[논문 리뷰] Adaptive Non-Linear Filtering Technique For Image Restoration

Saumya Satpathy, Sidhartha Panda외 3명|arXiv (Cornell University)|2010. 08. 21.

Image and Signal Denoising Methods참고 문헌 13인용 수 12

한 줄 요약

이 논문은 잡음이 있는 이미지에서 손상된 픽셀을 동시에 탐지하고 교체하는 적응형 비선형 필터링 기법을 제안한다. 잡음 수준에 따라 중앙값 필터링과 평균 필터링 간에 자동 전환함으로써, 가장자리와 세부 정보를 효과적으로 보존하면서도 임펄스 잡음 및 밴드라인 잡음 제거에서 표준 알고리즘보다 PSNR, MSE, SNRI, PONA 및 POSP 지표에서 뛰어난 성능을 발휘한다.

ABSTRACT

Removing noise from the any processed images is very important. Noise should be removed in such a way that important information of image should be preserved. A decisionbased nonlinear algorithm for elimination of band lines, drop lines, mark, band lost and impulses in images is presented in this paper. The algorithm performs two simultaneous operations, namely, detection of corrupted pixels and evaluation of new pixels for replacing the corrupted pixels. Removal of these artifacts is achieved without damaging edges and details. However, the restricted window size renders median operation less effective whenever noise is excessive in that case the proposed algorithm automatically switches to mean filtering. The performance of the algorithm is analyzed in terms of Mean Square Error [MSE], Peak-Signal-to-Noise Ratio [PSNR], Signal-to-Noise Ratio Improved [SNRI], Percentage Of Noise Attenuated [PONA], and Percentage Of Spoiled Pixels [POSP]. This is compared with standard algorithms already in use and improved performance of the proposed algorithm is presented. The advantage of the proposed algorithm is that a single algorithm can replace several independent algorithms which are required for removal of different artifacts.

연구 동기 및 목표

• 이미지 복원에서 다양한 잡음 유형에 대해 별도의 독립적 필터를 사용하는 것을 대체할 통합 알고리즘을 개발하기 위해.
• 임펄스, 밴드라인, 드롭라인 및 마크 아티팩트를 제거하면서도 이미지의 가장자리와 세부 정보를 보존하기 위해.
• 국소적 잡음 강도에 따라 필터링 전략(중심값 대비 평균)을 동적으로 적응시키기 위해.
• PSNR, MSE, SNRI, PONA 및 POSP를 포함한 종합적 지표를 사용하여 성능 평가하기 위해.
• 다양한 잡음 패턴을 처리할 때 기존의 필터링 기법들보다 열등하지 않음을 입증하기 위해.

제안 방법

• 알고리즘은 슬라이딩 윈도우 내에서 손상된 픽셀을 탐지하기 위한 의사결정 기반 접근을 사용한다.
• 낮은에서 중간 수준의 잡음에서는 가장자리를 보존하고 임펄스 잡음을 감소시키기 위해 중앙값 필터링을 적용한다.
• 잡음이 임계값을 초과할 경우, 알고리즘은 자동으로 고잡음 밀도를 처리하기 위해 평균 필터링으로 전환한다.
• 계산 효율성과 가장자리 보존을 유지하기 위해 윈도우 크기를 제한한다.
• 손상된 픽셀은 적응형 필터링 연산의 출력 기반으로 교체된다.
• 노이즈 감쇠 및 이미지 무결성의 정량적 측정을 위해 MSE, PSNR, SNRI, PONA 및 POSP를 사용하여 성능 평가된다.

실험 결과

연구 질문

• RQ1 단일 적응형 필터링 기법이 임펄스, 밴드라인, 드롭라인 잡음과 같은 다양한 유형의 이미지 아티팩트를 효과적으로 제거할 수 있는가?
• RQ2 다양한 잡음 수준에서 중앙값 필터링과 평균 필터링 간의 동적 전환이 복원 성능을 어떻게 향상시키는가?
• RQ3 기존 필터와 비교했을 때 제안된 방법이 이미지의 가장자리와 세부 정보를 얼마나 잘 보존하는가?
• RQ4 기존 알고리즘 대비 제안된 방법이 PSNR, MSE 및 SNRI에서 얼마나 정량적으로 향상되는가?
• RQ5 표준 기법보다 더 나은 노이즈 감쇠(PONA)와 낮은 손상된 픽셀 비율(POSP)을 달성할 수 있는가?

주요 결과

• 제안된 알고리즘은 표준 필터링 기법보다 더 높은 PSNR 값을 달성하여 복원 후 이미지 품질이 향상됨을 나타낸다.
• 이 방법은 개선된 SNRI를 보여주며, 필터링 후 신호 대 잡음 비율 향상을 반영한다.
• PONA 값은 잔여 잡음의 현저한 감소를 확인하여 효과적인 노이즈 감쇠를 보여준다.
• POSP가 감소하여 필터링 과정에서 잘못 처리되거나 손상된 픽셀 수가 줄어듦을 나타낸다.
• MSE에서 기존 필터보다 우수한 성능을 보이며, 더 낮은 값은 원본 이미지와 복원된 이미지 간 평균 오차가 작음을 의미한다.
• 중앙값 필터링과 평균 필터링 간의 적응형 전환 메커니즘이 고잡음 환경에서의 강건성을 향상시킨다.