[논문 리뷰] Smooth and iteratively Restore: A simple and fast edge-preserving smoothing model

Philipp Kniefacz, Walter G. Kropatsch|arXiv (Cornell University)|2015. 05. 25.

Image Enhancement Techniques참고 문헌 10인용 수 7

한 줄 요약

이 논문은 강한 에지 보존과 함께 작은 구조를 제거하는 데에 효과적인 새로운 에지 보존 스무딩 프레임워크인 Smooth and Iteratively Restore(SiR)를 제안한다. 이 방법은 먼저 소형 구조를 제거하기 위해 블러링 필터를 적용한 후, 원본 입력 이미지를 가이드로 사용하는 가이드된 에지 인식 필터를 반복적으로 적용하여 강한 에지를 복원한다. 이 방법은 불필요한 소형 세부 정보를 제거하면서 중요한 에지를 잘 보존하여, 롤링 가이드 필터와 같은 최신 기술보다도 훨씬 뛰어난 성능을 보이며, 실시간 응용에 적합한 고속 처리를 구현한다.

ABSTRACT

In image processing, it can be a useful pre-processing step to smooth away small structures, such as noise or unimportant details, while retaining the overall structure of the image by keeping edges, which separate objects, sharp. Typically this edge-preserving smoothing process is achieved using edge-aware filters. However such filters may preserve unwanted small structures as well if they contain edges. In this work we present a novel framework for edge-preserving smoothing which separates the process into two different steps: First the image is smoothed using a blurring filter and in the second step the important edges are restored using a guided edge-aware filter. The presented method proves to deliver very good results, compared to state-of-the-art edge-preserving smoothing filters, especially at removing unwanted small structures. Furthermore it is very versatile and can easily be adapted to different fields of applications while at the same time being very fast to compute and therefore well-suited for real time applications.

연구 동기 및 목표

• 강한 에지를 보존하면서도 작은 불필요한 구조를 제거하는 데에 한계가 있는 에지 인식 필터의 문제점을 해결하기 위해.
• 소형 구조 제거와 에지 복원을 분리한 이중 단계 프레임워크를 도입하여 이미지 스무딩 성능을 향상시키기 위해.
• 실시간 응용에 적합한 빠르고 효과적인 방법을 개발하기 위해.
• 크기 인식 스무딩을 통해 이미지를 사전 처리하여 에지 검출 성능을 향상시키기 위해.
• 다양한 스무딩 및 에지 인식 필터와 호환되는 유연하고 모듈화된 프레임워크를 제공하기 위해.

제안 방법

• 입력 이미지에 스무딩 필터(예: 가우시안 또는 레인지 필터)를 적용하여 소형 구조와 노이즈를 제거한다.
• 스무딩 단계의 출력을 원본 입력 이미지를 가이드 이미지로 사용하는 가이드된 에지 인식 필터를 반복적으로 적용하여 강한 에지를 보존한다.
• 가이드된 필터를 다수 번 적용하여 초기 스무딩 단계에서 손실된 에지를 점진적으로 복원한다.
• 프레임워크는 모듈식이며, 분리 가능한 가우시안, SNN, 2D 가우시안 레인지 필터를 포함한 다양한 스무딩 및 에지 인식 필터와 조합할 수 있다.
• 알고리즘은 계산적으로 효율적이며, 802×682 크기의 이미지에서 실행 성능이 입증되었으며, 1초 이내의 처리 시간을 달성한다.
• 스무딩 필터의 척도 인식성과 가이드된 필터의 에지 인식성을 활용하여 고품질 결과를 달성한다.

실험 결과

연구 질문

• RQ1 이중 단계 접근 방식(먼저 스무딩하고, 이후 반복적으로 에지를 복원함)이 단일 단계 에지 인식 필터보다 더 나은 에지 보존과 노이즈 제거 성능을 달성할 수 있는가?
• RQ2 시각적 품질과 계산 효율성 측면에서, 제안된 SiR 프레임워크는 롤링 가이드 필터와 같은 최신 기술의 척도 인식 필터보다 어떻게 비교되는가?
• RQ3 에지 검출 성능 향상은 SiR 프레임워크를 사전 처리 단계로 사용했을 때 얼마나 향상되는가?
• RQ4 다양한 종류의 스무딩 및 에지 인식 필터에 대해 프레임워크가 효율적으로 적응 가능하며, 높은 성능을 유지할 수 있는가?
• RQ5 SiR 프레임워크에서 시각적 품질, 계산 속도, 아티팩트 생성 간의 상호 상충 관계는 어떠한가?

주요 결과

• SiR는 롤링 가이드 필터(RGF)와 SiRSNN보다 텍스처 스무딩 영역에서 더 뛰어난 균일성을 보였으며, RGF와 SiRSNN는 밝은 반점( stains )을 생성했다.
• SiRsep는 원래 형태를 더 정확히 보존한 에지를 생성했고, RGF는 더 매끄럽지만 세부 정보가 덜 구현된 에지를 생성했다.
• Sobel 에지 검출의 F-측정치는 사전 처리 없이 0.49에서 SiR와 분리 가능한 가우시안 레인지 필터를 사용할 경우 0.57로 향상되어 뚜렷한 성능 향상을 보였다.
• SiRSNN는 가장 빠른 방법으로 0.1초 만에 완료되었지만, SiR와 RGF보다 노이즈가 더 심했다.
• 7×7 가우시안 블러와 5회의 반복을 사용한 SiR의 총 처리 시간은 802×682 이미지에서 2.4초였으며, 실시간 처리 가능성을 입증했다.
• SiR에서는 부분적으로 복원된 소형 구조로 인해 에지 근처에 아티팩트가 관찰되었으며, 이는 더 높은 에지 정밀도를 얻기 위한 상충 관계였다.