KR101327227B1 - 영상의 구조를 고려한 노이즈 제거장치 및 방법 - Google Patents

영상의 구조를 고려한 노이즈 제거장치 및 방법 Download PDF

Info

Publication number
KR101327227B1
KR101327227B1 KR1020120017445A KR20120017445A KR101327227B1 KR 101327227 B1 KR101327227 B1 KR 101327227B1 KR 1020120017445 A KR1020120017445 A KR 1020120017445A KR 20120017445 A KR20120017445 A KR 20120017445A KR 101327227 B1 KR101327227 B1 KR 101327227B1
Authority
KR
South Korea
Prior art keywords
input image
pixel
scale
value
noise
Prior art date
Application number
KR1020120017445A
Other languages
English (en)
Other versions
KR20130095986A (ko
Inventor
이상근
송영훈
Original Assignee
중앙대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020120017445A priority Critical patent/KR101327227B1/ko
Publication of KR20130095986A publication Critical patent/KR20130095986A/ko
Application granted granted Critical
Publication of KR101327227B1 publication Critical patent/KR101327227B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G06V10/471—Contour-based spatial representations, e.g. vector-coding using approximation functions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

영상의 구조를 고려한 노이즈 제거장치 및 방법이 개시된다. 근사치 산출부는 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 입력 영상의 복수의 화소 각각에 대응하는 복수의 스케일의 근사치 값을 산출하고, 스케일 추정부는 사전에 설정된 신뢰구간을 기초로 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치 값을 선택한다. 스케일 맵 생성부는 복수의 방향별로 선택된 최적 근사치 값을 합산한 스케일 인자를 산출하고, 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성한다. 필터링부는 입력영상의 각 화소에 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 입력영상의 노이즈를 제거한다. 본 발명에 따르면, 노이즈가 포함된 입력영상의 각 화소에 블록 기반 필터링을 수행하여 노이즈를 제거할 때 각 화소에 적용되는 마스크의 크기 및 탐색영역의 크기를 주변 영역의 구조에 따라 결정함으로써 영상의 세부정보를 보존하면서 노이즈를 효과적으로 제거할 수 있다.

Description

영상의 구조를 고려한 노이즈 제거장치 및 방법{Apparatus and method for noise reduction considering image structure}
본 발명은 영상의 구조를 고려한 노이즈 제거장치 및 방법에 관한 것으로, 보다 상세하게는, 영상의 지역적 구조에 따라 화소마다 적응적인 필터링을 수행하여 영상의 노이즈를 제거하는 장치 및 방법에 관한 것이다.
디지털 영상 처리 기기에서는 결함이 있는 카메라 센서 또는 잡음이 있는 채널을 통해 영상을 획득하는 과정에서 노이즈가 발생할 수 있다. 노이즈는 디지털 영상 기기에 현저하게 나쁜 영향을 미치므로 디지털 TV 및 카메라 등에서의 전처리로서 노이즈 제거가 필수적인 부분을 차지하게 되었다.
노이즈 제거와 관련하여 많은 연구들이 수행되었다. 노이즈 제거 알고리즘은 크게 공간 영역과 주파수 영역에서의 필터링 기법으로 분류된다. 평균 필터는 노이즈를 효과적으로 제거할 수 있는 비선형 필터 중 하나로서, 통계학적 모델을 사용하는 향상된 평균 필터 및 기법들이 제안된 바 있다. 예를 들면, 시그마 필터 기반의 기법은 주어진 마스크 내에서 중심 화소와 이웃한 화소들 간의 차를 고려하는 방법으로, BRFOE(Black and Roth Field Of Expert) 알고리즘은 EM 알고리즘으로부터 얻어진 15×15 크기의 필터를 사용하여 에지를 보존하면서 노이즈를 제거한다.
또한 웨이블릿 도메인 기반의 노이즈 제거 알고리즘들 중 형태 적응적 DCT는 하드 임계처리 기법(hard thresholding method) 및 LPA(Local Polynomial Approximation)-ICI(Intersection of Confidence Intervals) 기법을 사용하는 방법으로 널리 알려져 있다.
그러나 이상에서 설명한 알고리즘들은 영상의 지역적인 구조를 고려하지 않고 화소 기반의 필터링만을 수행하기 때문에 영상의 에지 및 세부정보를 열화시킨다는 문제가 있다.
한국공개특허 제2011-0112619호에 개시된 잡음 제거 방법은 베이어 패턴의 입력 영상에 대해 에지 영역, 감도차 발생 영역 및 패턴 영역으로 구분한 후 영역별로 서로 다른 잡음 제거 방법을 적용하는 적응적인 방법이다. 그러나 고정된 크기의 마스크 단위로 화소의 종류를 판단하여 영상을 처리하기 때문에 여전히 앞에서 설명한 문제점을 가진다.
또한 미국공개특허 제2009-0010561호에 개시된 방법은 조정 가능한 임계값을 사용하여 영상 데이터의 노이즈를 제거하는 방법으로, 입력되는 영상 데이터의 최대값과 최소값 간의 차에 따라 노이즈를 제거하지만, 영상의 지역적 구조를 고려하는 방법에는 해당되지 않는다.
본 발명이 이루고자 하는 기술적 과제는, 주변 화소의 구조적 특성을 이용하여 영상의 노이즈를 제거함으로써 영상의 세부정보를 보존할 수 있는 영상의 구조를 고려한 노이즈 제거장치 및 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 주변 화소의 구조적 특성을 이용하여 영상의 노이즈를 제거함으로써 영상의 세부정보를 보존할 수 있는 영상의 구조를 고려한 노이즈 제거방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 영상의 구조를 고려한 노이즈 제거장치는, 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 상기 입력영상의 복수의 화소 각각에 대응하는 상기 복수의 스케일의 근사치 값을 산출하는 근사치 산출부; 사전에 설정된 신뢰구간을 기초로 상기 입력영상의 각 화소에 대응하는 상기 복수의 스케일의 근사치 값 중 상기 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치 값을 선택하는 스케일 추정부; 상기 입력영상의 각 화소에 대응하여 상기 복수의 방향별로 선택된 최적 근사치 값을 합산한 스케일 인자를 산출하고, 상기 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성하는 스케일 맵 생성부; 및 상기 입력영상의 각 화소에 상기 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 상기 입력영상의 노이즈를 제거하는 필터링부;를 구비한다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 영상의 구조를 고려한 노이즈 제거방법은, 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 상기 입력영상의 복수의 화소 각각에 대응하는 상기 복수의 스케일의 근사치 값을 산출하는 근사치 산출단계; 사전에 설정된 신뢰구간을 기초로 상기 입력영상의 각 화소에 대응하는 복수의 스케일의 근사치 값 중 상기 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치 값을 선택하는 스케일 추정단계; 상기 입력영상의 각 화소에 대응하여 상기 복수의 방향별로 선택된 최적 근사치 값을 합산한 스케일 인자를 산출하고, 상기 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성하는 스케일 맵 생성단계; 및 상기 입력영상의 각 화소에 상기 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 상기 입력영상의 노이즈를 제거하는 필터링단계;를 갖는다.
본 발명에 따른 영상의 구조를 고려한 노이즈 제거장치 및 방법에 의하면, 노이즈가 포함된 입력영상의 각 화소에 블록 기반 필터링을 수행하여 노이즈를 제거할 때 각 화소에 적용되는 마스크의 크기 및 탐색영역의 크기를 주변 영역의 구조에 따라 결정함으로써 영상의 세부정보를 보존하면서 노이즈를 효과적으로 제거할 수 있다.
도 1은 본 발명에 따른 영상의 구조를 고려한 노이즈 제거장치에 대한 바람직한 실시예의 구성을 도시한 블록도,
도 2는 스케일 추정부에 의해 최적 근사치가 결정되는 일 예를 도시한 도면,
도 3은 스케일 추정부에 의해 얻어진 최적 근사치의 예를 도시한 도면,
도 4는 근사치 산출부 및 스케일 추정부에 의해 LPA 기법 및 ICI 규칙이 각각 적용되어 최적 근사치가 얻어지는 과정을 도식화한 도면,
도 5는 입력영상의 특정 위치의 화소에 대응하여 결정된 방향별 최적 근사치의 예를 나타낸 도면,
도 6은 입력영상에 대응하여 생성된 스케일 맵의 일 예를 나타낸 도면,
도 7은 블록 기반 필터링의 예를 도시한 도면,
도 8은 본 발명에 따른 영상의 구조를 고려한 노이즈 제거방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도, 그리고,
도 9는 가우시안 노이즈(σ=10)에 의해 열화된 영상을 각각의 알고리즘에 의해 복원한 결과를 나타낸 도면이다.
이하에서 첨부된 도면들을 참조하여 본 발명에 따른 영상의 구조를 고려한 노이즈 제거장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 영상의 구조를 고려한 노이즈 제거장치에 대한 바람직한 실시예의 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 노이즈 제거장치는 근사치 산출부(110), 스케일 추정부(120), 스케일 맵 생성부(130) 및 필터링부(140)를 구비한다.
근사치 산출부(110)는 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 복수의 근사치를 산출한다.
구체적으로, 근사치 산출부(110)는 LPA(Local Polynomial Approximation) 기법에 의해 입력영상의 각 화소에 대응하는 근사치를 산출하며, LPA 기법에서는 다음의 수학식 1과 같이 정의되는 방향성 LPA 커널과 입력영상의 각 화소의 컨벌루션에 의해 입력영상의 각 화소를 중심으로 하는 스케일별, 방향별 근사치를 산출한다.
Figure 112012013946493-pat00001
여기서, gh는 사전에 설정된 스케일 h에 대응하는 커널이고, θk는 사전에 설정된 커널의 방향 중 k번째 방향을 의미한다. 예를 들면, 커널의 스케일 h의 집합 H는 H={1,2,3,5,7,9}와 같이 설정될 수 있으며, 커널의 방향은 K=8과 같이 8가지의 방향으로 설정될 수 있다.
입력영상의 각 화소와 스케일별, 방향별 커널의 컨벌루션은 다음의 수학식 2와 같이 나타낼 수 있다.
Figure 112012013946493-pat00002
여기서,
Figure 112012013946493-pat00003
는 스케일 h 및 k번째 방향에 대응하여 얻어진 근사치 값이고, n은 원본영상의 화소값이다.
앞에서 예로 든 바와 같이 입력영상의 각 화소에 적용될 커널이 6가지의 스케일 및 8가지의 방향에 대하여 설정되었다면, 입력영상의 각 화소에 대응하여 8가지의 각 방향에 대응하는 6개의 근사치가 얻어진다.
다음으로 스케일 추정부(120)는 사전에 설정된 신뢰구간을 기초로 입력영상의 각 화소에 대응하는 복수의 근사치 중 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치를 선택한다.
구체적으로, 스케일 추정부(120)는 ICI(Intersection of Confidence Intervals) 규칙에 의해 입력영상의 각 화소에 대하여 방향별 최적 근사치를 선택한다. ICI 규칙은 LPA 기법에 의해 얻어진 복수의 근사치에 대하여 최적 스케일을 결정하는 방법으로, 다음의 수학식 3과 같은 사전에 설정된 신뢰구간과 각 근사치 간의 교차구간의 크기가 0이 아닌 최대 스케일의 근사치를 선택하게 된다.
Figure 112012013946493-pat00004
여기서, Ia는 a번째 스케일의 근사치에 대응하는 교차구간이고, Da는 다음의 수학식 4와 같이 표현된다.
Figure 112012013946493-pat00005
여기서,
Figure 112012013946493-pat00006
는 입력영상의 화소 x에 대응하는 스케일 h의 근사치,
Figure 112012013946493-pat00007
는 근사치의 표준편차, 그리고
Figure 112012013946493-pat00008
는 0보다 큰 값으로 설정되는 임계치이다.
스케일 추정부(120)에 의해 입력영상의 각 화소에 대응하여 선택되는 최적 근사치는 다음의 수학식 5와 같다.
Figure 112012013946493-pat00009
여기서, xi,j는 입력영상의 (i,j) 좌표에 대응하는 화소이고, θk는 1 내지 8 중 k번째 방향을 나타낸다.
도 2는 스케일 추정부(120)에 의해 최적 근사치가 결정되는 일 예를 도시한 도면이다. 도 2에 도시된 예에서는 신뢰구간과의 교차구간의 크기가 0이 아닌 최대 스케일인 h3이 최적 스케일로 선택된다.
또한 도 3은 스케일 추정부(120)에 의해 얻어진 최적 근사치의 예를 도시한 도면이다. 도 3을 참조하면, 하나의 화소를 중심으로 하는 8개의 방향 각각에 대응하여 서로 다른 크기의 스케일이 선택된 것을 확인할 수 있다.
도 4는 근사치 산출부(110) 및 스케일 추정부(120)에 의해 LPA 기법 및 ICI 규칙이 각각 적용되어 최적 근사치가 얻어지는 과정을 도식화한 도면이다.
도 4를 참조하면, 노이즈가 포함된 원본영상의 각 화소에 LPA 기법에 따라 사전에 설정된 개수의 방향별로 h1 내지 hj의 스케일을 가지는 커널 ghi(i=1,…,j)가 적용되어 j개의 근사치가 얻어지며, 다음으로 ICI 규칙에 의해 방향별로 한 개씩의 최적 근사치가 결정된다. 결정된 근사치는 입력영상으로부터 노이즈를 완전히 제거할 수 있는 이상적인 스케일에 가장 가까운 값에 해당한다.
도 5는 입력영상의 특정 위치의 화소에 대응하여 결정된 방향별 최적 근사치의 예를 나타낸 도면이다. 도 5에 표시된 화소를 중심으로 하는 8개의 방향에 대응하여 해당 방향이 영상의 에지 영역인지 또는 평평한 영역인지에 따라 서로 다른 크기의 스케일이 선택된 것을 확인할 수 있다.
스케일 추정부(120)에 의해 입력영상의 각 화소별로 방향별 최적 근사치가 선택된 후, 스케일 맵 생성부(130)는 입력영상의 각 화소에 대응하여 복수의 방향별로 선택된 최적 근사치들을 합산한 스케일 인자를 산출하고, 입력영상의 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성한다.
스케일 맵의 각 좌표는 입력영상의 각 화소에 대응한다. 즉, 스케일 맵의 각 좌표에 저장되는 스케일 인자의 값은 입력영상에서 해당 좌표에 대응하는 화소에 대해 결정된 방향별 최적 근사치들을 모두 합산한 값이다.
바람직하게는, 스케일 인자의 값은 입력영상의 각 화소를 중심으로 하는 사전에 설정된 크기의 영역에 포함된 화소들에 대응하여 결정된 방향별 최적 근사치들을 모두 합산한 값으로 결정될 수 있다. 그에 따라 스케일 맵을 구성하는 각각의 스케일 인자는 다음의 수학식 6과 같이 나타낼 수 있다.
Figure 112012013946493-pat00010
여기서, Si,j는 스케일 맵의 (i,j) 좌표에 대응하는 스케일 인자이고, M×N은 입력영상의 (i,j) 좌표의 화소를 중심으로 하는 윈도우의 크기로, 예를 들면 7×7로 설정될 수 있다.
수학식 6에 의해 산출되는 스케일 인자는 입력영상의 세부정보를 잘 반영하고 있으며, 이후 입력영상의 노이즈를 제거하는 과정에서 필터링 정도를 결정하는 기준으로 사용된다.
도 6은 입력영상에 대응하여 생성된 스케일 맵의 일 예를 나타낸 도면으로, (a)의 입력영상은 평균이 0이고 표준편차 값이 10인 가우시안 노이즈가 포함되어 있는 영상이다. 도 6의 (b)는 입력영상에 대응하는 스케일 맵으로, 스케일 인자의 값이 입력영상의 평탄한 영역과 에지 영역에 대하여 서로 다른 값으로 분포되어 있는 것을 확인할 수 있다.
필터링부(140)는 입력영상의 각 화소에 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 입력영상의 노이즈를 제거한다.
입력영상의 각 화소에 대한 필터링에 의해 입력영상의 노이즈를 제거하기 위해서는 마스크 크기 및 탐색영역의 크기 두 가지의 파라미터가 필요하다. 마스크 크기의 초기값 및 탐색영역의 크기의 초기값은 사전에 설정되며, 예를 들면 7×7 및 7로 각각 설정될 수 있다. 이와 같이 초기 설정된 파라미터들은 스케일 맵 생성부(130)에 의해 산출된 스케일 인자의 값에 따라 입력영상의 각 화소에 적응적으로 적용된다.
큰 값의 스케일 인자는 입력영상의 평평한 영역을 의미하고, 작은 값의 스케일 인자는 입력영상의 세부정보 및 노이즈가 포함된 영역을 의미한다. 따라서 필터링부(140)는 필터링을 수행하고자 하는 화소에 대응하는 스케일 인자의 값이 기준크기보다 크면 마스크의 크기를 증가시키고, 스케일 인자의 값이 기준크기보다 작으면 반대로 마스크의 크기를 감소시킨다. 이는 다음의 수학식 7과 같이 나타낼 수 있다.
Figure 112012013946493-pat00011
여기서, mr max 및 mc max는 각각 마스크의 가로 및 세로 크기, mr 및 mc는 각각 마스크의 가로 및 세로 크기의 초기값, Smax는 스케일 맵에 포함된 스케일 인자들 중 최대값, 그리고 Smed는 스케일 맵에 포함된 스케일 인자들 중 중간값을 나타낸다.
또한 필터링부(140)는 입력영상의 각 화소에 대응하여 산출된 스케일 인자의 값에 따라 탐색영역의 크기를 적응적으로 조절하며, 구체적으로 스케일 인자의 값이 제1기준값보다 크거나 제2기준값보다 작은 경우에는 탐색영역의 크기를 증가시켜 주변 영역의 구조가 노이즈 제거 과정에 반영되도록 한다.
이는 다음의 수학식 8과 같이 나타낼 수 있다.
Figure 112012013946493-pat00012
여기서, or max 및 oc max는 각각 탐색영역의 가로 및 세로 크기이고, or 및 oc는 각각 탐색영역의 가로 및 세로 크기의 초기값이다.
수학식 8로부터 알 수 있는 바와 같이 필터링부(140)는 입력영상의 특정 화소에 대응하는 스케일 인자의 값이 작거나 크면 탐색영역의 크기를 증가시킴으로써 필터링시 주변 영역의 구조를 고려한다.
이상에서 설명한 바와 같이 입력영상의 각 화소에 대응하여 필터링을 위한 마스크와 탐색 영역의 크기가 결정되면, 필터링부(140)는 블록 기반 필터링에 의해 입력영상의 노이즈를 제거한다.
도 7은 블록 기반 필터링의 예를 도시한 도면이다. 도 7을 참조하면, 필터링부(140)는 입력영상에서 필터링을 수행할 대상화소를 중심으로 하는 마스크와 동일한 크기의 블록인 현재블록과 대상화소를 중심으로 하는 탐색영역으로부터 결정된 블록인 참조블록 사이의 화소값의 차분에 가중치를 부여함으로써 노이즈 제거 성능을 향상시킬 수 있다.
필터링부(140)에 의한 입력영상의 각 화소의 복원 방법은 다음의 수학식 9과 같이 나타낼 수 있다.
Figure 112012013946493-pat00013
여기서, Ri,j는 입력영상의 (i,j) 화소로부터 복원된 화소의 값, brow와 bcol은 각각 마스크의 가로 및 세로 크기, CBbi,bj는 현재블록의 (bi,bj) 위치에 대응하는 화소, RBbi+x,bj+y는 참조블록의 (bi+x,bj+y) 위치에 대응하는 화소, 그리고 wbi,bj는 가중치로서 다음의 수학식 10과 같이 결정된다.
Figure 112012013946493-pat00014
여기서, T1 및 T2는 현재블록과 참조블록 사이의 상관관계를 측정하기 위해 실험적으로 결정되는 값이다.
이상에서 설명한 과정에 의해 얻어지는 복원영상은 노이즈 제거 과정에서 입력영상의 각 부분의 지역적인 구조가 고려됨으로써 입력영상의 세부정보가 보존되면서도 노이즈가 효과적으로 제거된 결과를 나타낸다.
도 8은 본 발명에 따른 영상의 구조를 고려한 노이즈 제거방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
도 8을 참조하면, 근사치 산출부(110)는 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 복수의 근사치를 산출한다(S1010). 근사치 산출부(110)에 의한 스케일별, 방향별 근사치 산출 과정은 LPA 기법을 기초로 수행된다.
다음으로 스케일 추정부(120)는 사전에 설정된 신뢰구간을 기초로 입력영상의 각 화소에 대응하는 복수의 근사치 중 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치를 선택한다(S1020). 스케일 추정부(120)에 의한 최적 근사치의 선택 과정은 ICI 규칙을 기반으로 수행되는 과정이다.
스케일 맵 생성부(130)는 입력영상의 각 화소에 대응하여 복수의 방향별로 선택된 최적 근사치들을 합산한 스케일 인자를 산출하고, 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성한다(S1030).
마지막으로 필터링부(140)는 입력영상의 각 화소에 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 입력영상의 노이즈를 제거한다(S1040). 구체적인 필터링 과정은 앞에서 설명한 바 있으므로 상세한 설명은 생략한다.
본 발명의 성능을 평가하기 위한 실험을 수행하였다. 실험에는 서로 다른 가우시안 노이즈 레벨(σ=5, 10)에 의해 열화된 'Lena' 영상이 사용되었다. 또한 본 발명과 대비되는 선행기술로서 앞에서 설명한 바 있는 BRFOE 알고리즘이 선택되었다.
세부 실험조건으로서, T1과 T2는의 값은 경험적으로 얻어진 값인 0.6과 1.8로 각각 설정되었고, ICI 규칙을 적용하기 위한 임계 파라미터 Γ의 값은 0.5로 설정되었다.
도 9는 가우시안 노이즈(σ=10)에 의해 열화된 영상을 각각의 알고리즘에 의해 복원한 결과를 나타낸 도면이다. 도 9의 (a)는 원본영상, (b)는 N(0,10)의 가우시안 노이즈에 의해 열화된 영상, (c)는 (b)에 BRFOE 알고리즘을 적용한 영상, 그리고 (d)는 (b)에 본 발명을 적용한 영상이다.
도 9의 (c) 및 (d)에는 영상의 일부가 확대되어 표시되어 있으며, 이와 같은 시각적인 비교만으로도 본 발명이 기존의 BRFOE 알고리즘에 비해 영상의 노이즈를 효과적으로 제거한다는 것을 확인할 수 있다.
다음의 표 1은 기존의 BROFE 알고리즘과 본 발명을 적용한 경우의 성능을 PSNR(DB)로 나타낸 것이다.
노이즈 레벨 BRFOE 본 발명
N(0,5) +37.89 dB +38.72 dB
N(0,10) +35.27 dB +35.76 dB
표 1의 정량적 비교로부터도 본 발명은 기존의 노이즈 제거 알고리즘에 비해 향상된 성능을 보인다는 것을 확인할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 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 범위 내에 있게 된다.
110 - 근사치 산출부
120 - 스케일 추정부
130 - 스케일 맵 생성부
140 - 필터링부

Claims (11)

  1. 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 상기 입력영상의 복수의 화소 각각에 대응하는 상기 복수의 스케일의 근사치 값을 산출하는 근사치 산출부;
    사전에 설정된 신뢰구간을 기초로 상기 입력영상의 각 화소에 대응하는 상기 복수의 스케일의 근사치 값 중 상기 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치 값을 선택하는 스케일 추정부;
    상기 입력영상의 각 화소에 대응하여 상기 복수의 방향별로 선택된 최적 근사치 값을 합산한 스케일 인자를 산출하고, 상기 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성하는 스케일 맵 생성부; 및
    상기 입력영상의 각 화소에 상기 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 상기 입력영상의 노이즈를 제거하는 필터링부;를 포함하는 것을 특징으로 하는 노이즈 제거장치.
  2. 제 1항에 있어서,
    상기 스케일 맵 생성부는 상기 입력영상의 각 화소를 중심으로 하는 사전에 설정된 크기의 영역에 포함된 화소들에 대응하는 최적 근사치 값을 모두 합산하여 상기 스케일 인자를 산출하는 것을 특징으로 하는 노이즈 제거장치.
  3. 제 1항 또는 제 2항에 있어서,
    상기 필터링부는 상기 입력영상의 대상화소에 대응하는 스케일 인자의 값이 사전에 설정된 기준크기 이상이면 상기 대상화소에 적용될 마스크의 크기를 사전에 설정된 초기값보다 증가시키고, 상기 대상화소에 대응하는 스케일 인자의 값이 상기 기준크기보다 작으면 상기 대상화소에 적용될 마스크의 크기를 상기 초기값보다 감소시키는 것을 특징으로 하는 노이즈 제거장치.
  4. 제 1항 또는 제 2항에 있어서,
    상기 필터링부는 상기 입력영상의 대상화소에 대응하는 스케일 인자의 값이 사전에 설정된 제1기준값보다 크거나 사전에 설정된 제2기준값보다 작으면 상기 대상화소를 중심으로 설정되는 탐색영역의 크기를 사전에 설정된 초기값보다 증가시키는 것을 특징으로 하는 노이즈 제거장치.
  5. 제 1항 또는 제 2항에 있어서,
    상기 필터링부는 상기 입력영상의 대상화소를 중심으로 하는 마스크에 해당하는 영역인 현재블록과 상기 대상화소를 중심으로 설정되는 탐색영역 내에서 결정되는 탐색블록 사이의 차분에 사전에 설정된 가중치를 부여하여 상기 입력영상의 노이즈를 제거하는 것을 특징으로 하는 노이즈 제거장치.
  6. 입력영상의 복수의 화소 각각에 사전에 설정된 복수의 스케일 및 복수의 방향을 가지는 커널을 적용하여 상기 입력영상의 복수의 화소 각각에 대응하는 상기 복수의 스케일의 근사치 값을 산출하는 근사치 산출단계;
    사전에 설정된 신뢰구간을 기초로 상기 입력영상의 각 화소에 대응하는 복수의 스케일의 근사치 값 중 상기 복수의 방향 각각에 대응하여 최적의 스케일을 가지는 최적 근사치 값을 선택하는 스케일 추정단계;
    상기 입력영상의 각 화소에 대응하여 상기 복수의 방향별로 선택된 최적 근사치 값을 합산한 스케일 인자를 산출하고, 상기 각 화소에 대응하여 산출된 스케일 인자로 이루어진 스케일 맵을 생성하는 스케일 맵 생성단계; 및
    상기 입력영상의 각 화소에 상기 스케일 인자의 값을 기초로 결정된 크기의 마스크를 적용하여 상기 입력영상의 노이즈를 제거하는 필터링단계;를 포함하는 것을 특징으로 하는 노이즈 제거방법.
  7. 제 6항에 있어서,
    상기 스케일 맵 생성단계에서, 상기 입력영상의 각 화소를 중심으로 하는 사전에 설정된 크기의 영역에 포함된 화소들에 대응하는 최적 근사치 값을 모두 합산하여 상기 스케일 인자를 산출하는 것을 특징으로 하는 노이즈 제거방법.
  8. 제 6항 또는 제 7항에 있어서,
    상기 필터링단계에서, 상기 입력영상의 대상화소에 대응하는 스케일 인자의 값이 사전에 설정된 기준크기 이상이면 상기 대상화소에 적용될 마스크의 크기를 사전에 설정된 초기값보다 증가시키고, 상기 대상화소에 대응하는 스케일 인자의 값이 상기 기준크기보다 작으면 상기 대상화소에 적용될 마스크의 크기를 상기 초기값보다 감소시키는 것을 특징으로 하는 노이즈 제거방법.
  9. 제 6항 또는 제 7항에 있어서,
    상기 필터링단계에서, 상기 입력영상의 대상화소에 대응하는 스케일 인자의 값이 사전에 설정된 제1기준값보다 크거나 사전에 설정된 제2기준값보다 작으면 상기 대상화소를 중심으로 설정되는 탐색영역의 크기를 사전에 설정된 초기값보다 증가시키는 것을 특징으로 하는 노이즈 제거방법.
  10. 제 6항 또는 제 7항에 있어서,
    상기 필터링단계에서, 상기 입력영상의 대상화소를 중심으로 하는 마스크에 해당하는 영역인 현재블록과 상기 대상화소를 중심으로 설정되는 탐색영역 내에서 결정되는 탐색블록 사이의 차분에 사전에 설정된 가중치를 부여하여 상기 입력영상의 노이즈를 제거하는 것을 특징으로 하는 노이즈 제거방법.
  11. 제 6항 또는 제 7항에 기재된 노이즈 제거방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020120017445A 2012-02-21 2012-02-21 영상의 구조를 고려한 노이즈 제거장치 및 방법 KR101327227B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120017445A KR101327227B1 (ko) 2012-02-21 2012-02-21 영상의 구조를 고려한 노이즈 제거장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120017445A KR101327227B1 (ko) 2012-02-21 2012-02-21 영상의 구조를 고려한 노이즈 제거장치 및 방법

Publications (2)

Publication Number Publication Date
KR20130095986A KR20130095986A (ko) 2013-08-29
KR101327227B1 true KR101327227B1 (ko) 2013-11-11

Family

ID=49219066

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120017445A KR101327227B1 (ko) 2012-02-21 2012-02-21 영상의 구조를 고려한 노이즈 제거장치 및 방법

Country Status (1)

Country Link
KR (1) KR101327227B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080078262A (ko) * 2007-02-22 2008-08-27 삼성전자주식회사 영역 적응적 방향성 색 보간 방법
KR101007754B1 (ko) 2005-12-29 2011-01-14 마이크론 테크놀로지, 인크 에지 검출 및 보정항을 이용하여 컬러 필터 어레이의 색보간을 제공하는 방법 및 장치
KR20110075277A (ko) * 2009-12-28 2011-07-06 연세대학교 산학협력단 색 보간 방법 및 그 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101007754B1 (ko) 2005-12-29 2011-01-14 마이크론 테크놀로지, 인크 에지 검출 및 보정항을 이용하여 컬러 필터 어레이의 색보간을 제공하는 방법 및 장치
KR20080078262A (ko) * 2007-02-22 2008-08-27 삼성전자주식회사 영역 적응적 방향성 색 보간 방법
KR20110075277A (ko) * 2009-12-28 2011-07-06 연세대학교 산학협력단 색 보간 방법 및 그 장치

Also Published As

Publication number Publication date
KR20130095986A (ko) 2013-08-29

Similar Documents

Publication Publication Date Title
KR101112139B1 (ko) 부호화된 영상의 확대비 및 노이즈 강도 추정장치 및 방법
JP6507846B2 (ja) 画像ノイズ除去方法及び画像ノイズ除去装置
US8050509B2 (en) Method of and apparatus for eliminating image noise
Harikiran et al. Impulse noise removal in digital images
KR100965880B1 (ko) 영상의 잡음 제거 방법
US20160063684A1 (en) Method and device for removing haze in single image
KR101674078B1 (ko) 블록 기반의 영상 잡음 제거 방법 및 장치
KR20150037369A (ko) 영상의 노이즈를 저감하는 방법 및 이를 이용한 영상 처리 장치
JPH07274044A (ja) 時間可変フィルタ係数を用いたビデオ信号ノイズ低減システムおよびノイズ低減方法
CN110796615B (zh) 一种图像去噪方法、装置以及存储介质
JP2010515362A (ja) 符号化された画像及びビデオにおけるブロックアーチファクトの検出
JP2004040235A (ja) 画像処理装置、及び画像処理方法
US8260076B1 (en) Constant time filtering
KR20160044979A (ko) 영상 처리 방법 및 장치
KR101984173B1 (ko) 비디오의 잡음 제거 방법 및 장치
CN109741278B (zh) 一种图像去噪方法
CN111161177A (zh) 图像自适应降噪方法和装置
KR101877808B1 (ko) 다중 레이어 오버랩 블록 기반의 로컬 히스토그램 평활화를 이용한 영상 콘트라스트 향상 방법 및 장치
KR101528244B1 (ko) 액체 매질에서 난류 효과를 포함한 이미지 데이터의 처리
CN106846262B (zh) 去除蚊式噪声的方法及系统
KR101661476B1 (ko) 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치
JP2002208006A (ja) 画像ノイズ減少方法
JP5431501B2 (ja) 画像処理装置、及びその方法
KR101327227B1 (ko) 영상의 구조를 고려한 노이즈 제거장치 및 방법
KR20200099834A (ko) 움직임 검출을 수행하는 방법 및 움직임 검출을 수행하는 영상처리장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161004

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171011

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181122

Year of fee payment: 6