[论文解读] 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 7

一句话总结

本文提出了一种新颖的边缘保持平滑框架——平滑并迭代恢复（Smooth and Iteratively Restore, SiR），该方法首先应用模糊滤波器以去除小结构，然后通过引导式边缘感知滤波器迭代恢复强边缘。该方法在去除不想要的小细节的同时有效保留重要边缘，其性能优于最先进的滤波器（如滚动引导滤波器），在纹理平滑和边缘检测预处理方面表现更优，且运行速度足够快，适用于实时应用。

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.

研究动机与目标

• 解决边缘感知滤波器在去除小而不需要的结构时难以保留强边缘的局限性。
• 通过引入两阶段框架，将小结构去除与边缘恢复分离，以改善图像平滑效果。
• 开发一种既快速又高效的方法，适用于图像处理中的实时应用。
• 通过使用尺度感知平滑预处理图像，提升边缘检测性能。
• 提供一种灵活、模块化的框架，可与多种平滑和边缘感知滤波器兼容。

提出的方法

• 该方法首先对输入图像应用平滑滤波器（如高斯滤波器或范围滤波器）以去除小结构和噪声。
• 平滑步骤的输出随后通过引导式边缘感知滤波器进行迭代处理，该滤波器使用原始输入图像作为引导图像，以保留强边缘。
• 引导滤波器被多次应用，以逐步恢复初始平滑步骤中丢失的边缘。
• 该框架具有模块化特性，可与不同类型的平滑滤波器和边缘感知滤波器结合使用，包括可分离高斯滤波器、SNN以及二维高斯范围滤波器。
• 该算法计算效率高，在802×682尺寸图像上展示了亚秒级处理时间。
• 该方法利用平滑滤波器的尺度感知特性与引导滤波器的边缘感知能力，实现高质量结果。

实验结果

研究问题

• RQ1 两阶段方法（先平滑后迭代恢复边缘）是否能在边缘保持与噪声去除方面优于单阶段边缘感知滤波器？
• RQ2 与最先进的尺度感知滤波器（如滚动引导滤波器）相比，所提出的SiR框架在视觉质量与计算效率方面表现如何？
• RQ3 当作为预处理步骤使用时，SiR框架在多大程度上提升了边缘检测性能？
• RQ4 该框架能否高效适配不同类型平滑与边缘感知滤波器，同时保持高性能？
• RQ5 SiR框架在视觉质量、计算速度与伪影生成之间存在何种权衡？

主要发现

• 与滚动引导滤波器（RGF）和SiRSNN相比，SiR在纹理平滑区域实现了更好的均匀性，后者产生了明显的亮斑。
• SiRsep生成的边缘更准确地保留了原始形状，而RGF生成的边缘虽然更平滑但细节更少。
• 使用可分离高斯范围滤波器的SiR进行预处理后，Sobel边缘检测的F-measure从0.49（无预处理）提升至0.57，表明性能显著提升。
• SiRSNN是最快的方法，耗时仅0.1秒，但其结果比SiR和RGF更嘈杂。
• 在802×682图像上，使用7×7高斯模糊与5次迭代的SiR总运行时间为2.4秒，证明了其具备实时处理可行性。
• SiR在边缘附近观察到伪影，这是由于小结构部分被恢复所致，属于为获得更高边缘保真度而付出的代价。