[논문 리뷰] Salt-n-pepper noise filtering using Cellular Automata

Dimitrios Tourtounis, Nikolaos Mitianoudis외 1명|arXiv (Cornell University)|2017. 08. 16.

Cellular Automata and Applications참고 문헌 35인용 수 3

한 줄 요약

이 논문은 2D 무어 이웃 구조를 사용한 저복잡도 셀룰러 오토마타(CA) 기반 방법을 제안한다. 이 방법은 회색조 이미지에서 소금과胡椒 노이즈를 제거하는 데 목적이 있으며, 노이즈가 있는 픽셀을 식별하고 그들의 비노이즈 이웃 픽셀의 평균으로 교체함으로써 고성능의 PSNR 및 SSIM 값을 달성한다. 이는 10%에서 90%의 노이즈 밀도 범위에서 최신 기술을 능가하며, 경계를 유지하고 블러를 최소화한다.

ABSTRACT

Cellular Automata (CA) have been considered one of the most pronounced parallel computational tools in the recent era of nature and bio-inspired computing. Taking advantage of their local connectivity, the simplicity of their design and their inherent parallelism, CA can be effectively applied to many image processing tasks. In this paper, a CA approach for efficient salt-n-pepper noise filtering in grayscale images is presented. Using a 2D Moore neighborhood, the classified "noisy" cells are corrected by averaging the non-noisy neighboring cells. While keeping the computational burden really low, the proposed approach succeeds in removing high-noise levels from various images and yields promising qualitative and quantitative results, compared to state-of-the-art techniques.

연구 동기 및 목표

• 고밀도의 소금과胡椒 노이즈를 효율적으로 제거하면서도 이미지 세부 정보, 예를 들어 경계와 얇은 선을 유지하는 데 도전하는 것.
• 기존의 중앙값 필터나 적응형 중앙값 필터와 같은 전통적 필터들이 고노이즈 수준에서 블러 또는 높은 계산 복잡도 문제를 겪는 한계를 극복하는 것.
• 셀룰러 오토마타의 고유한 병렬성과 국소적 연결성을 활용하여 계산 비용이 낮고 하드웨어에 유리한 이미지 노이즈 제거 솔루션을 개발하는 것.
• 크기 창이 크거나 복잡한 적응 메커니즘이 필요 없이도 극한의 노이즈 밀도(최대 90%)에서도 높은 이미지 품질을 유지하는 방법을 개발하는 것.

제안 방법

• 각 픽셀 주변의 2D 무어 이웃(3×3 격자)을 활용하여 국소적 맥락을 평가하고 중심 픽셀이 노이즈가 있는지 없는지 분류한다.
• 노이즈가 있는 픽셀은 비노이즈 이웃 셀의 강도 평균을 계산하여 교정함으로써 이미지 구조의 왜곡을 최소화한다.
• 이웃 분류에 기반한 결정론적 국소 규칙을 적용하여 이미지 격자 전역에서 병렬 실행이 가능한 반복적 업데이트를 수행한다.
• 노이즈 픽셀과 비노이즈 픽셀을 구분하는 이진 분류 단계를 거친 후, 노이즈 픽셀에 대해서만 강도 보정을 수행한다.
• 정규적이고 국소적이며 본질적으로 병렬적인 구조를 고려해 하드웨어 효율성을 고려한 설계를 하였다. FPGA 또는 GPU에서의 구현 가능성이 있다.
• PSNR 및 SSIM 메트릭을 사용하여 다양한 표준 테스트 이미지(Lena, Baboon, Barbara, Lighthouse, Fingerprint, Pentagon)를 대상으로 10%에서 90%의 노이즈 밀도 범위에서 평가하였다.

실험 결과

연구 질문

• RQ1 셀룰러 오토마타 기반 접근법이 10%–90%의 광범위한 노이즈 밀도 범위에서 저비용 계산으로 효과적으로 소금과胡椒 노이즈를 제거할 수 있는가?
• RQ2 고노이즈 수준에서 AMF, PSMF, FBAMF와 같은 최신 기술과 비교해 본다면, 제안된 CA 방법의 PSNR 및 SSIM 성능는 어떠한가?
• RQ3 기존의 중앙값 기반 필터가 이러한 특징을 블러링하는 것과 대비하여, CA 방법은 이미지 경계와 미세한 세부 정보를 얼마나 잘 유지하는가?
• RQ4 CA의 본질적 병렬성은 실시간 이미지 노이즈 제거 응용을 위한 FPGA 또는 GPU와 같은 하드웨어 구현에 효율적으로 활용될 수 있는가?
• RQ5 공간 정보가 제한된 저해상도 이미지(예: 256×256)에서도 제안된 방법이 높은 성능을 유지하는가?

주요 결과

• 제안된 CA 방법은 512×512 크기의 Lena 이미지에서 90% 노이즈 밀도일 때 PSNR 27.98 dB를 달성하였으며, 두 번째로 좋은 성능을 보인 FBAMF(26.91 dB)를 능가하였다.
• 70% 노이즈 밀도일 경우 동일한 이미지에서 PSNR 33.18 dB를 기록하였으며, 이는 FBAMF(31.38 dB)를 다시 한 번 앞서는 성과로 고노이즈 수준에서도 일관된 우수성을 입증하였다.
• 모든 테스트된 노이즈 밀도에서 높은 SSIM 값을 유지하여 복원된 이미지와 원본 이미지 간의 강력한 구조 유사성을 보였다.
• 256×256 해상도에서도 기존 필터(SMF, PSMF, BDND)가 눈에 띄는 블러와 품질 저하를 보이는 것과는 달리, 제안된 방법이 우수한 성능을 보였다.
• Lena, Baboon, Barbara, Lighthouse, Fingerprint, Pentagon 등의 다양한 테스트 이미지에서 높은 노이즈 수준에서도 빛나는 시각적 성능을 보였다.
• 낮은 계산 복잡도와 본질적 병렬성 덕분에 FPGA 또는 GPU 플랫폼에서의 하드웨어 가속에 매우 적합하다.