JP5594665B2 - ノイズ除去装置、その方法、及びプログラム - Google Patents
ノイズ除去装置、その方法、及びプログラム Download PDFInfo
- Publication number
- JP5594665B2 JP5594665B2 JP2010203077A JP2010203077A JP5594665B2 JP 5594665 B2 JP5594665 B2 JP 5594665B2 JP 2010203077 A JP2010203077 A JP 2010203077A JP 2010203077 A JP2010203077 A JP 2010203077A JP 5594665 B2 JP5594665 B2 JP 5594665B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- frequency information
- learning
- training
- training frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 97
- 238000012549 training Methods 0.000 claims description 108
- 238000012545 processing Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 24
- 238000005520 cutting process Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 241000207961 Sesamum Species 0.000 description 6
- 235000003434 Sesamum indicum Nutrition 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 150000003839 salts Chemical class 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
返しても信号数の統計量は単純化されない。しかしながら、ダイアディックウェーブレット変換はシフト不変であるため、ノイズ除去法として適用できる。
このように、本願に開示するノイズ除去装置においては、周波数情報が、音声情報又は画像情報であるため、音声情報の場合には雑音の除去、画像情報の場合にはホワイトノイズ、ISOノイズ、ごま塩ノイズ、輝度やコントラストの不具合等の画像の乱れを除去して、鮮明な音声情報や画像情報を得ることができるという効果を奏する。
本実施形態に係るノイズ除去装置について、図1ないし図3を用いて説明する。図1は、本実施形態に係るノイズ除去装置のハードウェア構成図、図2は、本実施形態に係るノイズ除去装置の機能ブロック図、図3は、本実施形態に係るノイズ除去装置の動作を示すフローチャートである。
f(t)をτだけ平行移動したものをfτ(t)=f(t−τ)と表すと、ウェーブレット変換は、
初期フィルタh0[k],g0[k],h~0[k],g~0[k]の離散フーリエ変換をそれぞれh^0(ω),g^0(ω),h~^0(ω),g~^0(ω)とし、これらが再構成条
件(6)を満たすとする。このとき、
再構成条件(6)の下で、変換公式
(1)初期値(D1)0,(D2)0,(D3)0,k=0を定める。kは反復回数を表す。
(2)
(4)(Dr)k^を使って、
レースケール画像を使用する。図4は、実施例で使用するベンチマーク画像である。ここでは、4種類の画像(Lenna:図4(A),Barbara:図4(B),Boat:図4(C),Title:図4(D))を使用する。また、これらの画像にガウシアンノイズを入れたものを、図5(A)に示す。また、エッジ情報(輪郭情報)が保持できていることを示すために、80×80に切り取った画像を図6に示す。各図については詳細を後述する。
が、実際は直前の文字の上に付くことを示しているものである。また、「_」の記号についても、都合上文字の後に記載しているが、実際は直前の文字の下に付くことを示しているものである。
11 CPU
12 RAM
13 ROM
14 HD
15 通信I/F
16 入出力I/F
21 トレーニング画像情報
22 学習領域切出部
23 フィルタ生成部
24 フィルタ情報記憶部
25 ノイズ除去部
26 ノイズ画像
27 ノイズ除去画像
Claims (8)
- ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを記憶するトレーニング周波数情報記憶手段と、
前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出手段と、
前記学習領域切出手段が切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成手段と、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出手段が切り出した学習領域ごとに、前記フィルタ生成手段が生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去手段とを備え、
前記学習領域切出手段が、所定のサイズの切出領域で前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付け、前記切出領域の高周波成分の特徴に応じて切り出す学習領域を決定することを特徴とするノイズ除去装置。 - ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを記憶するトレーニング周波数情報記憶手段と、
前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出手段と、
前記学習領域切出手段が切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成手段と、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出手段が切り出した学習領域ごとに、前記フィルタ生成手段が生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去手段とを備え、
前記ノイズ除去手段が、前記学習領域切出手段で切り出された学習領域の高周波成分と前記処理対象周波数情報における任意の領域の高周波成分とを比較し、それぞれが似ていると判断される領域に対して、当該学習領域に対応する前記フィルタを適用させてノイズを除去することを特徴とするノイズ除去装置。 - 請求項1又は2に記載のノイズ除去装置において、
前記周波数情報が音声情報又は画像情報であることを特徴とするノイズ除去装置。 - 請求項1又は2に記載のノイズ除去装置において、
前記周波数情報が画像情報であり、
前記フィルタ生成手段が、シフト不変のウェーブレット変換により縦方向、横方向、及び斜め方向の高周波成分に基づいて、前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習することを特徴とするノイズ除去装置。 - コンピュータが、
ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出ステップと、
前記学習領域切出ステップで切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成ステップと、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出ステップが切り出した学習領域ごとに、前記フィルタ生成ステップが生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去ステップとを実行し、
前記学習領域切出ステップが、所定のサイズの切出領域で前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付け、前記切出領域の高周波成分の特徴に応じて切り出す学習領域を決定することを特徴とするノイズ除去方法。 - コンピュータが、
ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出ステップと、
前記学習領域切出ステップで切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成ステップと、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出ステップが切り出した学習領域ごとに、前記フィルタ生成ステップが生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去ステップとを実行し、
前記ノイズ除去ステップが、前記学習領域切出ステップで切り出された学習領域の高周波成分と前記処理対象周波数情報における任意の領域の高周波成分とを比較し、それぞれが似ていると判断される領域に対して、当該学習領域に対応する前記フィルタを適用させてノイズを除去することを特徴とするノイズ除去方法。 - ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを記憶するトレーニング周波数情報記憶手段、
前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出手段、
前記学習領域切出手段が切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成手段、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出手段が切り出した学習領域ごとに、前記フィルタ生成手段が生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去手段としてコンピュータを機能させ、
前記学習領域切出手段が、所定のサイズの切出領域で前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付け、前記切出領域の高周波成分の特徴に応じて切り出す学習領域を決定するノイズ除去プログラム。 - ノイズが含まれていないノイズなしトレーニング周波数情報と、当該ノイズなしトレーニング周波数情報に、一又は複数種類のノイズごとに当該ノイズを含ませたノイズありトレーニング周波数情報とを記憶するトレーニング周波数情報記憶手段、
前記ノイズなしトレーニング周波数情報と前記ノイズありトレーニング周波数情報とを対応付けて、それぞれのトレーニング周波数情報からノイズの種類ごとに任意の学習領域を切り出す学習領域切出手段、
前記学習領域切出手段が切り出した前記ノイズなしトレーニング周波数情報の学習領域と前記ノイズありトレーニング周波数情報の学習領域との差分を無くすように学習したフィルタを生成するフィルタ生成手段、
ノイズの除去を行う対象となる処理対象周波数情報に対して、前記学習領域切出手段が切り出した学習領域ごとに、前記フィルタ生成手段が生成したフィルタを適用させて前記処理対象周波数情報のノイズの除去を行うノイズ除去手段としてコンピュータを機能させ、
前記ノイズ除去手段が、前記学習領域切出手段で切り出された学習領域の高周波成分と前記処理対象周波数情報における任意の領域の高周波成分とを比較し、それぞれが似ていると判断される領域に対して、当該学習領域に対応する前記フィルタを適用させてノイズを除去するノイズ除去プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010203077A JP5594665B2 (ja) | 2010-09-10 | 2010-09-10 | ノイズ除去装置、その方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010203077A JP5594665B2 (ja) | 2010-09-10 | 2010-09-10 | ノイズ除去装置、その方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012059118A JP2012059118A (ja) | 2012-03-22 |
JP5594665B2 true JP5594665B2 (ja) | 2014-09-24 |
Family
ID=46056115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010203077A Expired - Fee Related JP5594665B2 (ja) | 2010-09-10 | 2010-09-10 | ノイズ除去装置、その方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5594665B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022099133A1 (en) * | 2020-11-09 | 2022-05-12 | Canon U.S.A., Inc. | Using activation maps to detect best areas of an image for prediction of noise levels |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102236788B1 (ko) * | 2019-10-21 | 2021-04-06 | 주식회사 픽스트리 | 이미지 복원 방법 및 장치 |
KR102289045B1 (ko) * | 2020-03-23 | 2021-08-11 | 주식회사 픽스트리 | 멀티 스케일 객체 이미지 복원 방법 및 장치 |
CN113640380B (zh) * | 2021-06-07 | 2023-05-09 | 济南大学 | 钢轨伤损检测多级分类方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2870299B2 (ja) * | 1992-06-08 | 1999-03-17 | 日本電気株式会社 | 画像信号の処理装置 |
JP5228157B2 (ja) * | 2007-06-04 | 2013-07-03 | 国立大学法人豊橋技術科学大学 | 表面欠陥自動検査装置および検査方法 |
-
2010
- 2010-09-10 JP JP2010203077A patent/JP5594665B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022099133A1 (en) * | 2020-11-09 | 2022-05-12 | Canon U.S.A., Inc. | Using activation maps to detect best areas of an image for prediction of noise levels |
Also Published As
Publication number | Publication date |
---|---|
JP2012059118A (ja) | 2012-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fathi et al. | Efficient image denoising method based on a new adaptive wavelet packet thresholding function | |
Jain et al. | A survey of edge-preserving image denoising methods | |
Zhang et al. | High-quality image restoration using low-rank patch regularization and global structure sparsity | |
Gu et al. | A brief review of image denoising algorithms and beyond | |
Selesnick et al. | Signal restoration with overcomplete wavelet transforms: Comparison of analysis and synthesis priors | |
Dobrosotskaya et al. | A wavelet-Laplace variational technique for image deconvolution and inpainting | |
Shahdoosti et al. | Image denoising using sparse representation classification and non-subsampled shearlet transform | |
CN103093433B (zh) | 基于区域划分和字典学习的自然图像去噪方法 | |
CN106204483B (zh) | 基于非局部自适应字典的乘性噪声去除方法 | |
CN103854262A (zh) | 基于结构聚类与稀疏字典学习的医学图像降噪方法 | |
Khmag et al. | Denoising of natural images through robust wavelet thresholding and genetic programming | |
JP5594665B2 (ja) | ノイズ除去装置、その方法、及びプログラム | |
Kumar et al. | A framework for image denoising using first and second order fractional overlapping group sparsity (HF-OLGS) regularizer | |
Biswas et al. | An image denoising threshold estimation method | |
Li et al. | Multiplicative noise removal via adaptive learned dictionaries and TV regularization | |
Rafiee et al. | A deep convolutional neural network for salt-and-pepper noise removal using selective convolutional blocks | |
CN102289793B (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
Banothu et al. | High-order total bounded variation approach for gaussian noise and blur removal | |
Diwakar et al. | Blind noise estimation-based CT image denoising in tetrolet domain | |
CN108649926B (zh) | 基于小波基张量稀疏表示的das数据去噪方法 | |
Feng et al. | Models for multiplicative noise removal | |
Baraha et al. | Speckle removal using dictionary learning and pnp-based fast iterative shrinkage threshold algorithm | |
Singh et al. | Noise reduction in ultrasound images using wavelet and spatial filtering techniques | |
Liu et al. | The validity analysis of the non-local mean filter and a derived novel denoising method | |
Deyan et al. | Image Denoising method based on NSCT bivariate model and Variational Bayes threshold estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130805 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140415 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140616 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140722 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140728 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5594665 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |