JP2000050109A

JP2000050109A - ノイズを除去するための非線形イメ―ジフィルタ

Info

Publication number: JP2000050109A
Application number: JP11151841A
Authority: JP
Inventors: Massino Mancuso; マンカソマッシモ
Original assignee: ST MICROELECTRONICS Inc; STMicroelectronics lnc USA
Current assignee: ST MICROELECTRONICS Inc; STMicroelectronics lnc USA
Priority date: 1998-05-29
Filing date: 1999-05-31
Publication date: 2000-02-18
Also published as: US6347161B1; US6108455A; EP0961224A1

Abstract

(57)【要約】【課題】反復的ノイズレベル推定を使用したノイズを
減少させる非線形イメージフィルタ及び方法を提供す
る。【解決手段】本発明によれば処理ウインドウ内のター
ゲットピクセルをターゲットピクセルと隣りのピクセル
との間の類似度に従って複数個の隣りのピクセルの加重
平均で置換させる。類似度はイメージ及び処理ウインド
ウの局所的輝度に影響を与えるノイズレベルに基づいて
いる。本発明フィルタはファジィ論理に基づいており且
つイメージの細部を平滑させることなしにノイズを除去
する。本フィルタは輝度を調節するために人間視覚系
（ＨＶＳ）応答を使用している。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、大略、デジタル信
号処理に関するものであって、更に詳細には、イメージ
即ち画像のデジタル信号処理に関するものである。

【０００２】

【従来の技術】ノイズはいずれの通信システムにおいて
も本来的に存在する特徴であり、且つノイズを減少させ
るための努力が継続的に探究されている。例えば、予め
設定した周波数レンジを有するローパスフィルタは高周
波数ノイズを減少させることは公知である。更に、多く
の通信システムにおいて、ノイズを減少させることはイ
メージ即ち画像の表示品質を改善させるので信号（即ち
イメージ）を表示する前にノイズを減少させることが有
益的である。

【０００３】最近のイメージプロセサは、又、イメージ
の表示を向上させるためにその他の技術を使用してい
る。例えば、イメージプロセサはイメージを処理するた
めに必要とされるメモリの量を最小とさせるために圧縮
（即ちエンコーディング）技術を使用する。静止イメー
ジ（即ち画像）、カラーファクシミリ（ファックス）装
置、医学的撮像システム、ビデオレコーダ（ＶＣＲ）、
娯楽システム、テレビ（ＴＶ）、ハイデフィニションＴ
Ｖ（ＨＤＴＶ）、ワールドワイドウエブブラウザー、に
対して且つパソコン（ＰＣ）ディスプレイに対して圧縮
スタンダードが存在している。

【０００４】イメージプロセサのコーディング効率は、
エンコーディングをする前にシステムノイズが減少され
る場合に改善することが可能である。適応性フィルタ
は、この目的のためにイメージ即ち画像に対して適用さ
れている。例えば、適応性フィルタは、通信システムを
モニタし且つ通信システム情報をフィードバックしてそ
れらのフィルタ処理特性を自動的に且つ動的に調節する
ことによってノイズを減少させる。一般的に、適応性フ
ィルタは、例えばメジアンを基礎としたフィルタ又はあ
るシステム又はイメージパラメータの推定に基づく可変
作用を有するフィルタ等の非線形アプローチを使用して
得ることが可能である。例えば、幾つかの適用性フィル
タは、あるパラメータの時間的相関を推定することによ
って得られる。

【０００５】然しながら、これらの適応性フィルタは制
限を有している。例えば、ビデオ信号がノイズによって
著しく影響されている場合には、これらの適用性フィル
タは不所望のノイズをイメージの運動と混乱する。この
制限は、イメージの細部を減衰させるか又は平滑化さ
せ、そのことも望ましいことではない。提案されている
解決方法は、可変強度フィルタ、即ち湾曲した選択性を
有するフィルタがある。然しながら、任意の曲線の選択
は適応性フィルタの時間的周波数に影響を与え、その結
果いわゆる「コメット（ｃｏｍｅｔ）効果」を発生し、
それは細部平滑化よりも更に困ったものである。

【０００６】

【発明が解決しようとする課題】本発明は、以上の点に
鑑みなされたものであって、上述した如き従来技術の欠
点を解消し、イメージの細部をぼかしたり時間的周波数
に影響を与えたりすることなしにノイズを減少させるイ
メージ向上技術を提供することである。

【０００７】

【課題を解決するための手段】本発明によれば、反復的
ノイズレベル推定を使用してノイズを減少させるシステ
ム及び方法が提供される。本発明の１実施例によれば、
ターゲットピクセルと幾つかの隣りのピクセルとを有す
る処理ウインドウを使用するノイズフィルタが提供され
る。本ノイズフィルタは、ターゲットピクセルと複数個
の隣りのピクセルとの間の類似度の絶対値の加重平均に
基づいて処理ウインドウ内のターゲットピクセルに対す
る置換値を発生するイメージプロセサを有している。本
ノイズフィルタは、ノイズレベルを反復的に処理してス
キャンしたイメージの局所的特徴に対して適合させ、且
つ隣りのピクセルの変化するノイズレベルに対して適合
させる。即ち、本ノイズフィルタは反復的ノイズレベル
推定値を発生し、それによって局所的特徴データがキャ
リブレイション即ち較正のためにフィルタへフィードバ
ックされる。本ノイズフィルタはイメージを平滑化させ
ることなしにノイズをフィルタ即ち取り除くためにファ
ジィ論理処理を使用している。

【０００８】

【発明の実施の形態】以下の説明においては、非線形イ
メージフィルタ処理、特に、反復的ノイズレベル推定を
使用してノイズを減少させる非線形イメージフィルタ処
理システム及び方法について説明する。以下の説明にお
いては、例えば特定の数学的、統計的、及び信号処理記
号及び関係、イメージ、ビデオ信号、ビデオシーケンス
等を解析し且つ処理する特定の方法等の多数の特定の詳
細について本発明の完全な理解を与えるために説明す
る。然しながら、当業者が容易に理解するように、本発
明は、これらの特定の詳細のうちの１つ又はそれ以上な
しで、又はその他の方法等と共に実施することが可能な
ものである。その他の場合においては、本発明がぼやけ
ることを回避するために公知の構造又は動作についての
詳細は割愛してある。

【０００９】図１は幾つかのピクセルＸ１，Ｘ２，Ｘ
３，Ｘ４，Ｘ５，Ｘ６，Ｘ７，Ｘを有する処理ウインド
ウ１０２を示している。ピクセルＸはターゲットピクセ
ルＸと呼ばれる処理すべきピクセルである。残りのピク
セルＸ１，Ｘ２，Ｘ３，Ｘ４，Ｘ５，Ｘ６，Ｘ７は隣り
のピクセルである。ピクセルＸ４，Ｘ５，Ｘ６，Ｘ７は
現在のスキャンライン１０４ａに属するターゲットピク
セルＸの隣りのピクセルである。ピクセルＸ１，Ｘ２，
Ｘ３はターゲットピクセルＸを包含する現在のスキャン
ライン１０４ａに先行するスキャンラインである前のス
キャンライン１０４ｂに属するピクセルである。１実施
例によれば、これら隣りのピクセルのうちの１つは隣り
のピクセルＸ−１として指定され、それはターゲットピ
クセルＸのすぐ後に続くものである。隣りのピクセルの
うちの第二のものは隣りのピクセルＸ−２として指定さ
れ、それは隣りのピクセルＸ−１のすぐ後に続くもので
ある。図２は本発明の１実施例を実現するのに適したノ
イズフィルタ２００のハイレベルなブロック図である。
この実施例によれば、ノイズフィルタ２００はイメージ
格納ユニット２０２と、差分器２０４と、最小及び最大
ブロック２０６と、ノイズレベル計算ブロック２０８
と、局所的特徴検査器２１０と、メンバーシップ計算ブ
ロックと、類似度評価器ブロック２１４とを有してい
る。類似度評価ブロック２１４は類似度評価２１６と最
終フィルタ２１８とを有している。フィルタ２００は反
復的ノイズレベル推定と共にファジィ論理処理を使用
し、以下に説明するように、ターゲットピクセル値を新
たなピクセル値で置換させる。

【００１０】典型的に、イメージはイメージ格納ユニッ
ト２０２内への複数個のピクセルからなるストリームと
して行毎に（即ちライン毎に）逐次的にスキャンされ
る。格納されたイメージは幾つかのイメージブロックへ
分割され、それらは、次いで、幾つかのピクセルへ区画
化される。イメージ格納ユニット２０２は、又、以下に
詳細に説明するように、処理ウインドウ１０２を発生す
る。

【００１１】差分器２０４は、ターゲットピクセルＸの
値と隣りのピクセルＸ_iの値との間の差を表わす差Ｄ_iの
絶対値を計算する。なお、ｉは１乃至７であり、Ｘ_iは
隣りのピクセルＸ１乃至Ｘ７を表わし、従ってＤ_iは差
Ｄ１乃至Ｄ７のうちのいずれか１つを表わす。１実施例
においては、差分器２０４はターゲットピクセルＸのル
ミナンス（輝度）と隣りのピクセルＸ１乃至Ｘ７のルミ
ナンス（輝度）の間の差Ｄ_iの絶対値を計算して差分値
Ｄ１乃至Ｄ７を発生する。本明細書において使用される
ように、「ルミナンス（輝度）」はピクセルが多かれ少
なかれ光を発生した場合に視覚的に知覚される属性とし
て定義される。「ルミナンス（輝度）」は「ブライトネ
ス（輝度）」とも呼称される。勿論、当業者によって理
解されるように、本発明はこの実施例にも制限されるべ
きものではない。例えば、差分器２０４は、ターゲット
ピクセルＸのグレイスケール値と隣りのピクセルＸ１乃
至Ｘ７のグレイスケール値との間の差Ｄ_iの絶対値を計
算することも可能である。本明細書において使用されて
いるように、「グレイスケール値」とは、通常、「グレ
イスケール」に関する値として定義され、それは黒から
白の範囲にわたるシェーディング即ち陰影の程度であっ
て、それらの間の中間のシェーディングがグレイ即ち灰
色である。グレースケール値は、「グレイレベル」とも
呼称される。

【００１２】最大及び最小ブロック２０６は差分値Ｄ１
乃至Ｄ７を受取り且つ計算された差Ｄ_iの絶対値の中か
ら選択した最大差Ｄ_max及び最小差Ｄ_minを見つけだす。
１実施例においては、最大及び最小ブロック２０６はタ
ーゲットピクセルＸ輝度と隣りのピクセルＸ１乃至Ｘ７
の輝度との間の最大差Ｄ_max及び最小差Ｄ_minを見つけ出
す。

【００１３】レベル計算ブロック２０８は処理ウインド
ウ１０２と関連するノイズレベルＮＬを推定する。１実
施例においては、ノイズレベル計算ブロック２０６は、
次式を使用して隣りのピクセルＸ−１のノイズレベルを
推定する。

【００１４】ＮＬ（ｔ−１）＝Ｋ_n（ｔ−１）×Ｄ_max（ｔ−１）＋［１−Ｋ_n（ｔ−１）］×ＮＬ（ｔ−２）（１）局所的特徴検査ブロック２１０はフィルタ２００によっ
て実行されるべきフィルタ処理の強度を決定するＫ_nパ
ラメータを計算する。局所的特徴は、イメージと関連す
るメトリック（ｍｅｔｒｉｃ）即ち距離等のある量を有
している。１実施例においては、Ｋ_nはターゲットピク
セルＸの「輝度」と関連する関数を表わし、尚０≦Ｋ_n
≦１である。１実施例と共に使用するのに適した特徴検
査ブロックの１例は「ブロッキングアーチファクト等の
ノイズを除去するための非線形適応性イメージフィルア
（Ｎｏｎ−ＬｉｎｅａｒＡｄａｐｔｉｖｅＩｍａｇ
ｅＦｉｌｔｅｒＦｏｒＦｉｌｔｅｒｉｎｇＮｏｉ
ｓｅＳｕｃｈＡｓＢｌｏｃｋｉｎｇＡｒｔｉｆａ
ｃｅｓ）」という名称の米国特許出願（代理人ドケット
番号８５００６３、５３３）に記載されており、尚その
特許出願は引用によって本明細書に取込む。

【００１５】フィルタ２００は「ファジィ論理」処理に
基づくものであることを注意すべきである。本明細書に
おいて使用されているように、「ファジィ論理」は、通
常、０（メンバーではない）から１（絶対的にメンバー
である）連続的に変化するファジィ集合内のメンバーシ
ップの程度に従ってデータを分類する方法を提供する。
ファジィ論理はファジィ集合の境界を完全に画定するた
めに「メンバーシップ関数」と呼ばれる関数を記述する
ことを必要とする。ファジィ集合は「類似度」、「ブラ
イトネス（輝度）」又は「ルミナンス（輝度）」等の主
観的に響く言語用語に対して正確な数学的意味付けを割
り当てる方法となる。１実施例においては、メンバーシ
ップ計算ブロック２１２はメンバーシップ関数を発生
し、その場合にファジィ集合は２つのスレッシュホール
ド値ｔｈ１とｔｈ２とによって境界が画定される。メン
バーシップ計算ブロック２１２は「ピクセルＸとＸ_iと
は類似している」という文章に対応するメンバーシップ
関数を発生する。Ｘ_iは隣りのピクセルのうちのいずれ
か１つの値を表わす。１実施例においては、Ｘ_iは隣り
のピクセルのグレイレベルに関する値を表わす。

【００１６】処理ウインドウ１０２はイメージの比較的
均一な区域と一致する場合には差Ｄ _iの全てはそれらの
絶対値に関しては近似しておりその場合にノイズと相関
される。従って、Ｄ_maxと実質的に一致するスレッシュ
ホールドパラメータＤＨ１及びＤＨ２を発生することの
可能なメンバシップ関数を選択することが可能である。
一方、ターゲットピクセルＸがイメージの端部即ち境界
領域に属する場合には、差Ｄ_iが小さい場合、即ち以下
の式によって定義されるＤ_iの絶対値の差の範囲内にあ
る場合にのみフィルタ動作は有意性のものとなる。

【００１７】［Ｄ_min，（Ｄ_min＋Ｄ_max）／２］（２）メンバーシップ計算ブロック２１２は次式に従って第一
スレッシュホールドパラメータｔｈ１を計算する。

【００１８】ｔｈ１（ｔ）＝Ｋ_n（ｔ）×Ｄ_max（ｔ）＋［１−Ｋ_n（ｔ）］×Ｄ_min（ｔ）（３）メンバーシップ計算ブロック２１２は次式に従って第二
スレッシュホールドパラメータｔｈ２を計算する。

【００１９】ｔｈ２（ｔ）＝Ｋ_n（ｔ）×Ｄ_max（ｔ）＋［１−Ｋ_n（ｔ）］×［Ｄ_max（ｔ）＋Ｄ_min（ｔ）］／２（４）注意すべきことであるが、スレッシュホールドパラメー
タｔｈ１は、常にスレッシュホールドパラメータｔｈ２
よりも大きいか又は等しい。

【００２０】類似度評価ブロック２１４は、類似度評価
器２１６及び最終フィルタ２１８を使用して新たなピク
セル値を与える。類似度評価器２１６はターゲットピク
セルＸと隣りのピクセルＸ１−Ｘ７の中から選択した隣
りのピクセルＸｎのうちのいずれか１つとの間の類似度
の大きさを表わすフィルタ係数Ｋ_iを発生し、尚Ｋ_iは類
似度Ｋ１−Ｋ７のうちのいずれか１つを表わす。１実施
例においては、Ｋ_iは「ピクセルＸ及びＸ_iは類似してい
る」という文章に対応するメンバーシップ関数に従って
メンバーシップ計算ブロック２１４によって発生される
値を表わす。即ちＫ_iはターゲットピクセルＸを発生す
るために使用される処理ウインドウ１０２の一部である
隣りのピクセルＸ１−Ｘ７とターゲットピクセルＸの加
重平均即ち重み付けした平均を表わす。

【００２１】最終フィルタ２１８はノイズフィルタ２０
０の出力ｏｕｔ（ｔ）を発生し、その出力は処理ウイン
ドウ１０２内のターゲットピクセルＸを置換するために
使用される。出力ｏｕｔ（ｔ）は次式を使用して決定さ
れる。

【００２２】ｏｕｔ（ｔ）＝１／８ΣＫ_i（ｔ）×Ｘ_i＋［１−Ｋ_i（ｔ）］×Ｘ（５）１実施例においては、最終的フィルタブロック２１８は
ターゲットピクセルＸと隣りのピクセルＸ_iのうちのい
ずれか１つとの間の類似度Ｋ_iを別々に処理し、且つ最
終的加算段階を介し、加重貢献分の和として出力ｏｕｔ
（ｔ）を発生する。

【００２３】イメージ格納ユニット２０２も処理ウイン
ドウ１０２を発生することを注意すべきである。図３は
処理ウインドウ１０２を画定するのに適した回路のブロ
ック図を示している。図３によれば、現在のスキャンラ
イン１０４ａがラインメモリユニット３０２及びピクセ
ル遅延器３０４ａに対して付与される。前のスキャンラ
イン１０４ｂはラインメモリ３０２から出力され且つピ
クセル遅延器３０４ｂへ付与される。１実施例において
は、ピクセル遅延器３０４ａ及び３０４ｂの出力は、更
に、幾つかのピクセル遅延器３０４ｃ乃至３０４ｂを使
用して更に遅延される。この実施例においては、ピクセ
ル遅延器３０４ａ乃至３０４ｇの出力は、イメージ格納
ユニット２０２からノイズフィルタ２００の残りの構成
要素に対して、夫々、ピクセル値Ｘ５，Ｘ１，Ｘ２，Ｘ
３，Ｘ，Ｘ７として直接的に結合される。その結果、２
つのラインのピクセル１０４ａ及び１０４ｂがイメージ
格納ユニット２０２へ入力されるものであるが、イメー
ジ格納ユニット２０２は全てのピクセルを並列的に同時
的に出力する。

【００２４】勿論、当業者によって理解されるように、
適宜の処理ウインドウは、その他の公知の直列・並列変
換技術を使用して構成することも可能である。同様に、
本発明は、特定の数のスキャンライン、処理ウインドウ
寸法、ピクセル遅延等に制限されるべきものではない。
少なくとも２つの連続するスキャンライン又は行に属す
るピクセルに関する情報を使用するその他の技術を本発
明の範囲及び精神から逸脱することなしに使用すること
が可能である。

【００２５】図４は局所的特徴検査器２１０の動作を更
に詳細に示している。図４によれば、局所的特徴検査器
２１０は人間視覚系（ＨＶＳ）評価器４０２を有してお
り、それは処理ウインドウ１０２のメトリック即ち距離
を評価する。通常、人間視覚系は人間の眼がイメージを
知覚する態様に従って圧縮したイメージを最適化するア
ルゴリズムを使用する。人間視覚系はＭ．Ｍ．Ｒｅｉ
ｄ、Ｒ．Ｊ．Ｍｉｌｌａｒ、Ｎ．Ｄ．Ｂｌａｃｋ共著
「第二世代イメージコーディング：概観（Ｓｅｃｏｎｄ
−ＧｅｎｅｒａｔｉｏｎＩｍａｇｅＣｏｄｉｎｇ：
ＡｎＯｖｅｒｖｉｅｗ）」、ＡＣＭ・コンピューティ
ング・サーベーズ（ＡＣＭＣＯＭＰＵＴＩＮＧＳＵ
ＲＶＥＹＳ）、Ｖｏｌ．２９、Ｎｏ．１（１９９７年３
月）、３−２９頁において記載されており、尚その文献
は引用によって本明細書に取込む。

【００２６】１実施例においては、ＨＶＳ評価器４０２
は人間の眼の感度とノイズレベルの統合量の推定値を評
価する。特に、ＨＶＳ評価器４０２は「ブライトネス
（輝度）」を決定するためにターゲットピクセルＸと隣
りのピクセルとの間の最小の知覚し得るグレイレベルに
対する人間の眼の感度の推定値を評価する。図５は処理
ウインドウ１０２のメトリック即ち距離を評価するため
にＨＶＳ評価器４０２によって実現される人間視覚系
（ＨＶＳ）評価器関数５００のグラフ表示である。図４
及び５を参照すると、ＨＶＳ評価器４０２はターゲット
ピクセルＸを受取り且つそれをＨＶＳ評価器関数５００
に従って処理する。１実施例においては、フィルタ２０
０が０と２５５との間の水平方向の範囲の値を処理す
る。ＨＶＳ評価器関数５００上の点Ｂは異なるローブ間
のブレークポイント即ち折れ点を表わし、それは固定さ
れた値である。１実施例においては、Ｂ＝１２８であ
り、且つ「０」に対応する最大値は２５５／４＝６４で
ある。

【００２７】加算器４０４がＨＶＳ評価器４０２の出力
を隣りのピクセルＸ−１ノイズレベルＮＬ（ｔ−１）の
推定値と加算し且つスレッシュホールド値ｔｈ３を発生
する。Ｋ_n計算ブロック４０６はターゲットピクセルＸ
と隣りのピクセルＸ１−Ｘ７との間の最大差Ｄ_max及び
スレッシュホールド値ｔｈ３の重み付けを行ってＫ_nパ
ラメータを発生する。この重み付けはグラフィカル表示
４０８に従って行われる。スレッシュホールド値ｔｈ３
はターゲットピクセルＸのブライトネス即ち輝度に依存
する。

【００２８】図６はメンバーシップ計算ブロック２１２
の１実施例がどのようにしてメンバシップ関数の形状を
決定するためにスレッシュホールドパラメータｔｈ１及
びｔｈ２を計算するかを示したグラフ表示である。類似
度評価関数６００は「ピクセルＸ及びＸ_iが類似してい
る）というファジィ文章に関連したメンバーシップ関数
である。更に、類似度評価器２１６は、類似度評価関数
６００を使用して差Ｄ _iの絶対値の重み付けを行うこと
によってフィルタ係数Ｋ_iを与える。

【００２９】本発明の１実施例は図７に示したノイズフ
ィルタプロセス７００に従って動作する。ノイズフィル
タプロセス７００はタスク７０２で開始し、その場合に
制御はすぐさまタスク７０４へ移行する。タスク７０４
はスキャンしたイメージのシーケンスを格納する。スキ
ャンされたイメージは現在の行と前の行とを有してい
る。スキャンされたイメージの一部は処理ウインドウ内
に配置され、幾つかのピクセルはスキャンされたイメー
ジの現在の行及び前の行に属する。これらのピクセルは
ターゲットピクセルと幾つかの隣りのピクセルとを包含
している。処理ウインドウ内のピクセルの各々は値を有
している。１実施例においては、処理ウインドウ内のピ
クセルのいずれか又は全てはグレイレベル値を有してい
る。別の実施例においては、ターゲットピクセルの各々
はノイズレベル値を有している。更に別の実施例におい
ては、処理ウインドウ内のピクセルの各々はブライトネ
ス又はルミナンス即ち輝度値を有している。本発明にと
っては特定の「値」は重要なものではないが、当業者が
理解するように、本発明においては任意の値を使用する
ことが可能である。

【００３０】タスク７０６はターゲットピクセルの値と
隣りのピクセルとの値との間の差Ｄ _iを計算する。タス
ク７０８は差Ｄ_iの中から選択した計算された最小差Ｄ
_minと計算された最大差Ｄ_maxとを決定する。タスク７１
０は予め決定した視覚上の応答からの第一メトリック
（例えば距離）を発生する。１実施例においては、この
第一メトリック（例えば距離）は加重（重み付け）係数
Ｋ_nを表わし、それは人間の眼の感度とノイズレベルと
の統合量である。

【００３１】タスク７１２は隣りのピクセルＸ−１と関
連するノイズレベル推定値を表わす第二のメトリック
（例えば距離）を発生する。隣りのピクセルのうちのい
ずれか１つを隣りのピクセルＸ−１として指定すること
が可能である。隣りのピクセルＸ−１はターゲットピク
セルＸのすぐ後に続いている。タスク７１２は、又、隣
りのピクセルＸ−２と関連するノイズレベル推定値を表
わす第三のメトリック（例えば距離）を発生する。隣り
のピクセルのうちのいずれか１つを隣りのピクセルＸ−
２として指定することが可能であり、その場合に隣りの
ピクセルＸ−２は隣りのピクセルＸ−１のすぐ後に続い
ている。

【００３２】タスク７１４はメンバーシップ関数、計算
した最小差Ｄ_min、計算した最大差Ｄ_max、第一メトリッ
ク（例えば距離）Ｋ_nに従って、ターゲットピクセルの
値をファジィ論理によって処理する。タスク７１６は式
（５）に従ってフィルタ係数を発生する。フィルタ係数
が発生された後に、タスク７１６はスキャンしたイメー
ジ内のターゲットピクセルＸの値を置換する。タスク７
２０はノイズフィルタ処理７００の動作を完了する。

【００３３】１実施例におけるフィルタ２００はイメー
ジノイズを減少させるために反復的ノイズレベル推定を
使用していることに注意すべきである。フィルタ２００
は式（１）を使用してピクセル毎に反復的にノイズレベ
ルを処理し、即ち、処理ウインドウ１０２がイメージ内
のピクセルからピクセルへ移動するに従い、隣りのピク
セルのノイズレベルが相次いで推定される。従って、隣
りのピクセルＸ−１が処理ウインドウ１０２において変
化すると、ピクセルＸ−１の推定されたノイズレベルＮ
Ｌ（ｔ−１）がそれに従って変化する。

【００３４】フィルタ２００はハードウエア、ソフトウ
エア又はハードウエアとソフトウエアとの組合わせを使
用して実現することが可能であり、且つコンピュータシ
ステム又はその他の処理システムで実現することが可能
である。本発明がハードウエアとソフトウエアとの組合
わせを使用して実現される実施例においては、本発明は
応用特定集積回路（ＡＳＩＣ）を使用して実現すること
が可能である。本発明がハードウエアを使用して実現さ
れる実施例においては、ハードウエアコンポーネントは
状態マシンとすることが可能である。フィルタ２００が
ソフトウエアを使用して実現される実施例においては、
そのソフトウエアはコンピュータプログラム製品（例え
ば、オプチカルディスク、磁気ディスク、フロッピィデ
ィスク等）又はプログラム格納装置（例えばオプチカル
ディスクドライブ、磁気ディスクドライブ、フロッピィ
ディスクドライブ等）に格納することが可能である。フ
ィルタ２００はマイクロプロセサ又はプログラム可能デ
ジタルフィルタで実現することが可能である。

【００３５】以上、本発明の具体的実施の態様について
詳細に説明したが、本発明は、これら具体例にのみ制限
されるべきものではなく、本発明の技術的範囲を逸脱す
ることなしに種々の変形が可能であることは勿論であ
る。従って、上述した説明においては、ノイズを抑圧す
ることに関して幾つかの実施例について説明している
が、本発明は、例えばコントラストの改善、エッジ向
上、空間的フィルタ処理、イメージ平滑化、及びイメー
ジ鮮明化等のイメージを向上させる動作に対して適用可
能であることは勿論である。

【図面の簡単な説明】

【図１】本発明の１実施例について使用するのに適し
た現在の行と前の行とを有する処理ウインドウを示した
概略図。

【図２】本発明の１実施例を実施するのに適したフィ
ルタのハイレベルの概略ブロック図。

【図３】図２におけるノイズフィルタのイメージ格納
ユニットを示した概略ブロック図。

【図４】図２のノイズフィルタにおいて使用される局
所的特徴検査器を示した概略ブロック図。

【図５】図３における局所的特徴検査器の人間視覚系
（ＨＶＳ）評価器において使用されている人間視覚系評
価器関数を示したグラフ図。

【図６】図１のノイズフィルタの類似度評価ブロック
によって実現される類似評価関数を表わしたグラフ図。

【図７】本発明の１実施例によって実行されるプロセ
スを示したフローチャート。

【符号の説明】

１０２処理ウインドウ１０４ａ現在のスキャンライン１０４ｂ前のスキャンライン２００ノイズフィルタ２０２イメージ格納ユニット２０４差分器２０６最小及び最大ブロック２０８ノイズレベル計算ブロック２１０局所的特徴検査器２１４類似度評価ブロック２１６類似度評価器２１８最終フィルタ３０２ラインメモリユニット３０４ピクセル遅延器４０２人間視覚系（ＨＶＳ）評価器

───────────────────────────────────────────────────── フロントページの続き (72)発明者マッシモマンカソアメリカ合衆国，カリフォルニア 92122，サンディエゴ，トスカーナウエイ 5345，アパートメント 516

Claims

【特許請求の範囲】

【請求項１】イメージノイズ減少フィルタにおいて、処理ウインドウ内のターゲットピクセルＸと複数個の隣
りのピクセルの複数個のメトリックの間の差の絶対値を
計算し且つ前記処理ウインドウ内のターゲットピクセル
Ｘと複数個の隣りのピクセルのメトリックの間の差の絶
対値の中から選択した計算した最小差及び計算した最大
差を決定する差分ブロック、前記差分ブロックへ結合されており、ターゲットピクセ
ルＸと複数個の隣りのピクセルとの間の類似度の絶対値
の重み付け平均に基づいてターゲットピクセルに対する
置換値を発生する新規ピクセル値発生器、を有すること
を特徴とするイメージノイズ減少フィルタ。
【請求項２】請求項１において、更に、前記差分ブロ
ックへ結合されており、ターゲットピクセルＸに対する
重み付けした輝度値を表わす第一メトリックと、前記複
数個の隣りのピクセルの中から選択した１個の隣りのピ
クセル（Ｘ−１）の推定したノイズレベルを表わす第二
メトリックとを計算するメトリック計算ブロックを有し
ていることを特徴とするイメージノイズ減少フィルタ。
【請求項３】請求項１において、更に、前記差分ブロ
ックへ結合されており、ファジィ集合の境界を表わす第
一スレッシュホールド値と第二スレッシュホールド値と
を発生するファジィ論理プロセサを有しており、前記フ
ァジィ集合境界はターゲットピクセルＸと複数個の隣り
のピクセルとの間の差の絶対値の中の最大値及び最小値
を表わす値に基づくものであることを特徴とするイメー
ジノイズ減少フィルタ。
【請求項４】請求項１において、更に、前記差分ブロ
ックへ結合されており、ターゲットピクセルと前記複数
個の隣りのピクセルのうちのいずれか１つとの間の類似
度の大きさを表わすフィルタ係数を発生するフィルタ係
数ブロックを有していることを特徴とするイメージノイ
ズ減少フィルタ。
【請求項５】スキャンしたイメージにおけるノイズを
除去する方法において、スキャンしたイメージの一部に対してターゲットピクセ
ルと複数個の隣りのピクセルとを有する処理ウインドウ
を与え、ターゲットピクセルと隣りのピクセルとの間の類似度の
重み付けした平均でターゲットピクセルを置換し、前記類似度がスキャンしたイメージに影響を与えるノイ
ズレベル及び処理ウインドウの局所的輝度に依存する、
ことを特徴とする方法。
【請求項６】請求項５において、更に、ターゲットピ
クセルと複数個の隣りのピクセルとの間の差の絶対値を
計算するステップを有することを特徴とする方法。
【請求項７】請求項５において、更に、ターゲットピ
クセルと複数個の隣りのピクセルとの間の差の絶対値の
最大値及び最小値を決定するステップを有していること
を特徴とする方法。
【請求項８】請求項５において、更に、ターゲットピ
クセルに関連するグレイレベルと、ターゲットピクセル
と複数個の隣りのピクセルとの間の差の絶対値の最大値
とスキャンしたイメージに影響を与えるノイズレベルと
に基づいてフィルタ強度を計算するステップを有してい
ることを特徴とする方法。
【請求項９】請求項５において、更に、ターゲットピ
クセルと前記複数個の隣りのピクセルの中から選択した
１個の隣りのピクセルとの間の最小の認知可能なグレイ
レベル差の評価を加算するステップを有していることを
特徴とする方法。
【請求項１０】請求項５において、更に、前記複数個
の隣りのピクセルの中から選択した第二の隣りのピクセ
ルと関連するノイズレベルの推定と前記複数個の隣りの
ピクセルの中から選択した第一の隣りのピクセルとター
ゲットピクセルとの間の最小の認知可能なグレイレベル
差の推定とを加算するステップを有していることを特徴
とする方法。
【請求項１１】請求項５において、更に、次式、ＮＬ（Ｔ−１）＝Ｋ_n（ｔ−１）×Ｄ_max（ｔ−１）＋
［１−Ｋ_n（ｔ−１）］×ＮＬ（ｔ−２）を使用して前記複数個の隣りのピクセルの中から選択し
た１個の隣りのピクセルと関連するノイズレベルを推定
するステップを有していることを特徴とする方法。
【請求項１２】請求項５において、更に、次式、ｔｈ１（ｔ）＝Ｋ_n（ｔ）×Ｄ_max（ｔ）＋［１−Ｋ
_n（ｔ）］×Ｄ_min（ｔ）を使用して計算した第一スレッシュホールド値及び次式ｔｈ２（ｔ）＝Ｋ_n（ｔ）×Ｄ_max（ｔ）＋［１−Ｋ
_n（ｔ）］×［Ｄ_max（ｔ）＋Ｄ_min（ｔ）］／２を使用して計算した第二スレッシュホールド値に従って
ファジィ論理処理におけるメンバーシップ関数の形状を
決定するステップを有していることを特徴とする方法。
【請求項１３】請求項５において、更に、ターゲット
ピクセルと隣りのピクセルのうちのいずれか１つとの間
の類似度の大きさを表わす複数個のフィルタ係数を発生
するステップを有していることを特徴とする方法。
【請求項１４】イメージフィルタにおいて、ターゲットピクセルＸへ適用すべきフィルタ処理の強度
と関連している複数個のメトリックを発生するメトリッ
ク発生器が設けられており、前記複数個のメトリックの中から選択した第一のメトリ
ックが隣りのピクセルＸ−１の第一ノイズレベルと関連
しており、前記複数個のメトリックの中から選択した第二のメトリ
ックが隣りのピクセルＸ−２の第二ノイズレベルと関連
している、ことを特徴とするイメージフィルタ。
【請求項１５】請求項１４において、更に、第一メト
リック及び第二メトリックと関連しているファジィ集合
の境界を画定するファジィプロセサを有していることを
特徴とするイメージフィルタ。
【請求項１６】請求項１４において、更に、ターゲットピクセルＸと隣りのピクセルＸ−１との間の
類似度に関連する複数個のメトリックの中から選択した
第三メトリック、ターゲットピクセルＸと隣りのピクセルＸ−２との間の
類似度に関連している複数個のメトリックの中から選択
した第四メトリック、を有していることを特徴とするイ
メージフィルタ。
【請求項１７】請求項１４において、更に、ターゲットピクセルＸの輝度と関連している複数個のメ
トリックの中から選択した第三メトリック、隣りのピクセルＸ−１の輝度と関連している複数個のメ
トリックの中から選択した第四メトリック、隣りのピクセルＸ−２の輝度と関連する複数個のメトリ
ックの中から選択した第五メトリック、を有しているこ
とを特徴とするイメージフィルタ。
【請求項１８】請求項１４において、更に、ターゲッ
トピクセルＸと隣りのピクセルＸ−１又は隣りのピクセ
ルＸ−２のうちの１つとの間の最小の認知可能なグレイ
レベル差を推定する手段を有していることを特徴とする
イメージフィルタ。
【請求項１９】請求項１４において、ターゲットピク
セルＸに対して適用すべきフィルタ処理の強度がターゲ
ットピクセルＸと、隣りのピクセルＸ−１と、隣りのピ
クセルＸ−２とに関連する複数個のメトリックの重み付
けした平均と関連していることを特徴とイメージフィル
タ。
【請求項２０】イメージフィルタにおいて、ターゲットピクセルの複数個の局所的特徴及び前記ター
ゲットピクセルの隣りの複数個のピクセルの複数個のグ
ローバル特徴と関連するファジィ論理集合を画定するフ
ァジィ論理プロセサが設けられており、前記複数個の局所的特徴は前記ターゲットピクセルの輝
度を包含しており且つ前記複数個のグローバル特徴は前
記ターゲットピクセルの隣りの前記複数個のピクセルの
ノイズレベルを包含しており、前記複数個の局所的特徴及び前記複数個のグローバル特
徴は前記ターゲットピクセルへ適用すべきフィルタ処理
の強度を決定する、ことを特徴とするイメージフィル
タ。
【請求項２１】請求項２０において、前記ターゲット
ピクセル及び前記複数個の前記ターゲットピクセルの隣
りのピクセルは静止画像と関連していることを特徴とす
るイメージフィルタ。
【請求項２２】請求項２０において、前記ターゲット
ピクセル及び前記複数個の前記ターゲットピクセルの隣
りのピクセルはビデオシーケンスと関連していることを
特徴とするイメージフィルタ。