[论文解读] Adaptive Non-Linear Filtering Technique For Image Restoration

Saumya Satpathy, Sidhartha Panda+3 more|arXiv (Cornell University)|Aug 21, 2010

Image and Signal Denoising Methods参考文献 13被引用 12

一句话总结

该论文提出了一种自适应非线性滤波技术，可同时检测并替换噪声图像中的损坏像素，根据噪声水平在中值滤波和均值滤波之间切换。该方法在脉冲噪声和条带噪声去除方面，有效保持了边缘和细节，且在PSNR、MSE、SNRI、PONA和POSP指标上优于标准算法。

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.

研究动机与目标

• 开发一种统一算法，以替代图像复原中针对不同噪声类型而独立使用的多种滤波器。
• 在去除脉冲噪声、条带线噪声、横线噪声和标记伪影的同时，保持图像边缘和细节。
• 根据局部噪声强度动态调整滤波策略（中值滤波与均值滤波之间切换）。
• 使用PSNR、MSE、SNRI、PONA和POSP等综合指标评估性能。
• 在处理多样化噪声模式方面，证明优于传统滤波技术。

提出的方法

• 该算法采用基于决策的方法，在滑动窗口内检测损坏像素。
• 在低至中等噪声水平下应用中值滤波，以保持边缘并减少脉冲噪声。
• 当噪声超过阈值时，算法自动切换至均值滤波，以处理高密度噪声。
• 窗口大小受到限制，以保持计算效率并保护边缘。
• 根据自适应滤波操作的输出替换损坏像素。
• 通过MSE、PSNR、SNRI、PONA和POSP评估性能，以量化噪声抑制和图像保真度。

实验结果

研究问题

• RQ1 单一自适应滤波技术是否能有效去除包括脉冲噪声、条带线噪声和横线噪声在内的多种图像伪影？
• RQ2 在不同噪声水平下，中值滤波与均值滤波之间的动态切换如何提升图像复原性能？
• RQ3 与传统滤波器相比，该方法在保持图像边缘和细节方面具有多大程度的优越性？
• RQ4 与现有算法相比，该方法在PSNR、MSE和SNRI方面实现了多大程度的定量改进？
• RQ5 该算法是否能在噪声抑制（PONA）方面表现更优，并在像素损坏率（POSP）方面低于标准技术？

主要发现

• 所提算法获得的PSNR值高于标准滤波技术，表明复原后图像质量更优。
• 该方法在SNRI方面表现更优，反映出滤波后信噪比得到提升。
• PONA值证实了残留噪声的显著减少，表明噪声抑制效果良好。
• POSP降低，表明在滤波过程中被错误处理或损坏的像素更少。
• 在MSE方面，该算法优于传统滤波器，更低的数值表明原始图像与复原图像之间的平均误差更小。
• 中值滤波与均值滤波之间的自适应切换机制增强了在高噪声场景下的鲁棒性。