본문 바로가기
KERD
논문KCI 등재

밝기와 노이즈 관계의 확률적 선험정보를 이용한 노이즈 제거

Noise removal using probabilistic priors of intensity-noise

황영배
한국차세대컴퓨팅학회 (KINGComputing)|2020.02|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제16권 제1호|pp. 43-55|DOI 10.23019/kingpc.16.1.202002.004

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

Image Restoration노이즈 제거영상 복원밝기-노이즈 관계노이즈 모델링Noise removalIntensity-Noise RelationshipNoise Modeling
주제분류컴퓨터학

초록

CCD나 CMOS 카메라로 획득된 영상은 노이즈에 의한 밝기 변화가 항상 발생하며, 이러한 변화는 다양한 원인으로부터 생겨날 수 있다. 전통적인 노이즈 제거 방법은 밝기 변화에 대한 근본적인 특성을 고려하지 않고 경계선을 유지하도록 고려하면서 주변 픽셀과의 가중치의 합으로 계산된다. 본 논문에서는 근본적인 영상 노이즈를 고려하여 촬영된 장면의 방사 조도에 가까운 실제 밝기를 추정하는 확률적 방법을 제안한다. 주어진 밝기와 노이즈와의 관계를 통해서 제안된 모델은 밝기 차이의 통계치기반 사후확률을 최대화하여 노이즈가 줄어든 밝기를 계산한다. 기존 방법에서 주로 사용되는, 주변 픽셀은 유사한 컬러를 갖는다는 전통적인 가정 대신에 영상 노이즈에 의한 밝기 변화 분포는 실제 밝기에서 가장 높은 확률을 갖는다는 사실을 이용하였다. 대상 픽셀과 주변 픽셀의 확률적인 영향력을 계산함으로써 대상 픽셀에 대해 반복적으로 확률을 최대화하면서 실제 밝기에 가까워질 수 있다. 다양한 실험에 의해서 제안된 방법은 밝기와 노이즈 사이의 확률적 선험정보를 이용해서 노이즈가 제거된 영상을 복원한다는 것을 보였다.

Abstract

Images captured by CCD or CMOS cameras cannot escape from unexpectable intensity variation, which is caused by image noise from various sources. Conventional denoising approaches, even if they are designed as an edge-preserved way, just compute the weighted sum of neighborhood pixels without consideration of intrinsic characteristics of intensity variation. In this paper, we propose a probabilistic model to estimate true intensity close to scene irradiance free from intrinsic image noise. Given the relationship between intensity and noise, the proposed model computes noise-reduced intensity by maximizing a posteriori with statistics of intensity difference. Instead of conventional assumption of that neighborhood pixels have almost similar colors, we employ the fact that the distribution of intensity variation by intrinsic image noise has the highest probability at true intensity. When a reference pixel is supported by sufficient other pixels, estimated intensity can be close to true intensity by maximizing the probability, iteratively. By various experiments, the proposed method is validated to restore the image of which noise is reduced using probabilistic priors between intensity and noise.

참고문헌 (23)

  1. J. Canny, "A computational approach to edge detection", IEEE Trans. on Pattern Analysis and Machine Intelligence, 8(6), pp.679~698 (1986)
  2. J. Elder, "Local scale control for edge detection and blur estimation", IEEE Trans. PAMI, 20(7), pp.699~716 (1998)
  3. C. Harris, "A combined corner and edge detector", Fourth Alvey Vision Conference, pp.147~151 (1988)
  4. J. Weijer, "Edge and corner detection by photometric quasiinvariants", IEEE Trans. PAMI, 27(4), pp.625~630 (2005)
  5. 김경율, "영상 대비와 특징추출 알고리즘 성능평가의 관계 분석", 한국차세대컴퓨팅학회 논문지, 8(5), pp.6~20 (2012), 한국차세대컴퓨팅학회
  6. 이현규, "명암도 조절을 통한 베이스 분류기 기반 영상분할기법", 한국차세대컴퓨팅학회 논문지, 8(5), pp.73~86 (2012), 한국차세대컴퓨팅학회
  7. N. Azzabou, "Variable bandwidth image denoising using image-based noise models", IEEE Computer Vision and Pattern Recognition (2007)
  8. Y. Boykov, "Fast approximation energy minimization via graph cuts", IEEE Trans. PAMI, 23(11), pp.1~18 (2001)
  9. A. Buades, "A nonlocal algorithm for image denoising", IEEE Computer Vision and Pattern Recognition, pp.60~65 (2005)
  10. C. Liu, "Noise estimation from a single image", Int. conf. Computer Vision and Pattern Recognition, pp.901~908 (2006)
  11. L. I. Rudin, "Nonlinear total variation based noise removal algorithms", Physica D, 60, pp.259~268 (1992)
  12. S. M. Smith, "Susan – a new approach to low level image processing", Int. J. Comput. Vision, 23(1), pp.45~78 (1997)
  13. C. Tomasi, "Bilateral filtering for gray and color images", International Conference on Computer Vision, pp.839~846 (1998)
  14. 라메쉬 쿠마 라마, "Multiresolution Non-Local Means Filtering for Image Denoising of MRI", 한국차세대컴퓨팅학회 논문지, 11(5), pp.17~23 (2015), 한국차세대컴퓨팅학회
  15. S. Nam, "A Holistic Approach to Cross-Channel Image Noise Modeling and its Application to Image Denoising", IEEE Computer Vision and Pattern Recognition (2016)
  16. J. Chen, "Image Blind Denoising With Generative Adversarial Network Based Noise Modeling", IEEE Computer Vision and Pattern Recognition (2018)
  17. A. Abdelhamed, "Noise Flow : Noise Modeling With Conditional Normalizing Flows", IEEE Int. Conf. on Computer Vision (2019)
  18. Y. Hwang, "Differencebased image noise modeling using Skellam distribution", IEEE Trans. on Pattern Analysis and Machine Intelligence, 34(7), pp.219~223 (2012)
  19. G. E. Healey, "Radiometric CCD camera calibration and noise estimation", IEEE Trans. on Pattern Analysis and Machine Intelligence, 16(3), pp.267~276 (1994)
  20. I. Young, "The Digital Signal Processing Handbook", pp.XI–1~XI–81 (1997), CRC Press
  21. Katsushi Ikeuchi, "Computer Vision: A reference guide" (2014), Springer
  22. J. G. Skellam, "The frequency distribution of the difference between two poisson variates belonging to different populations", Journal of the Royal Statistical Society : Series A, 109(3), pp.296~ (1946)
  23. Y. Matsushita, "Radiometric calibration from noise distributions", Int. conf. Computer Vision and Pattern Recognition (2007)

관련 논문AI추천

노이즈 매개변수 예측 기반 고속 노이즈 제거 방식김범수, 홍민철, 응웬뚜안안한국전기전자학회 · 전기전자학회논문지2014 · 제18권 제4호적응적 필터링을 이용한 가우시안 잡음 예측김영로, 조범석(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2012 · 제8권 제4호픽셀 비선형성 모델을 기반으로 한 영상센서 불균일 특성 보정공종필, 김영선, 박종억, 용상순, 허행팔한국항공우주연구원 · 항공우주기술2010 · 제9권 제1호혼합 norm 기반의 가중치 함수를 이용한 평균 노이즈 제거 기법김동영, 오종근, 홍민철한국전기전자학회 · 전기전자학회논문지2016 · 제20권 제2호이미지 보간기법의 성능 개선을 위한 비국부평균 기반의 후처리 기법김동형(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2020 · 제16권 제3호위성용 카메라 비선형 모델의 잡음 특성 분석과 영상 신호-잡음비(Image SNR) 분포도 계산명환춘, 이상곤한국항공우주연구원 · 항공우주기술2009 · 제8권 제1호

이 간행물의 다른 논문 (7건)

딥뉴럴네트워크 기반의 네트워크 침입탐지시스템 설계방승호, 박기웅, 권현pp. 7-18각속도 센서를 이용한 걸음 검출 및 보폭 추정 방법변재영, 이정훈, 강희선, 이태원pp. 19-293차원 수술 항법 장치를 위한 정밀 얼굴 정합이정진, 박태용, 강승우, 김현준pp. 30-42클라우드 서비스를 이용한 클라우드 솔루션 및 서비스 대상 보안 취약점 점검 결과 및 보안수준 향상방안정현철, 민영기, 정기봉, 서보국, 김종철pp. 56-64프라이빗 블록체인 기반 효율적 합의 알고리즘 선정을 위한 성능평가요소 연구민연아pp. 65-74
원문 보기