KR100652954B1

KR100652954B1 - 영상의 평탄영역을 이용한 잡음 추정 장치

Info

Publication number: KR100652954B1
Application number: KR1020050000065A
Authority: KR
Inventors: 한승훈; 최영진; 신동혁
Original assignee: 삼성전자주식회사
Priority date: 2005-01-03
Filing date: 2005-01-03
Publication date: 2006-12-01
Also published as: KR20060079622A

Abstract

영상의 평탄영역을 이용한 잡음 추정 장치가 개시된다. 본 발명에 따른 영상의 평탄영역을 이용한 잡음 추정 장치는 입력영상의 복잡도에 기초하여 산출된 적응형 문턱치를 이용하여 소정 개수의 영역으로 분할된 입력영상 중에서 평탄 영역을 검출하는 평탄영역 검출부 및 평탄 영역에 관한 정보에 기초하여 전체 입력영상에 존재하는 잡음을 추정하는 잡음 추정부를 포함한다. 본 발명에 의하면, 입력영상의 복잡도에 따라 적응적으로 산출된 문턱치를 이용하여 보다 정확하게 평탄영역을 검출한 후, 검출된 평탄영역에 대해 저대역 필터를 통과시켜 본래 잡음이 존재하는 영상과 필터링된 영상과의 차분영상을 구함으로써 효과적으로 잡음을 추정할 수 있는 장점이 있다.

적응형 문턱치, 잡음 추정, 평탄영역, 가우시안 필터, 분산, 표준편차

Description

영상의 평탄영역을 이용한 잡음 추정 장치{The apparatus for estimating the noise using the homogeneous region in the image}

도 1은 본 발명에 따른 잡음 추정 장치의 구성을 도시한 블럭도,

도 2는 도 1의 평탄 영역 검출부의 상세 구성을 도시한 블럭도, 그리고

도 3은 도 1의 잡음 추정부의 상세 구성을 도시한 블럭도이다.

* 도면의 주요 부분에 대한 간단한 설명 *

100: 평탄영역 검출부 110: 전역 표준편차 산출부

120: 국부영역 표준편차 산출부 130: 적응형 문턱치 산출부

140: 비교부 200: 잡음 추정부

210: 저대역 필터부 220: 차분영상 생성부

230: 분산값 산출부 240: 평균값 산출부

1000: 잡음 추정 장치

본 발명은 잡음 추정 장치에 관한 것으로, 특히 입력영상의 복잡도에 따라 산출된 적응형 문턱치를 이용하여 평탄영역을 정확히 검출하고, 검출된 평탄영역에 대해 잡음 추정을 수행하여, 영상 전체에 존재하는 잡음을 보다 정확히 예측할 수 있도록 한 영상의 평탄영역을 이용한 잡음 추정 장치에 관한 것이다.

카메라를 통해 획득되고 채널을 통해 전송된 텔레비전 비디오 신호에는 비디오 획득과정과 전송과정에서 필수적으로 잡음(noise)이 부가된다. 이러한 잡음은 시청자에게 열화된 영상을 제공하고, 보다 고품질의 영상을 제공하기 위한 영상신호 처리과정에서 부적절한 영향을 미친다. 이러한 잡음을 제거하기 위해서는 영상에 부가된 잡음을 정확히 측정할 수 있어야 한다. 즉, 영상의 잡음 추정은 최적의 영상을 재현하기 위한 적응적 영상처리에 있어서 선행되어야 하는 필수적 절차이다. 잡음 추정에 있어서 가장 중요한 요소는 추정의 정확성과 추정을 위한 계산량의 최소화이다.

잡음 추정에 관한 종래의 기술로는 여러 가지가 있으며, 이에 관한 국내외의 특허출원도 많이 있다. 여러 관련 기술들 중 일례로서, Olsen이라는 사람은 그의 논문 'Estimation of noise in images:An Evaluation', CVGIP:Graphical Models and Image Processing, Vol.55, No 4, July pp319-323, 1993에 잡음 추정에 관한 대표적인 방법 5가지를 언급하고 있다. 여기서, 5가지 방법이란 평균치 방법(Average method), 구배치 방법(Gradient method), 블록 방법(Block method), 산란 방법(Scatter method), 피라미드 방법(Pyramid method)을 말하며, 이에 대한 상세한 설명은 위에서 언급된 논문에 상세히 기재되어 있으므로 생략하기로 한다. Olsen은 그의 논문에서 이 5가지 방법들 중 평균치 방법이 여러 측면에서 추정에 가장 최적의 방법이라고 소개하고 있다.

여러 관련 기술들 중 또 다른 일례로서, K.Rank, M.Lendl and R.Unbehauen라는 사람의 논문 'Estimation of image noise variance', IEEE Proc-Vis. Image Signal Process, Vol. 146, No.2 pp80-84, April 1999에 제시된 반복적 방법(Iterative method)이 있는데 이 방법은 방향차(Directional difference), 국지 표준편차 히스토그램(Histogram of local standard deviation), 반복적 히스토그램 분석(Iterative histogram analysis)을 사용하여 잡음을 추정하는 방법이다. 그러나, 위 방법은 영상의 복잡도를 고려하지 못하여 추정의 정확성이 떨어지는 문제점이 있다.

여러 관련 기술들 중 또 다른 일례로서 미국특허 5923775, 'Apparatus and Method for Signal Dependent Noise Estimation and Reduction in Digital Images'에 제시되어 있는 신호종속 방법(Signal-dependent method)인데 본 방법은 영상분할(Image segmentation), 영상 구배 히스토그램(Image gradient histogram), 히스토그램 문턱값 계산(Histogram threshold calculation)을 사용하여 잡음을 추정하는 방법이다. 그러나, 이 방법은 잡음 추정을 위해 많은 계산량이 요구되는 단점이 있다.

따라서, 본 발명의 목적은 입력영상의 복잡도에 따라 적응적으로 산출된 문턱치를 이용하여 보다 정확히 평탄영역을 검출하고, 검출된 평탄영역에 대해 분산값을 산출함으로써 전체 영상에 존재하는 잡음을 보다 정확히 추정할 수 있도록 한 영상의 평탄영역을 이용한 잡음 추정 장치를 제공하기 위함이다.

상기 목적을 달성하기 위한 본 발명에 따른 영상의 평탄영역을 이용한 잡음 추정 장치는 입력영상의 복잡도에 기초하여 산출된 적응형 문턱치(T1)를 이용하여 소정 개수의 영역으로 분할된 입력영상 중에서 평탄 영역을 검출하는 평탄영역 검출부; 및 평탄 영역에 관한 정보에 기초하여 전체 입력영상에 존재하는 잡음을 추정하는 잡음 추정부;를 포함하는 것이 바람직하다.

여기서, 평탄영역 검출부는, 입력영상 전체 영역의 표준편차(σ_g)를 산출하는 전역 표준편차 산출부; 입력영상을 소정 개수의 영역으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σ_m)를 산출하는 국부영역 표준편차 산출부; 전역 표준편차(σ_g) 및 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 적응형 문턱치 산출부; 및 적응형 문턱치(T1)와 소정 영역의 국부영역 표준편차(σ_m)를 비교하여, 적응형 문턱치(T1)가 국부영역 표준편차(σ_m)보다 큰 경우, 소정 영역을 평탄영역으로 판단하는 비교부;를 포함하는 것이 바람직하다.

여기서, 적응형 문턱치(T1)는, 다음의 수식에 의해 산출되는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치:

여기서, T1은 적응형 문턱치, K는 복잡도 상수, σ_g는 입력영상의 전역 표준편차이다.

여기서, 잡음 추정부는, 평탄영역에 존재하는 잡음을 제거하여, 잡음이 제거된 영상을 출력하는 저대역 필터부; 저대역 필터부를 통과하여 잡음이 제거된 영상과 본래 영상의 차를 평탄영역별로 산출하여, 차분영상을 생성하는 차분영상 생성부; 평탄영역별 차분영상에 대한 분산값을 산출하는 차분영상 분산갑 산출부; 및 각 평탄영역별 차분영상에 대한 분산값에 대해 평균값을 취하여, 전체 영상에 대한 잡음의 분산을 추정하는 평균값 산출부;를 포함하는 것이 바람직하다.

여기서, 저대역 필터부는, 가우시안 필터로 이루어지며, 가우시안 필터의 탭 사이즈는 가우시안 필터의 탭 사이즈는 평탄영역의 분산값에 비례하는 것이 바람직하다.

이하에서는 첨부된 예시도면을 참조하여 본 발명에 대해 설명한다.

도 1은 본 발명에 따른 평탄 영역에서의 잡음 추정 장치의 구성을 도시한 블럭도이다. 도 1을 참조하면, 본 잡음 추정 장치(1000)는 평탄 영역 검출부(100) 및 잡음 추정부(200)를 포함한다.

평탄 영역 검출부(100)는 입력영상의 복잡도에 따라 적응적으로 산출된 문턱치를 이용하여 입력영상의 소정 영역이 평탄 영역인지를 검출하고, 검출된 평탄 영역에 관한 정보를 잡음 추정부(200)에 제공한다.

잡음 추정부(200)는 평탄 영역 검출부(100)로부터 제공받은 평탄 영역들을 이용하여 전체 입력영상의 잡음을 추정한다. 평탄영역에 대한 분산은 곧 잡음에 대한 분산과 대응되므로, 평탄영역에 대한 분산값을 산출함으로써 전체 입력영상에 존재하는 잡음의 분산을 추정할 수 있다.

도 2는 도 1의 평탄 영역 검출부의 상세 구성을 도시한 블럭도이다. 도 2를 참조하면, 평탄 영역 검출부(100)는 전역 표준편차 산출부(110), 국부영역 표준편차 산출부(120), 적응형 문턱치 산출부(130) 및 비교부(140)를 포함한다.

전역 표준편차 산출부(110)는 입력영상 전체 영역의 표준편차(σ_g)를 산출한다. 전역 표준편차 산출부(110)에서 산출된 전역 표준편차(σ_g)는 적응형 문턱치 산출부(130)로 입력되어, 적응형 문턱치를 산출하는데 이용된다.

국부영역 표준편차 산출부(120)는 입력영상을 소정 개수의 영역(M×M)으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σ_m)를 산출한다. 국부영역 표준편차 산출부(120)에서 산출된 국부영역 표준편차(σ_m)는 비교부(230)로 입력되어, 평탄영역을 판단하는데 이용된다.

적응형 문턱치 산출부(130)는 입력영상의 복잡도(entroty)에 따라 적응형 문턱치를 산출한다. 즉, 적응형 문턱치 산출부(130)는 전역 표준편차(σ_g) 및 영상의 복잡도 상수를 기초로 적응형 문턱치(T)를 산출한다. 적응형 문턱치 산출부(240)에서 적응형 문턱치(T1)를 산출하는 과정에 대해서 상세히 설명하면 다음과 같다.

먼저, 전역 표준편차(σ_g)로부터 밝기값에 대한 입력영상 전역의 확률분포 (p_g) 및 평탄영역의 밝기값에 대한 확률분포(p_m)를 산출한다. 즉, 밝기값에 대한 입력영상 전역의 확률분포(p_g)는 전역 표준편차가 넓은 범위를 갖는다고 가정하면, 아래의 수학식과 같은 균일 밀도 함수로 근사화될 수 있다.

수학식 1에서, p_g는 밝기값에 대한 입력영상 전역의 확률분포를 의미하며, σ_g는 입력영상 전체영역의 표준편차를 의미하며, x는 각 화소의 픽셀값을 의미한다.

한편, 분할된 국부영역의 표준편차를 σ_m이라 하고, 평탄영역의 표준편차가 매우 좁은 범위를 갖는다고 가정하면, 주어진 영상 (g)에 대한 밝기값에 대한 평탄영역의 확률분포(p_m)는 아래의 수학식과 같이 근사화될 수 있다.

수학식 1 및 수학식 2에서 산출된 두 개의 확률 분포 p_g(x) 및 p_m(x｜g)에 기초하여 국부영역의 복잡도(entropy)가 산출된다. 국부영역의 복잡도는 아래의 수학식 3과 같이 표현된다.

수학식 3에서, H(m)은 M×M 개의 영역으로 분할된 각 국부영역의 복잡도 (entropy)를 의미한다. 이와 같이 산출된 국부영역의 복잡도(H(m))를 복잡도 상수(K)와 같다고 가정하면 아래의 수학식과 같다.

이와 같이, 국부영역의 복잡도((H(m))와 복잡도 상수(K)가 동일한 것으로 가정한 상태에서, 전역 표준편차(σ_g)와 log2σ_g를 복잡도 상수(K)가 있는 항으로 이항시키면 등식의 좌측에는 국부영역 표준편차(σ_m)만이 남게 된다. 이 때, 등식의 우측항을 다시 수학식으로 나타내면 다음과 같다.

수학식 5를 참조하면, 국부영역의 복잡도((H(m))와 복잡도 상수(K)가 동일한 것으로 가정한 상태에서 전역 표준편차(σ_g)와 log2σ_g를 복잡도 상수(K)가 있는 항으로 이항시킴으로써, 최종적으로 적응형 문턱치(T1)가 산출된다. 적응형 문턱치(T1)의 값은 수학식 5에서 기재된 바 같이

이다.

수학식 5에서, K는 영상의 복잡도 상수로서, bit/symbol을 의미하는 엔트로 피 상수이며, σ_g는 입력영상의 전체 영역에 대한 표준편차이다.

비교부(140)는 적응형 문턱치 산출부(130)에서 산출된 적응형 문턱치(T)와 국부영역 표준편차(σ_m)의 크기를 비교하여 평탄영역을 결정한다. 즉, 비교부(140)는 국부영역 표준편차(σ_m)가 적응형 문턱치(T)보다 작은 경우, 해당 영역을 평탄영역으로 판단하고, 국부영역 표준편차(σ_m)가 적응형 문턱치(T)보다 작지 않은 경우, 해당 국부영역은 평탄영역이 아닌 것으로 판단한다. 이와 같이 평탄영역 검출부 (100)에 의해 검출된 평탄영역들에 관한 정보는 잡음 추정부(200)에 제공된다.

도 3은 도 1의 잡음 추정부의 상세 구성을 도시한 블럭도이다. 도 3을 참조하면, 잡음 추정부(200)는 저대역 필터부(210), 차분영상 생성부(220), 차분영상 분산값 산출부(230), 및 평균값 산출부(240)를 포함한다.

저대역 필터부(210)는 우수한 평탄화(smoothness) 특성을 갖는 가우시안 저대역 필터를 이용하여 평탄영역에 존재하는 잡음을 필터링함으로써, 잡음이 필터링된 영상(G(B))을 차분영상 생성부(220)로 출력한다. 저대역 필터부(210)는 각 평탄영역의 분산값({σ² _B1, … , σ² _BN })을 이용하여 필터의 탭 사이즈를 결정하고, 평탄영역의 분산값을 가우시안 함수의 분산값으로 취한다. 이 때, 필터의 탭 사이즈는 다음과 같이 결정된다.

수학식 6에서, σ_Bk는 각 평탄영역의 분산값을 말한다. 수학식 6을 참조하면, 가우시안 필터의 탭 사이즈는 평탄영역의 표준편차 또는 분산값의 소정 배수로 결정됨을 알 수 있다. 본 실시예에서, 가우시안 필터의 탭 사이즈는 분산값의 약 2.5배로 설정된다.

차분영상 생성부(220)는 저대역 필터부를 통과하여 잡음이 제거된 영상과 본래 영상의 차를 각 평탄영역별로 구하여, 차분영상(∇B = B - G(B))을 생성한다. 차분영상 생성부(220)에서 생성된 각 평탄영역별 차분영상(∇B)은 분산값 산출부 (230)에 제공된다.

분산값 산출부(230)는 차분영상 생성부(220)로부터 제공받은 각 평탄영역별 차분영상에 대한 분산값({σ² _∇B1 , … , σ² _∇BN})을 산출한다. 분산값 산출부(230)에서 산출된 각 평탄영역별 차분영상에 대한 분산값은 평균값 산출부(240)에 제공된다.

평균값 산출부(240)는 분산값 산출부(230)로부터 입력받은 각 평탄영역별 차분영상에 대한 분산값({σ² _∇B1 , … , σ² _∇BN})에 대해 평균값을 취하여, 전체 영상에 대한 잡음의 분산을 추정한다. 이와 같은 방식에 의해 전체 영상에 대한 잡음을 효과적으로 추정할 수 있게 된다.

이상에서 설명한 바와 같이, 본 발명에 의하면, 입력영상의 복잡도(entropy)에 따라 적응적으로 산출된 문턱치를 이용하여 보다 정확하게 평탄영역을 검출한 후, 검출된 평탄영역에 대해 저대역 필터를 통과시켜 본래 잡음이 존재하는 영상과 필터링된 영상과의 차분영상을 구하게 된다. 이와 같은 차분영상에는 잡음 성분을 가진 영상만 남게 되므로, 효과적으로 잡음 추정이 가능한 장점이 있다. 또한, 각 차분 평탄영역에 대해 추정된 분산을 가지고 평균치를 취함으로써 잡음 추정의 신뢰도가 향상되는 장점이 있다.

이상에서는 본 발명의 바람직한 실시예에 대해서 도시하고 설명하였으나, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위에 있게 된다.

Claims

입력영상의 전역 표준 편차 및 복잡도에 기초하여 산출된 적응형 문턱치(T1)와 국부영역 표준 편차를 이용하여 소정 개수의 영역으로 분할된 입력영상 중에서 평탄 영역을 검출하는 평탄영역 검출부; 및

상기 검출된 평탄 영역별 차분영상에 대한 분산평균값에 기초하여 전체 입력영상에 존재하는 잡음을 추정하는 잡음 추정부;를 포함하는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치.
제1항에 있어서, 상기 평탄영역 검출부는,

입력영상 전체 영역의 표준편차(σ_g)를 산출하는 전역 표준편차 산출부;

입력영상을 소정 개수의 영역으로 분할한 후, 분할된 각 영역별로 국부영역 표준편차(σ_m)를 산출하는 국부영역 표준편차 산출부;

상기 전역 표준편차(σ_g) 및 상기 입력영상의 복잡도 상수(K)를 기초로 적응형 문턱치(T1)를 산출하는 적응형 문턱치 산출부; 및

상기 적응형 문턱치(T1)와 소정 영역의 국부영역 표준편차(σ_m)를 비교하여, 상기 적응형 문턱치(T1)가 상기 국부영역 표준편차(σ_m)보다 큰 경우, 상기 소정 영역을 평탄영역으로 판단하는 비교부;를 포함하는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치.
제1항에 있어서, 상기 적응형 문턱치(T1)는,

다음의 수식에 의해 산출되는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치:

여기서, T1은 적응형 문턱치, K는 복잡도 상수, σ_g는 입력영상의 전역 표준편차이다.
제1항에 있어서, 상기 잡음 추정부는,

평탄영역에 존재하는 잡음을 제거하여, 잡음이 제거된 영상을 출력하는 저대역 필터부;

상기 저대역 필터부를 통과하여 잡음이 제거된 영상과 본래 영상의 차를 상기 평탄영역별로 산출하여, 차분영상을 생성하는 차분영상 생성부;

상기 평탄영역별 차분영상에 대한 분산값을 산출하는 차분영상 분산갑 산출부; 및

각 평탄영역별 차분영상에 대한 분산값에 대해 평균값을 취하여, 전체 영상에 대한 잡음의 분산을 추정하는 평균값 산출부;를 포함하는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치.
제4항에 있어서,

상기 저대역 필터부는,

가우시안 필터로 이루어지며, 상기 가우시안 필터의 탭 사이즈는 가우시안 필터의 탭 사이즈는 상기 평탄영역의 분산값에 비례하는 것을 특징으로 하는 영상의 평탄영역을 이용한 잡음 추정 장치.