KR20020000547A - 노이즈 감소 - Google Patents

Abstract

본 발명은 신호(x)내의 노이즈의 유형을 추정(30)하고 적어도 2개의 노이즈 필터들(310, 311, 312)중 하나를 이네이블시켜서 신호(x)의 노이즈를 필터링(3)하는 것을 제공하며, 그 이네이블된 노이즈 필터(310, 311, 312)는 추정된 유형의 노이즈에 가장 적합한 필터이다. 신호(x)내의 노이즈(z)의 근사치는 신호(x) 및 그 신호(x)의 노이즈 필터된(301) 버전 간의 차를 계산(302)함으로써 얻어진다. 본 발명은 노이즈의 유형을 추정하기 위한 기준으로서 노이즈의 쿠르토시스를 사용한다(303). 노이즈의 추정된 유형이 긴 미부의 노이즈인 경우, 메디안 필터(312)가 이네이블되어 신호를 필터링한다. 추정된 유형의 노이즈가 가우시안 노이즈나 오염된 가우시안 노이즈인 경우엔, 시공 필터(310, 311)가 이네이블되어 신호를 필터링한다. 본 발명은 카메라(2) 및 노이즈 필터(3)를 구비한 비디오 시스템(1)에 적용될 수도 있다.

Description

노이즈 감소{Noise reduction}

근래, 예컨대 인터넷을 통한 영상 시퀀스들의 디지털 전송에 관심이 고조되고 있다. 특히 컨수머 전자 분야에 있어서는, 비디오 카메라, 비디오 레코더, 위성 수신기 등과 같은, 그 영상들의 소스들이 각종 유형의 노이즈에 의해 영향을 받고 있다. 특히, CCD 및 CMOS 카메라들의 경우에, 센서 노이즈는 통상적으로 화이트 가우시안으로서 모델링되는 반면에, 수직 또는 수평 스트리크(streak)들이 동화상 필름들로부터 스캔되거나 비디오 레코더에 의해 재생되는 영상에서 발견될 수도 있다. 저장 및/또는 전송 이전에, 영상들에서 노이즈 레벨을 감소시키고, 가시적 현상을 개선시키며, 비트 레이트를 감소시키는 것이 타당하다. 상이한 분포들을 갖는 노이즈의 감쇠를 위한 각종 알고리즘들이 공지되어 있는데, 그것들은 일반적으로 매우 복잡하고 따라서 컨수머 기기에서의 실시간적 구현이 불가능하거나, 성능을 악화시키거나, 통상적으로 아티팩트들 및 단부 완곡화를 초래한다.

본 발명은 노이즈 필터링이 제공되는 방법 및 장치에 관한 것이다. 본 발명은 또한 비디오 시스템에 적용된다.

도 1은 본 발명에 따른 비디오 시스템의 실시예를 도시하는 도면.

도 2는 필터들에서 고려된 공간 방향들의 예를 도시하는 도면으로서, A는 수평 방향, B는 수직 방향, C와 D는 대각선 방향을 고려한 도면.

도 3은 가우시안 노이즈에 대한 레이셔널 필터의 시간 부분에 의해 이용된 방향의 예를 도시한 도면.

도 4는 오염된 가우시안 노이즈에 대한 레이셔널 필터의 시간 부분에 의해 이용된 방향의 조합을 예시한 도면.

본 발명의 목적은 보다 덜 복잡한 노이즈 감소를 제공하는데 있다. 이를 위하여, 본 발명은 청구범위의 독립항들에서 규정되어 있는 바와 같은 노이즈 필터링을 위한 방법 및 장치와 비디오 시스템을 제공한다. 종속항들에서는 유리한 실시예들이 규정되어 있다.

본 발명의 제 1 실시에 있어서, 신호내의 노이즈의 유형이 추정되고, 적어도 2개의 노이즈 필터들중 하나가 이네이블되며, 그 이네이블된 노이즈 필터는 노이즈의 추정된 유형에 가장 적합한 필터이다. 본 발명은, 노이즈의 유형을 추정하고 특정 노이즈 유형에 각각 적합한 간단한 필터들의 세트중에서 자동적으로 하나의 필터를 이네이블시키는 것이 상이한 노이즈 특성들을 처리해야 하는 복잡한 필터보다 더 효과적이라는 통찰력에 기초하고 있다. 노이즈 유형 추정 및 필터는 모두 복잡도가 낮으며 저비용의 응용이 가능하다.

에지 보존 노이즈 감소는 시공 레이셔널 및 메디안 방식의 필터(spatio-temporal rational and median based filter)들을 사용하여 달성될 수 있다. 레이셔널 필터는 유리 함수, 예컨대 입력 변수들에서의 2개의 다항식들의 비에 의해 표현되어지는 필터이다. 시공적 레이셔널 필터들은 적당하게 선택된 픽셀들의 차에 따라 전체 저역 통과 행위를 변조시킴으로써 상세부들 및 균등 영역들 간을 효과적으로 구별([1])할 수 있어, 노이즈가 현저히 감소되고 상세부들이 흐려지지 않게된다는 것은 널리 공지되어 있다. 그 레이셔널 필터들은 가우시안 노이즈([1]) 및 오염된 가우시안 노이즈([2])를 포함하여 각종 유형의 노이즈에 대해 효과적이다. 오염된 가우시안 노이즈는 다음의 식 (1)에 따르는 확률 분포를 갖는다.

위 식에서, λ는 파라미터이고, N(σ)는 분산 σ를 갖는 가우시안 분포이다. 오염된 가우시안 분포의 분산은 다음의 식 (2)에 의해 주어진다.

긴 미부(long-tailed)의 노이즈의 경우에는, 하나의 노이즈성 픽셀들 및 수평 수직 스트릭크들 쌍방에 대해 효과적인 간단한 메디안 필터([3])가 사용되므로, 이상적 임펄스 노이즈 및 실제 임펄스 노이즈 간에 구별할 필요가 없다. 메디안 방식의 연산자들은 긴 미부 노이즈, 특히 임펄스 노이즈의 경우에 매우 효율적이고, 그 연산자들을 가우시안 노이즈의 경우에 이용하는 것은 타당하지 않다. 왜냐하면, 그것들은 스트리킹 및 블로칭(blotching) 아티팩트들을 발생시키는 경향이 있기 때문이다.

본 발명의 또다른 실시예는 영상 시퀀스에서의 노이즈의 유형을 추정하기 위해 간단한 알고리즘을 사용한다. 이 실시예는 노이즈의 유형에 대한 기준으로서 노이즈의 쿠르토시스(kurtosis)를 이용한다. 그 쿠르토시스는 다음의 식 (3)과 같이 [4]로서 규정된다.

위 식에서, μ₄는 데이터의 4번째 중심 모멘트이고, σ는 영상 시퀀스에서의 데이터의 분산이다. 4번째 중심 모멘트는 다음의 식 (4)에 의해 주어진다.

위 식에서 E는 분산의 기대값이고 E(x) =이다. 4번째 중심 모멘트 μ₄는 단일의 피크 분포의 첨예성에 관련되어 있다. 쿠르토시스는 크기가 없고, 가우시안 분포의 경우에 k=3 이다. 그러므로, 3의 쿠르토시스 값이 의미하는 것은, 노이즈 분포가 소정의 관점에서는 표준 집단의 구성 요소와 동일한 첨예도를 갖는다는 것이다. 또한, 오염된 가우시안 노이즈에 대해서는 k>3이고, 임펄스 노이즈에 대해서는 k>>3이다.

노이즈의 여러 유형들 중에서 구별할 수 있는 종래 기술의 연산자들은 매우 복잡하다. 예를 들면, [5]에서는, 입력 데이터로부터의 노이즈 전력을 추정하는 효율적인 방법을 채용하고 있는 단일 값 분해법(Singular Value Decomposition)에 기초한 블록 방식의 비선형 필터링 기술이 제공되지만, 부가적인 노이즈의 가정이 요구되고 가우시안 분포만이 사용된다. [6]에서는, 비 가우시안 노이즈에서의 결정성적 가우시안 신호 및 랜덤 가우시안 신호 쌍방을 검출하고 추정하기 위하여, 후자의 공분산은 보다 고차의 누적법들을 사용하여 결정된다. 반전 문제는 [7]에서 다루어지는데, 여기서 부가적 가우시안 노이즈 존재시의 신호 검출 및 분류는 보다 고차의 통계를 사용하여 행하여진다.

입력 신호 x는 x = y + n 에 따라 원래의 무 노이즈 신호 y 및 노이즈 신호n 에 의해 형성된다. 본 발명의 또다른 실시예에서, 노이즈 n은, 바람직하게는 메디안 필터에 의해 노이즈 필터링되는 동일한 신호 및 상기 신호 x 간의 차를 계산함으로써 근사치로 얻어진다. N 개의 수치들의 중간수는 고차순으로 분류(sorted)된 N 개의 수치들의 어레이들에서 중간 값을 취함으로서 구해진다. 메디안 필터는 또한 고주파수를 유지하는 비선형 샷(shot) 노이즈 필터로 칭하여질 수도 있다. 메디안 필터의 널리 공지된 노이즈 감소 및 에지 보존 특성들로 인해서, 결과로 얻어지는 신호, z = x - median(x) 는 노이즈만의 근사치, 즉 z≒n 로 된다. 그리고, 쿠르토시스 k는 노이즈의 유형을 표시하기 위하여 z에 대해서 추정된다. 노이즈 분산(가우시안 노이즈 또는 오염된 가우시안 노이즈의 경우) 또는 노이즈 픽셀의 백분율(임펄스 노이즈의 경우에)의 타당한 값들에 대해서, 비록 z는 원래의 노이즈 n과 일치하지는 않을지라도, 파라미터 k는 2개의 적당한 문턱값들을 사용하여 노이즈의 유형을 정확하게 구별해낼 수 있다. 가우시안, 오염된 가우시안 및 긴 미부의 노이즈에 대한 파라미터 k의 값들에서 중첩(overlap)은 존재하지 않으므로, 6과 15인 두 문턱값들을 이용하여 각종 노이즈 유형을 정확하게 구별하는 것이 실질적으로 가능하다.

바람직하게는, 노이즈가 공간적으로 균일하다고 가정하고 있기 때문에, 영상에 대한 연산 부하를 낮게 유지하기 위하여 각 영상의 작은 부분(예컨대, 3×3 픽셀의 부영상들)이 분석된다. 안정성 있는 추정을 필요로 하기 때문에, 바람직하게는 실제로 k를 계산하기 전에 복수의 영상들에 대한 데이터를 누적시킴으로써 분석이 행하여진다. 900개의 픽셀들(즉, 100개의 프레임들)에 대한 추정은 적당히 낮은 분산을 갖는다.

본 발명의 상기 양태들 및 기타 다른 양태들은 첨부 도면을 참조하여 하기에서 기술되는 실시예들의 설명을 통해서 명백해질 것이다.

도면들은 본 발명을 이해하는데 필요한 구성요소들만을 도시하고 있다.

도 1은 본 발명에 따르는 비디오 시스템(1)의 실시예를 도시하는 도면이다. 비디오 시스템(1)은 영상 시퀀스 x를 얻기 위한 카메라나 안테나 등의 입력 유닛(2)을 포함한다. 비디오 시스템(1)은 또한 노이즈 필터(3)를 포함한다. 노이즈 필터(3)는 영상 시퀀스 x에서 노이즈의 유형을 추정하기 위한 노이즈 식별기(30)를 포함한다. 노이즈 식별기(30)는 필터들의 세트(31)를 제어한다. 노이즈의 추정된 유형에 따라, 필터들의 세트(31)에서 가장 적합한 필터가 이네이블된다.

노이즈 식별기(30)는 메디안 필터(301), 감산기(302), 노이즈 유형 추정기(303)를 포함한다. 메디안 필터(301)는 입력 신호 x를 필터링하여 median(x)인 x의 필터된 버전을 얻는다. 필터된 신호 median(x)는 입력 신호 x로부터 감산되어, 그 결과로 입력 신호 x의 근사치가 얻어진다. 근사치는 z = x - median(x)에 의해 주어진다. 신호 z는 노이즈의 유형을 추정하기 위한 노이즈 추정기(303)에 공급된다. 전술한 바와 같이, 추정기(303)는 노이즈 신호 z에 대해 쿠르토시스 k를 인가한다. 추정기(303)는 제어 신호에 의존하는 쿠르토시스(노이즈 유형)를 필터들의 세트(31)에 공급한다. 추정기(303)로부터의 제어 신호에 의존하여, 상기 세트(31)내의 필터들 중의 하나가 이네이블된다. 노이즈 필터(3)의 출력 y는 수신기에 전송되거나 저장 매체에 저장될 수도 있다.

양호한 실시예에 있어서, 필터들의 세트(31)는 상이한 유형의 노이즈들을 처리할 수 있도록 3개의 다른 필터들(310, 311, 312)을 포함한다. 그들의 동작은 전술한 바와 같이 노이즈 추정기(30)에 의해 자동적으로 제어된다. 바람직하게는, 그들의 지원은 계산 복잡도를 낮게 유지하도록 두 개의 시간적으로 인접한 영상들에만 국한된다. 두 개의 영상들만을 이용하는 것은 필요한 영상 메모리의 양이 보다 더 많은 영상들을 이용하는 방법들에서보다 더 작다는 또다른 이점을 갖는다. 본 실시예에 있어서, 필터(310)는 가우시안 노이즈에 적합하고, 필터(311)는 오염된 가우시안 노이즈에 적합하여, 필터(312)는 긴 미부의 노이즈에 적합하다.

가우시안 노이즈 및 오염된 가우시안 노이즈를 위한 필터들(310, 311)은 바람직하게는 공간 필터링 부분과 시간 필터링 부분의 합에 의해서 구성되는, 유사한 구조를 가진 시공 레이셔널 필터들이다. 각각의 필터 출력 y₀는 다음의 식들로서 계산된다.

위 식들에서, x₀, x_i, x_j는 마스크내의 픽셀 값들(x₀는 중심 값임)이고, i, j ∈ I 는 도 2의 A∼D에 도시된 공간 필터링 방향들의 세트를 나타내며, k_s및 A_s는 적당한 필터 파라미터들이다. 시간 필텅링 부분 f_temp는 비록 f_temp가 이전 영상의 픽셀들에 대해서도 동작할지라도 유사한 형태를 가지며, 하기에서 기술하기로 한다. 공간 필터는 영상 상세부들을 유지하는 동안 노이즈를 감소시키기 위하여 균등한 영역 및 상세 영역 간을 구별할 수 있음이 이해될 것이다. 사실상, 마스크가 균등 영역에 놓여지는 경우, 분모에서 나타나는 픽셀 차 (x_i- x_j)²는 작고, 분자에 있는 x₀로부터 감산되는 고역 통과 성분은 전체 저역 통과 행위를 제공한다. 반대로, 동일한 차가 큰 값을 갖는 경우, 에지가 존재한다고 가정되고, 필터는 상세부가 흐려지지 않게 되도록 픽셀을 변화시키지 않은 채 남겨둔다.

시간 부분은 상세부 감지 행위의 동일한 원리를 이용하며, 가우시안 노이즈의 경우에 그 형태는 공간 부분의 것과 유사하다.

상기 식에서, i ∈ J 는 도 3에서 도시된 바와 같은 시간 필터링 방향들의 세트를 나타낸다. 도 3에서는, 설명의 명료성을 위해 9개의 가능한 방향들(x_i ^p의 가능한 위치들에 따라)중 하나만을 도시하였다. 첨자 p는 이전 영상에 속하는 픽셀들을 나타내며, k_tl및 A_tl는 적당한 필터 파라미터들이다.

상황은 오염된 가우시안 노이즈의 경우보다 약간 더 복잡하다. 이 경우에, 상세부 및 노이즈는 구별하기가 보다 어렵다. 왜냐하면 픽셀 노이즈 레벨이 크게 될 수 있기 때문(분포의 오히려 더 긴 미부들로 인해서)이다. 그리고, 공간 필터링의 경우에 대해서는 보다 더 적은 정보가 사용가능하다. 즉, 보다 구체적으로는, 필터 지원(두개의 영상들만)의 제한된 시간적 크기로 인해서, 픽셀들은 x₀의 한 쪽(시간적 측면)에서만 사용가능하므로(다시 말해서, 필터(311)의 공간 부분에 있어서, x₀의 좌측 및 우측 양측에서의 픽셀들 또는 상부 및 하부 양측의 픽셀들이 사용가능함), 공간 부분의 간단한 분모는 물체의 에지 및 하나의 노이즈 픽셀 간을 구별해낼 수 없다. 오염된 가우시안 노이즈의 경우에, f_temp는 다음의 식으로서 규정된다.

위 식에서, i∈J는 도 4에 도시된 바와 같이 시간 필터링 조합들(공간 방향과 시간 방향과의 조합)의 세트를 나타내며, k_t2, k_t3, A_t2는 적당항 필터 파라미터들이다. 도 4에서는, 설명의 명료성을 위해 복수의 가능한 조합들 중에서 x_i ^p및 x_i의 의 한가지 조합만을 도시하였다. 이 경우에, 저역 통과 행위의 세기를 제어하는 분모의 픽셀들은 2 개 대신에 3개이다. 즉, x_i, x_i ^p, x₀이다. 실제로, 이미 전술한 바와 같이, 가우시안 노이즈의 경우에서와 동일한 제어 전략을 이용하는 것은 타당하지 않다. 즉, 차 (x_i ^p-x₀)는 노이즈 필터링 행위의 결과적인 손실을 갖는 에지 대신에 노이즈 피크로 인해서 크게 될 수도 있다. 반대로, 또다른 차, 즉 (x_i ^p-x_i)에 대해 평균화함으로써 동일한 차가 보정되는 경우, 분모는 분리된 노이즈 픽셀의 존재시에도 낮게 유지되고, 원하는 저역 통과 행위가 얻어진다.

비록 도 1에서는 필터들(310, 311)이 별개의 필터들로서 도시되어 있지만, 실제적인 실시예에서는, 필터들(310, 311)이 하나의 레이셔널 필터에서 공통의 공간 부분과 상이한 시간 부분들, 즉 가우시안 노이즈에 대한 제 1 시간 부분 및 오염된 가우시안 노이즈에 대한 제 2 시간 부분과 조합될 수 있다. 노이즈식별기(30)에서 추정된 노이즈의 유형에 의존하여, 적당한 시간 부분이 이네이블된다. 또다른 실제적인 실시예에 있어서, 제 1 시간 부분 및 제 2 시간 부분은 상기 식 (8)에 따라 하나의 시간 필터링 부분으로서 구현되고, 노이즈가 가우시안 분포를 갖는 경우에, 파라미터 k_t3는 상기 식 (7)에 따라 레이셔널 필터를 얻도록 0을 취한다.

레이셔널 필터(310/311)는 z의 쿠르토시스 k의 값이 15보다 낮은 경우에 이네이블되고, 다른 경우에는 메디안 필터(312)가 이네이블된다. 쿠르토시스 k가 6보다 낮은 경우엔, 제 1 시간 부분(가우시안 노이즈의 경우)이 이네이블된다. 쿠르토시스 k가 6과 15 사이인 경우엔, 제 2 시간 부분(오염된 가우시안 노이즈)이 이네이블된다.

긴 미부의 노이즈를 효과적으로 처리하기 위하여, 필터(312)는 바람직하게는 간단한 메디안 필터이다. 일반적으로, 메디안 필터는 순서 통계를 기초로 한다. 이차원 메디안 필터는 다음의 식에 의해서 주어진다.

세트 x_i, x_j는 중심 픽셀 x₀의 인접부를 규정하며, 필터 마스크라 불린다. 메디안 필터는 중심 픽셀의 값을 필터 마스크내의 픽셀들의 값들의 중간값으로 대체한다. 적절한 간단한 마스크는 5 요소 X형 필터이다. 이러한 필터는 [3]으로부터 공지되어 있다. 5요소 X형 필터의 경우에, 필터 마스크는 중심 픽셀 x₀및 중심 픽셀 x₀에 대각선 방향으로 관련된 픽셀들을 포함한다. 이들 공간 방향들은 도 2의C, D에서 나타나 있다.

양호하게는, 하나의 노이즈 픽셀에 의한 것보다는 오히려 수평적인 하나의 픽셀폭의 스트립으로 이루어진 현실적 세계의 임펄스형 노이즈(예컨대, 위성 수신기내에 존재), 및 이상적 임펄스 노이즈(하나의 노이즈 픽셀)는 쌍방이 다 제거된다. 쌍방의 노이즈의 유형은 X형 마스크내의 5중에서 하나의 픽셀에만 영향을 미치므로, 노이즈 요소는 메디안 연산자에 의해 쉽게 제거된다. 유의할 것은, 동화상 필름들로부터 얻어진 비디오에서 발견될 수 있는 하나의 픽셀폭의 수직 스트립들도 상기 필터에 의해 효과적으로 제거될 수 있다는 것이다. 보다 더 넓은 스트립들을 제거하기 위하여, 보다 더 큰 지원이 요구된다. 일단 임펄스 노이즈 유형이 검출되면, 간단한 메디안이 이용된다.

노이즈 식별기(30)는 필터들의 세트(31)를 제어한다. 비록 상기 실시예들에 있어서 하드 스위칭(hard switching)이 이용될지라도, 예를 들어 50%이상 필터들의 세트(31)중에서 가장 적합한 필터를 이네이블시키고 또한 필터들의 세트(31)에서 하나 이상의 다른 필터들을 부분적으로 이네이블시키는, 소프트 스위칭 역시 가능하다. 신호가 대부분 가우시안 노이즈를 포함하는 경우의 예에 있어서, 필터(310)는 80%에 대해 이네이블될 수도 있고 다른 두 필터들(311, 312)은 10%에 대해 이네이블 될 수도 있다. 청구의 범위는 그러한 소프트 스위칭 구현도 포함하는 것으로서 이해되어야 한다.

응용이나 영상 시퀀스에 의존하여, 다른 필터들이나 상이한 노이즈 식별기들이 사용될 수도 있다. 본 발명의 기본적인 사상은 다른 유형의 노이즈에 대해 설계된 적어도 2개의 필터들, 및 그 적어도 두 개의 필터들 중 최적의 필터를 이네이블시키는 노이즈 식별기를 사용하는 것이다. 본 발명은 또한 예컨대 오디오 등의 다른 신호들에도 적용될 수 있다.

모션 보상 방식의 알고리즘들은 일반적으로 훨씬 더 복잡한 구조의 비용으로 보다 양호한 기능을 제공한다. 모션 보상 방식의 알고리즘들은 바람직하게는 본 발명의 전문적 실시예들에 적용된다.

상술한 실시예들은 본 발명을 제한한다기보다는 예시적인 것이고 당업자들은 첨부된 청구범위의 범위로부터 벗어남이 없이 다수의 대안적인 실시예들을 설계할 수 있을 것임을 유의한다. 용어 "영상"은 화상, 프레임, 필드, 등을 또한 언급한다. 청구의 범위에서, 괄호안의 임의의 참조 부호들은 청구범위를 제한하는 것으로서 해석되어서는 안된다. 용어 "포함한다"는 청구범위내에 열거된 것들 이외에 다른 요소들이나 단계들의 존재를 배타하지 않는다. 본 발명은 여러 특유의 요소들을 포함하는 하드웨어, 및 적당하게 프로그램된 컴퓨터에 의해서 실행될 수 있다. 여러 수단들을 열거하고 있는 장치 청구항에서, 여러개의 이들 수단들은 하나의 하드웨어나 동일한 항목의 하드웨어에 의해 실시될 수 있다. 임의의 측정치들이 서로 상이한 종속 청구항들에서 인용되는 단순한 사실은 이들 측정치들의 조합이 유리하게 사용될 수 없음을 나타내는 것은 아니다.

요약하면, 본 발명은 신호내의 노이즈의 유형을 추정하고 적어도 2개의 노이즈 필터들중 하나를 이네이블시켜서 신호의 노이즈를 필터링하는 것을 제공하며, 그 이네이블된 노이즈 필터는 추정된 유형의 노이즈에 가장 적합한 필터이다. 신호내의 노이즈의 근사치는 신호 및 그 신호의 노이즈 필터된 버전 간의 차를 계산함으로써 얻어진다. 본 발명은 노이즈의 유형을 추정하기 위한 기준으로서 노이즈의 쿠르토시스를 사용한다. 노이즈의 추정된 유형이 긴 미부의 노이즈인 경우, 메디안 필터가 이네이블되어 신호를 필터링한다. 추정된 유형의 노이즈가 가우시안 노이즈나 오염된 가우시안 노이즈인 경우엔, 시공 필터가 이네이블되어 신호를 필터링한다. 본 발명은 카메라 및 노이즈 필터를 구비한 비디오 시스템에 적용될 수도 있다.

<참고문헌>

Claims (11)

1. 신호(x)를 노이즈 필터링(3)하는 방법에 있어서,

   상기 신호(x)내의 노이즈의 유형을 추정(30)하는 단계와,

   적어도 두 개의 노이즈 필터링 동작들(310, 311, 312) 중의 하나를 이네이블링(30)시키는 단계를 포함하고, 상기 이네이블된 노이즈 필터링 동작(310, 311, 312)은 상기 추정된 유형의 노이즈에 대해 가장 적합한 노이즈 필터링 동작인, 노이즈 필터링 방법.
2. 제 1 항에 있어서,

   상기 추정된 유형의 노이즈가 긴 미부의 노이즈(long-tailed noise)인 경우, 메디안 필터링 동작(312)이 이네이블되고,

   상기 추정된 유형의 노이즈가 가우시안 노이즈나 오염된 가우시안 노이즈인 경우, 시공 레이셔널 필터링 동작(310, 311)이 이네이블되는, 노이즈 필터링 방법.
3. 제 2 항에 있어서,

   상기 레이셔널 필터링 동작(310, 311)은,

   상기 추정된 유형의 노이즈가 가우시안 노이즈인 경우, 제 1 시간 필터링 동작(310)을 이네이블링하는 단계와,

   상기 추정된 유형의 노이즈가 오염된 가우시안 노이즈인 경우, 제 2 시간 필터링 동작(311)을 이네이블링하는 단계를 포함하고,

   상기 제 1 시간 필터링 동작(310)은 적어도 하나의 시간 방향을 고려하고, 상기 제 2 시간 필터링 동작(311)은 시간 방향 및 공간 방향의 적어도 하나의 조합을 고려하는, 노이즈 필터링 방법.
4. 제 1 항에 있어서,

   상기 노이즈(z)의 쿠르토시스(kurtosis)가 노이즈의 유형을 추정하기 위한 기준으로서 사용(303)되는, 노이즈 필터링 방법.
5. 제 2 항에 있어서,

   상기 노이즈(z)의 쿠르토시스가 노이즈의 유형을 추정하기 위한 기준으로서 사용(303)되고,

   상기 쿠르토시스가 제 1 문턱값 위인 경우, 상기 메디안 필터링 동작(312)이 이네이블되고,

   상기 쿠르토시스가 상기 제 1 문턱값 아래인 경우, 상기 레이셔널 노이즈 필터링 동작(310, 311)이 이네이블되는, 노이즈 필터링 방법.
6. 제 3 항에 있어서,

   상기 노이즈(z)의 쿠르토시스가 노이즈의 유형을 추정하기 위한 기준으로서 사용(303)되고,

   상기 쿠르토시스가 제 1 문턱값 위인 경우, 상기 메디안 필터링 동작(312)이 이네이블되고,

   상기 노이즈의 상기 쿠르토시스가 상기 제 1 문턱값 아래인 경우, 상기 레이셔널 노이즈 필터링 동작(310, 311)이 이네이블되고,

   상기 레이셔널 필터링 동작은,

   상기 쿠르토시스가 상기 제 1 문턱값보다 더 아래인 제 2 문턱값 아래인 경우, 상기 제 1 시간 필터링 동작(310)을 이네이블링하는 단계와,

   상기 쿠르토시스가 상기 제 1 문턱값 아래이고 상기 제 2 문턱값 위인 경우, 상기 제 2 시간 필터링 동작(311)을 이네이블링하는 단계를 포함하는, 노이즈 필터링 방법.
7. 제 6 항에 있어서,

   상기 제 1 문턱값은 약 15이고 상기 제 2 문턱값은 약 6인, 노이즈 필터링 방법.
8. 제 1 항에 있어서,

   상기 신호내의 노이즈(z)는 상기 신호(x) 및 상기 신호(x)의 노이즈 필터된(301) 버전 간의 차에 의해 근사되는, 노이즈 필터링 방법.
9. 제 8 항에 있어서,

   상기 신호(x)의 노이즈 필터된 버전은 상기 신호(x)에 메디안 필터링 동작(301)이 행하여짐으로써 얻어지는, 노이즈 필터링 방법.
10. 신호(x)를 노이즈 필터링하는 장치(3)에 있어서,

    상기 신호(x)내의 노이즈의 유형을 추정하는 수단(30)과,

    적어도 두 개의 노이즈 필터들(310, 311, 312)중의 하나를 이네이블시키는 수단(30)을 포함하고, 상기 이네이블된 노이즈 필터(310, 311, 312)는 상기 추정된 유형의 노이즈에 가장 적합한 필터인, 노이즈 필터링 장치.
11. 비디오 시스템(1)에 있어서,

    영상 시퀀스(x)를 얻기 위한 수단(2)과,

    상기 영상 시퀀스(x)를 노이즈 필터링하기 위한 청구항 10항에서 청구된 장치(3)를 포함하는, 비디오 시스템.