[論文レビュー] Smooth and iteratively Restore: A simple and fast edge-preserving smoothing model

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

Image Enhancement Techniques参考文献 10被引用数 7

ひとこと要約

本稿では、小さな構造を除去した後、ガイド付きエッジに敏感なフィルタを繰り返し適用して強力なエッジを回復する、新しいエッジ保存型平滑化フレームワークであるSmooth and Iteratively Restore (SiR)を提案する。この手法は、不要な小さな詳細を除去しながら重要なエッジを保存する点で優れた結果を達成しており、テクスチャ平滑化およびエッジ検出の前処理において、ローリングガイドフィルタなどの最先端のフィルタを上回る性能を発揮する。また、リアルタイム応用に適した高速性を兼ね備えている。

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.

研究の動機と目的

• エッジに敏感なフィルタが、小さな不要な構造を除去する際の強力なエッジの保持に限界を示す問題に対処すること。
• 小さな構造の除去とエッジ回復を分離した二段階フレームワークを導入することで、画像平滑化の性能を向上させること。
• 画像処理分野におけるリアルタイム応用に適した、高速かつ効果的な手法を開発すること。
• スケールに敏感な平滑化により顕著なエッジを保持する前処理を施すことで、エッジ検出の性能を向上させること。
• さまざまな平滑化フィルタおよびエッジに敏感なフィルタと互換性を持つ、柔軟でモジュラーなフレームワークを提供すること。

提案手法

• 入力画像に対して平滑化フィルタ（例：ガウスフィルタまたはレンジフィルタ）を適用し、小さな構造やノイズを除去する。
• 平滑化処理の出力を、元の入力画像をガイド画像として用いるガイド付きエッジに敏感なフィルタを繰り返し適用することで処理する。このプロセスにより、初期の平滑化段階で失われた強力なエッジが徐々に回復される。
• ガイド付きフィルタを複数回適用することで、初期平滑化段階で失われたエッジを段階的に回復する。
• このフレームワークはモジュラーであり、分離可能なガウスフィルタ、SNN、2次元ガウスレンジフィルタを含む、さまざまな平滑化フィルタおよびエッジに敏感なフィルタと組み合わせられる。
• アルゴリズムは計算的に効率的であり、802×682サイズの画像上で実行された実行時間の性能が示されており、1秒未満の処理時間を達成している。
• 平滑化フィルタのスケールに敏感な性質とガイド付きフィルタのエッジに敏感な性質を活用することで、高品質な結果が得られる。

実験結果

リサーチクエスチョン

• RQ1 まず平滑化を行い、その後に繰り返しエッジを回復する二段階的手法は、単一段階のエッジに敏感なフィルタと比較して、より優れたエッジ保持性とノイズ除去性能を達成できるか？
• RQ2 視覚的品質および計算効率の観点から、ローリングガイドフィルタ（RGF）などの最先端のスケールに敏感なフィルタと比較して、提案されたSiRフレームワークはどのように差をつけるか？
• RQ3 エッジ検出の前処理として使用した場合、SiRフレームワークはエッジ検出性能をどの程度向上させるか？
• RQ4 異なる種類の平滑化フィルタおよびエッジに敏感なフィルタに効率的に適応可能であり、高い性能を維持できるか？
• RQ5 SiRフレームワークにおいて、視覚的品質、計算速度、アーチファクト生成の間にはどのようなトレードオフが生じるか？

主な発見

• SiRはローリングガイドフィルタ（RGF）やSiRSNNと比較して、テクスチャ平滑化領域における均一性が優れており、後者は明るい斑点を生成した。
• SiRsepは、エッジが元の形状をよりよく保持していたのに対し、RGFは滑らかではあるが詳細性に欠けるエッジを生成した。
• Sobelエッジ検出のF-measureは、前処理なしの場合の0.49から、分離可能なガウスレンジフィルタを用いたSiRを用いた場合の0.57に向上し、顕著な性能向上が示された。
• SiRSNNは最も高速な手法であり、0.1秒で処理を完了したが、SiRやRGFと比較してノイジエアな結果を示した。
• 7×7ガウスブラーと5回の反復を用いたSiRの総実行時間は、802×682の画像で2.4秒であり、リアルタイム処理の実現可能性を示した。
• SiRでは、小さな構造の部分的回復のため、エッジ付近にアーチファクトが観察されたが、これは高いエッジ忠実度を実現するためのトレードオフであった。