[論文レビュー] A Non-Local Means Approach for Gaussian Noise Removal from Images using a Modified Weighting Kernel

Mojtaba Kazemi, Pedram Mohammadi+2 more|arXiv (Cornell University)|Dec 3, 2016

Image and Signal Denoising Methods参考文献 18被引用数 7

ひとこと要約

本稿では、画像パッチ内の強度ノイズに敏感な従来の非局所平均（NLM）フィルタの問題を緩和するため、標準のガウス重み付きカーネルの代わりに幾何的距離に基づくカーネルを採用した改良型NLMノイズ除去手法を提案する。ピクセル強度間の幾何的類似性を活用することで、特に高ノイズ条件下でも性能が向上し、標準ベンチマーク画像において最先端のフィルタを上回る性能を発揮する。

ABSTRACT

Gaussian noise removal is an interesting area in digital image processing not only to improve the visual quality, but for its impact on other post-processing algorithms like image registration or segmentation. Many presented state-of-the-art denoising methods are based on the self-similarity or patch-based image processing. Specifically, Non-Local Means (NLM) as a patch-based filter has gained increasing attention in recent years. Essentially, this filter tends to obtain the noise-less signal value by computing the Gaussian-weighted Euclidean distance between the patch under-processing and other patches inside the image. However, the NLM filter is sensitive to the outliers (pixels that their intensity values are far away from other pixels) inside the patch, meaning that the pixels with the symmetric locations in the patch are assigned the same weight. This can lead to sub-optimal denoising performance when the destructive nature of noise generates some outliers inside patches. In this paper, we propose a new weighting approach to modify the Gaussian kernel of the NLM filter. Our approach employs the geometric distance between image intensities to come up with new weights for each pixel of a patch, lowering the impact of outliers on the denoising performance. Experiments on a set of standard images and different noise levels show that our proposed method outperforms the other compared denoising filters.

研究の動機と目的

• 画像パッチ内の強度ノイズに敏感な従来の非局所平均（NLM）フィルタの問題を解決すること。
• NLMの重み付きカーネルを変更することで、ガウスノイズが存在する状況でのノイズ除去性能を向上させること。
• 標準NLMで等しい重みが割り当てられる対称的に配置されたノイズピクセルの悪影響を軽減すること。
• ピクセル強度間の幾何的距離を組み込むことで、パッチベースのノイズ除去のロバスト性と正確性を向上させること。
• さまざまなノイズレベルにおいて、既存の最先端手法と比較して優れたノイズ除去結果を達成すること。

提案手法

• NLMにおける標準のガウス重み付きユークリッド距離を、ピクセル強度値間の幾何的距離メトリックに置き換える。
• 強度差の幾何平均に基づく新しいパッチ重みを計算することで、極端な強度値の影響を低減する。
• 修正されたカーネルをNLMフレームワーク内に適用し、類似パッチの重み付き平均としてノイズ除去済みピクセル値を推定する。
• 候補パッチを特定するための対称的パッチマッチングを採用するが、ノイズの影響を抑えるために幾何的距離測度を用いて再重み付けを行う。
• NLMのコア構造を維持しつつ、ノイズ由来のノイズピクセルに対するロバスト性を向上させるためにカーネル関数を変更する。
• 強度差の非線形変換を用いることで、局所的な類似性を強調しつつ、極端な値による歪みを最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 ガウスカーネルを幾何的距離に基づくカーネルに置き換えることで、NLMの強度ノイズに対するロバスト性はどのように変化するか？
• RQ2 提案手法は、ガウスノイズのレベルが変化する条件下で、どの程度ノイズ除去性能が向上するか？
• RQ3 幾何的重み付けアプローチは、標準NLMおよび他の最先端のノイズ除去フィルタと比較して、PSNRおよび視覚的品質の面で優れているか？
• RQ4 修正されたカーネルは、画像パッチ内に対称的に配置されたノイズピクセルをどのように処理するか？
• RQ5 ノイズ除去の正確性を向上させながら、計算効率を維持できるか？

主な発見

• 提案手法は、複数の標準テスト画像において、標準NLMおよび比較対象のフィルタと比較して高いPSNR値を達成した。
• 特にノイズの影響が顕著に現れる高ノイズレベルにおいて、優れた性能を示した。
• 視覚的評価では、エッジやテクスチャ周辺でのリングアーチファクトやノイズの発生が顕著に減少した。
• 幾何的距離に基づくカーネルは、強度ノイズの影響を効果的に低減し、より正確なパッチ類似度推定を可能にした。
• 著しくノイズ除去品質を向上させつつも、競争的な計算複雑性を維持した。
• 2017年イラン電気工学会会議での実験結果により、本手法の有効性とロバスト性が確認された。