 최소화하여 가중치를 계산하는 방식으로 개선된 비국소 평균 제거 필터를 제안한다. 이 방법은 허더링 정규성 조건 하에서 최적 수렴 속도를 달성하며, 파라미터가 없는 자동 대역폭 선택 기능을 갖추고 있으며, 가우시안 대신 삼각형 커널을 사용함으로써 표준 비국소 평균보다 시뮬레이션에서 뛰어난 성능을 보인다.

ABSTRACT

A new image denoising algorithm to deal with the additive Gaussian white noise model is given. Like the non-local means method, the filter is based on the weighted average of the observations in a neighborhood, with weights depending on the similarity of local patches. But in contrast to the non-local means filter, instead of using a fixed Gaussian kernel, we propose to choose the weights by minimizing a tight upper bound of mean square error. This approach makes it possible to define the weights adapted to the function at hand, mimicking the weights of the oracle filter. Under some regularity conditions on the target image, we show that the obtained estimator converges at the usual optimal rate. The proposed algorithm is parameter free in the sense that it automatically calculates the bandwidth of the smoothing kernel; it is fast and its implementation is straightforward. The performance of the new filter is illustrated by numerical simulations.

연구 동기 및 목표

• 비국소 평균 제거에서 고정된 가우시안 커널의 비최적 선택 문제를 데이터 기반 기준에 기반한 가중치 최적화를 통해 해결한다.
• 대상 이미지의 정규성 조건 하에서 필터의 이론적 수렴 속도가 최적 속도에 도달하도록 보장한다.
• 사용자 입력 없이도 스무딩 대역폭을 자동으로 선택하는 파라미터가 없는 알고리즘을 개발한다.
• 이미지의 局소 구조에 가중치를 적응적으로 조정하여 오라클 필터를 모방함으로써 제거 성능을 향상시킨다.

제안 방법

• 필터는 각 픽셀에서 이웃 픽셀의 가중 평균을 통해 진짜 이미지 강도를 추정하며, 가중치는 평균 제곱오차의 날카러운 상한을 최소화하도록 최적화된다.
• 최적 가중치는 평균 제곱오차의 편향-분산 분해를 사용하여 알려지지 않은 이미지 함수의 함수로 닫힌 형태로 유도된다.
• 계산 가능한 필터를 만들기 위해 최적 가중치는 관측된 노이즈가 있는 이미지에서 추출한 패치를 사용하여 데이터로부터 추정되며, 패치 간 차이를 기반으로 한 局소 유사도 측정 기반으로 이루어진다.
• 이 방법은 표준 가우시안 커널보다 이론적·시뮬레이션적으로 더 우수한 성능을 보이는 삼각형 커널을 가중치 함수로 사용한다.
• 대역폭 선택은 최적화 과정을 통해 자동으로 이루어지며, 수동 조정이 필요 없어진다.
• 이론적 분석을 통해 허더링 정규성 조건 하에서 수렴 속도가 최적의 $ n^{-\frac{\beta}{2\beta+2}} $ 를 확보한다.

실험 결과

연구 질문

• RQ1 고정 커널 대신 가중치 함수를 최적화함으로써 비국소 평균 제거의 성능을 향상시킬 수 있는가?
• RQ2 비국소 평균에서 가우시안 커널의 이론적으로 타당한 대안이 존재하는가, 그리고 그로 인해 더 나은 제거 성능을 얻을 수 있는가?
• RQ3 최적화를 통해 대역폭 파라미터를 자동으로 선택할 수 있는가, 수동 조정이 필요 없는가?
• RQ4 제안된 필터는 표준 정규성 가정 하에서 이미지 제거의 최적 수렴 속도를 달성하는가?

주요 결과

• 제안된 최적 가중치 필터는 허더링 정규성 조건 하에서 $ O(n^{-\frac{\beta}{2\beta+2}} \ln n) $ 의 최적 수렴 속도를 달성하며, 이는 이 함수 클래스에서 달성 가능한 가장 빠른 속도이다.
• 수치 시뮬레이션에서 표준 비국소 평균보다 성능이 뛰어나며, 삼각형 커널이 가우시안 커널보다 더 나은 제거 성능을 제공한다.
• 대역폭이 가중치 함수 최적화 과정을 통해 자동으로 선택되므로, 파라미터가 없는 방법이다.
• 이론적 분석을 통해 필터가 최적 속도로 수렴한다는 것이 확인되었으며, 이는 비국소 평균에 대해 이전에는 확립되지 않았던 엄밀한 이론적 근거를 제공한다.
• 가중치 최적화로 평균 제곱오차의 더 날카운 상한이 달성되어, 지역 이미지 구조에 적응함으로써 추정 정확도가 향상된다.
• 계산적으로 효율적이며 간단하게 구현 가능하며, 반복 절차나 복잡한 조정이 필요 없다.