[論文レビュー] Guided Filter based Edge-preserving Image Non-blind Deconvolution

Hang Yang, Ming Zhu+2 more|arXiv (Cornell University)|Sep 7, 2016

Advanced Image Processing Techniques参考文献 6被引用数 4

ひとこと要約

本稿では、画像修復中にエッジを保持するためのガイドフィルタを用いた新しい非盲目的デコンボリューション手法を提案する。非鋭化とノイズ除去のステップを分離し、高速フーリエ変換を用いた効率的な最適化を実施することで、最先端の手法に比べて優れたエッジ保持性能とISNR向上を達成した。正則化パrameterは不一致原理を用いて自動的に調整される。

ABSTRACT

In this work, we propose a new approach for efficient edge-preserving image deconvolution. Our algorithm is based on a novel type of explicit image filter - guided filter. The guided filter can be used as an edge-preserving smoothing operator like the popular bilateral filter, but has better behaviors near edges. We propose an efficient iterative algorithm with the decouple of deblurring and denoising steps in the restoration process. In deblurring step, we proposed two cost function which could be computed with fast Fourier transform efficiently. The solution of the first one is used as the guidance image, and another solution will be filtered in next step. In the denoising step, the guided filter is used with the two obtained images for efficient edge-preserving filtering. Furthermore, we derive a simple and effective method to automatically adjust the regularization parameter at each iteration. We compare our deconvolution algorithm with many competitive deconvolution techniques in terms of ISNR and visual quality.

研究の動機と目的

• ぼやけた画像とノイズを含む画像を復元する際のシャープなエッジの保持という課題に対処すること。
• 非鋭化とノイズ除去を分離することで、安定性と性能が向上する効率的な反復的デコンボリューションアルゴリズムの開発。
• 復元パイプライン内に、頑健なエッジ保持平滑化演算子としてガイドフィルタを統合すること。
• 各反復で不一致原理を用いて正則化パrameterを自動的に適応させること。
• 定量的指標と視覚的品質の両面で、既存の最先端のデコンボリューション手法と比較して同等または優れた結果を達成すること。

提案手法

• 非鋭化ステップでは、2つのコスト関数を用いる。1つは全変動（TV）正則化で、もう1つはチホノフ正則化である。両者ともFFTを用いてフーリエドメインで効率的に解かれる。
• TV正則化問題の解がガイド画像として用いられ、チホノフ解はノイズ除去ステップにおけるガイドフィルタの入力として使用される。
• ガイドフィルタは、TV解をガイドとして用いてチホノフ解に反復的に適用され、ノイズを低減しながらエッジを保持する。
• 正則化パrameter λ は、各反復で不一致原理を用いて自動的に更新され、残差誤差が期待されるノイズレベルと一致するように保証される。
• アルゴリズムは、FFTに基づく最適化による非鋭化と、ガイドフィルタによるノイズ除去を交互に繰り返し、収束するまで続ける。
• 本手法は、標準テスト画像（Cameraman と House）を用いて、さまざまなPSFとノイズレベルで評価された。ガイドフィルタには ε = 7.5×10⁻⁴ と w = 3 を使用した。

実験結果

リサーチクエスチョン

• RQ1 ガイドフィルタは、反復的非盲目的デコンボリューションフレームワークに効果的に統合可能であり、エッジ保持性を向上させることができるか？
• RQ2 非鋭化とノイズ除去のステップを分離することで、統合最適化に比べてより優れた復元性能が得られるか？
• RQ3 不一致原理を用いて、手動チューニングを必要とせずに各反復で正則化パrameterを自動的に決定できるか？
• RQ4 ForWaRD、TVS、SV-GSM、L0-AbS などの最先端のデコンボリューション手法と比較して、本手法はISNRと視覚的品質の両面で優れているか？
• RQ5 画像デコンボリューションの文脈において、ガイドフィルタは他のエッジ保持フィルタ（例：バイリューションフィルタ）よりも効果的であるか？

主な発見

• Cameraman画像では、テスト設定3においてISNRが9.53 dBを達成し、次に優れた手法（L0-AbS）の9.10 dBを上回った。
• House画像では、テスト設定3において11.11 dBのISNRを達成し、2番目に優れた手法（SV-GSM）の9.04 dBを上回った。
• 5×5のモーションブラー核と高ノイズ（σ²=49）を含むテスト設定4では、House画像で4.84 dBのISNRを達成した。これに対してTVSは4.49 dBであった。
• 256×256の画像では、1反復あたり0.098秒の実行時間であり、30反復の合計実行時間は2.94秒であった。
• 視覚的比較では、顔の特徴や窓の縁といった細かなディテールが、競合手法と比較して本手法の方がよりよく保持されていることが示された。
• 正則化パrameter λ は、不一致原理を用いて各反復で自動的に調整され、手動チューニングの必要がなくなった。