KR20040078203A - 영상 잡음 저감 장치 및 그 방법 - Google Patents

영상 잡음 저감 장치 및 그 방법 Download PDF

Info

Publication number
KR20040078203A
KR20040078203A KR1020030013003A KR20030013003A KR20040078203A KR 20040078203 A KR20040078203 A KR 20040078203A KR 1020030013003 A KR1020030013003 A KR 1020030013003A KR 20030013003 A KR20030013003 A KR 20030013003A KR 20040078203 A KR20040078203 A KR 20040078203A
Authority
KR
South Korea
Prior art keywords
image
noise reduction
motion
input image
noise
Prior art date
Application number
KR1020030013003A
Other languages
English (en)
Other versions
KR100468862B1 (ko
Inventor
문영수
김창용
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR10-2003-0013003A priority Critical patent/KR100468862B1/ko
Publication of KR20040078203A publication Critical patent/KR20040078203A/ko
Application granted granted Critical
Publication of KR100468862B1 publication Critical patent/KR100468862B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • H04N5/213—Circuitry for suppressing or minimising impulsive noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

본 발명은 영상의 잡음 저감 장치 및 그 방법에 관한 것으로 특히, 영상의 화질 개선을 위한 전제 조건인 잡음 저감을 적응적으로(adaptively) 실시할 수 있는 장치 및 방법에 관한 것이다.
본 발명은 1D 잡음 저감 방식 필터의 움직임 적응 상수를 보다 간편하게 산출할 수 있는 영상 잡음 저감 장치 및 그 방법을 제공한다.
본 발명은 또한 기존의 2D 에지 보존 잡음 저감 방식 필터의 문제점을 보완한 개선된 2D 에지 보존 잡음 저감 방식 영상 잡음 저감 장치 및 그 방법을 제공한다.
본 발명은 또한 움직임 및 평탄영역이 많은 영상의 잡음을 효과적으로 저감시키는 3D 잡음 저감 방식 영상 잡음 저감 장치 및 그 방법을 제공한다.

Description

영상 잡음 저감 장치 및 그 방법{Apparatus for noise reduction in image and Method thereof}
본 발명은 영상의 잡음 저감 장치 및 그 방법에 관한 것으로 특히, 영상의 화질 개선을 위한 전제 조건인 잡음 저감을 영상의 조건에 적응적으로(adaptively) 실시할 수 있는 장치 및 그 방법에 관한 것이다.
영상의 잡음 저감(noise reduction)은 잡음 추정(noise estimation)과 아울러 효과적인 화질 개선을 위한 영상처리를 위해 반드시 거쳐야 하는 선행 작업이다.
영상의 잡음 저감을 위한 여러 기술들이 제시되어 왔으며 현재 계속 제안 중이다. 이하 제시된 기술들을 간략히 소개한다.
영상 잡음 저감 방식은 시간상 잡음 저감 처리를 하는 1D 필터링 방식, 공간상 저감 처리를 하는 2D 필터링 방식과 이 두 방식을 결합하여 시공상으로 저감 처리를 하는 3D 필터링 방식이 제시되어 있다(J.C. Brailean1, R.P. Kleihorst, S.N. Efstratiadis, A.K. Katsaggelos, and R.L. Lagendijk, "Noise Reduction Filters for Dynamic Image Sequences: A Review", Proceeding of the IEEE, 83(9), p.1272-1292, 1995, 이하 제1 논문).
영상 디스플레이 장치에서는 잡음 저감의 실시간 처리를 위해 지금까지는 상대적으로 적은 계산량이 요구되는 1D 필터링 방식이 주로 이용되어 왔는데, 계산량은 많이 필요하지만 프로세서의 처리 속도 및 메모리 용량의 지속적 증가로 인해 잡음 저감 성능 측면에서 우월한 3D 필터링 방식이 활발히 개발되고 있다.
1D 필터링 방식은 시간상으로 잡음을 저감하는 방식(temporal noise reduction)으로서 현재 프레임의 화소의 픽셀값과 이전 프레임의 동일 위치의 화소의 픽셀값을 비교하여 현재 화소의 잡음을 저감하는 방식이다.
현재까지 1D 필터링 방식으로 가장 널리 사용되는 것은 1D recursive IIR(Infinite Impulse Response) 필터인데 이 필터는 현재 프레임의 화소의 픽셀값()과 이전 프레임의 동일 위치의 화소의 잡음 저감 필터링된 픽셀값()을 주어진 필터이득 상수를 이용하여 현재 프레임의 화소의 픽셀값과 이전 프레임의 동일 위치의 화소의 1D 잡음 저감 필터링된 픽셀값을 가중 평균(weighed averaging)하여 현재 화소의 1D 잡음 저감된 픽셀값()을 산출한다. 즉, 이 필터는 각 화소의 시간축상의 픽셀값을 시간축상으로 다르게 가중 평균하여 저역 필터링의 효과를 얻게 한다.
그러나 1D recursive IIR 필터는 정지 영역상의 화소에서만 효과적인 잡음 저감을 실현할 수 있고, 움직임 영역에서는 모션 블러링(motion blurring)을 일으키는 문제점이 있다.
이러한 문제점을 극복하기 위해 상기 필터이득 상수를 움직임에 적응적으로 산출하는 기법이 제시되었다(Byoung-Hwa Jung, Geun-Sik Jang, Baik-Hee Han,"Implementation of noise reduction IC using a recursive temporal filter with motion detection", International Conference on Consumer Electronics 1999, page(s):336-337, 이하 제2 논문).
도 1a은 종전의 전형적인 1D 잡음 저감 방식 필터(10)의 구성을 보인 것이다. 움직임 적응 상수 산출부(101)는 1D 잡음 저감 방식 필터(10)의 핵심으로서 k번째 입력 영상와 영상 지연부(103)로부터 (k-1)번째 영상()에 대한 1D 잡음 저감 필터링된 영상을 입력받아 입력 영상의 움직임 정도를 추정한 후 이 정도에 따라 상기 필터이득 상수에 해당하는 움직임 적응 상수(β)를 산출한다. 따라서 움직임 적응 상수 산출부(101)에 의해 β가 어떤 값으로 산출되느냐에 따라 1D 잡음 저감 방식 필터(10)의 성능이 좌우된다.
잡음 저감 영상 출력부(102)는 k번째(현재) 입력 영상와 (k-1)번째 영상()에 대한 1D 잡음 저감 필터링된 영상을 β을 이용하여 가중 평균함으로써 k번째 입력 영상의 1D 잡음 저감 필터링된 영상을 산출한다. 이 때 잡음 저감 영상 출력부(102)의 필터링 방식은 1D recursive IIR 필터링 방식이 채용된다.
이와 같이 1D 잡음 저감 방식 필터(10)의 설계에 있어서 β의 산출이 가장 중요한 과제이기 때문에, 이제까지 제시된 또는 제시되고 있는 1D 잡음 저감 방식 관련 기술들은 β의 산출 방식에 집중되어 있다. 위에 언급한 제2 논문도 그 중의 일례이다.
그러나 지금까지 제시된 1D 잡음 저감 방식 움직임 적응형 필터링 기법들은 β의 산출에 있어서, 복잡하고 과다한 계산량을 요구하는 관계로 그 하드웨어의 구현상의 복잡함을 피할 길이 없는 문제점을 가지고 있다.
2D 잡음 저감 방식은 공간상으로 잡음을 저감하는 방식(spatial noise reduction)으로서 현재 화소의 픽셀값과 이 화소의 2D 공간상의 인접 화소의 픽셀값을 비교하여 현재 화소의 잡음을 저감하거나, 현재 화소와 현재 화소를 소정의 방식으로 조작한 화소의 처리 결과를 상호 비교 또는 참조하여 잡음을 저감하는 방식이다.
현재 알려진 2D 잡음 저감 방식으로는 크게 세 가지가 제시되어 있는데, 1) 2D linear smoothing 방식 2) 2D nonlinear order-statistic 방식 3) 2D edge-preserving 방식을 이른다.
1) 2D linear smoothing 방식
현재 화소의 픽셀값과 그 공간상의 인접 화소의 픽셀값을 가중 평균하여 현재 화소의 잡음 저감 필터링된 픽셀값을 얻는 일종의 저역 통과 필터(LPF)이다. 적은 계산량의 장점과 특히 평탄영역에 대해서 우수한 잡음 저감 성능을 보인다. 그러나 특징영역(에지가 많은 영역)에서는 영상 흐려짐(image blurring) 현상이 발생하는 문제점이 있다.
2) 2D nonlinear order-statistic 방식
계산량이 많아 하드웨어의 구현이 매우 복잡하지만 만족할 만한 잡음저감 효과를 볼 수 있다고 알려져 있다.
3) 2D edge-preserving 방식
상기 1)과 2)가 요구하는 계산량의 중간 정도의 계산량을 요구하며 특히 특징영역에서의 잡음 저감 효과가 매우 우수하여 현재 2D 잡음 저감 방식으로 가장 널리 이용되는 방식이다. 이 방식은 Klaus Jostschulte, Aishy Amer, Markus Schu, Hartmut Schroder,"Perception Adaptive Temporal TV-Noise Reduction using Contour Preserving Prefilter Techniques', IEEE Tr. on Consumer Electronics, Vol. 44, No.3, pp. 1091-1096 의 논문에 제시된 방식인데 이 방식에 의한 2D 잡음 저감 방식 필터(20)의 구성도가 도 2a에 제시되어 있다.
에지 방향 산출부(201)는 입력 화소()에 포함된 에지의 방향값(edge direction, θ)을 구하고, 에지 필터링부(202)는 θ 방향으로 1D linear smoothing filtering을 하여 에지가 보존된 화소()를 출력한다. 이렇게 함으로써 특징영역에서 매우 효과적인 잡음 저감이 이루어지지만, 평탄영역에서는 상기 1)의 경우와 반대로 각 화소에 포함된 에지의 방향의 신뢰도가 떨어지기 때문에 효과적인 잡음 저감이 이루어지지 않는 즉, 입력 영상의 복잡도가 반영되지 않는 문제점이 있다.
따라서 본 발명은 이와 같은 문제점들을 해결하기 위해 창안된 것으로서 본 발명의 제1 목적 및 이루고자 하는 기술적 과제는 1D 잡음 저감 방식 필터의 움직임 적응 상수를 보다 간편하게 산출할 수 있는 영상 잡음 저감 장치 및 그 방법을 제공함에 있다.
본 발명의 제2 목적 및 이루고자 하는 기술적 과제는 기존의 2D 에지 보존 잡음 저감 방식 필터의 문제점을 보완한 개선된 2D 에지 보존 잡음 저감 방식의 영상 잡음 저감 장치 및 그 방법을 제공함에 있다.
본 발명의 제3 목적 및 이루고자 하는 기술적 과제는 움직임 및 복잡도에 적응적으로 영상의 잡음을 저감시키는 3D 잡음 저감 방식 영상 잡음 저감 장치 및 그 방법을 제공함에 있다.
도 1a은 종전의 전형적인 1D 잡음 저감 방식 필터의 구성도이다.
도 1b은 본 발명이 제공하는 제1 장치 발명의 구성도이다.
도 1c은 본 발명이 제공하는 제1 방법 발명의 흐름도이다.
도 2a은 종전의 2D 에지 보존 필터의 구성도이다.
도 2b은 본 발명이 제공하는 제2 장치 발명의 구성도이다.
도 2c은 본 발명이 제공하는 제2 방법 발명의 흐름도이다.
도 3a은 본 발명이 제공하는 제3 장치 발명의 구성도이다.
도 3b은 본 발명이 제공하는 제3 방법 발명의 흐름도이다.
도 4a은 입력 영상의 잡음 분산과 잡음 수준의 일례 관계를 도시한 그래프이다.
도 4b은 입력 영상의 움직임과 움직임 적응 상수의 일례 관계를 도시한 그래프이다.
도 4c은 입력 영상의 에지 크기와 복잡도 상수의 일례 관계를 도시한 그래프이다.
<도면의 주요 부분에 대한 부호 설명>
101 : 움직임 적응 상수 산출부 1011 : 잡음 수준 산출부
1012 : 저역 필터링부 1013 : 움직임 정도 추정부
211 : 복잡도 상수 산출부 20 : 에지 보존 영상 출력부
213 : 잡음 저감 영상 출력부
S10 : 입력 영상의 잡음 수준 산출 단계
S11 : 잡음 수준을 반영한 입력 영상의 저역 필터링 영상을 획득하는 단계
S12 : 입력 영상의 움직임 정도 추정 단계
S13 : 움직임 적응 상수 계산 단계
S20 : 입력 영상의 복잡도 상수 산출 단계
S21 : 입력 영상의 에지 보존 영상 획득 단계
S22 : 입력 영상의 잡음 저감 영상 획득 단계
이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 1D 잡음 저감 방식으로 영상 잡음을 저감시키는 제1 장치는 입력 영상의 잡음을 상기 입력 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 움직임 적응 상수 산출부를 포함하고, 상기 움직임 적응 상수 산출부는: 상기 입력 영상의 잡음 수준을 산출하는 잡음 수준 산출부; 상기 잡음 수준을 반영하여 상기 입력 영상을 저역 필터링하는 저역 필터링부; 상기 저역 필터링된 영상과 상기 입력 영상의 이전 영상을 잡음 저감 처리한 영상(이하 '전처리 영상')으로부터 상기 입력 영상의 움직임 정도를 추정하는 움직임 정도 추정부; 및 상기 추정된 움직임 정도에 근거하여 상기 움직임 적응 상수를 계산하는 움직임 적응 상수 계산부를 포함함을 그 특징으로 한다.
아울러 이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 영상 잡음을 저감시키는 제2 장치는 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 출력하는 에지 보존 영상 출력부; 상기 입력 영상의 복잡도 상수를 산출하는 복잡도 상수 산출부; 및 상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 잡음 저감 영상을 출력하는 잡음 저감 영상 출력부를 포함함을 그 특징으로 한다.
아울러 이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 영상 잡음을 저감시키는 제3 장치는 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 출력하는 에지 보존 영상 출력부; 상기 입력 영상의 복잡도 상수를 산출하는 복잡도 상수 산출부; 상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 2D 잡음 저감 영상을 출력하는 2D 잡음 저감 영상 출력부; 상기 2D 잡음 저감 영상의 잡음을 상기 2D 잡음 저감 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 움직임 적응 상수 산출부; 및 상기 2D 잡음 저감 영상, 상기 움직임 적응 상수 및 상기 2D 잡음 저감 영상의 이전 영상을 1D 잡음 저감 처리한 영상(이하 '1D 전처리 영상')으로부터 상기 입력 영상의 3D 잡음 저감 영상을 출력하는 3D 잡음 저감 출력부를 포함함을 그 특징으로 한다.
이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 영상 잡음을 저감시키는 제1 방법은 입력 영상의 잡음을 상기 입력 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 단계를 포함하고, 상기 움직임 적응 상수 산출 단계는: (a)상기 입력 영상의 잡음 수준을 산출하는 단계; (b)상기 잡음 수준을 반영하여 상기 입력 영상의 저역 필터링 영상을 획득하는 단계; (c)상기 저역 필터링된 영상과 상기 입력 영상의 이전 영상을 잡음 저감 처리한 영상(이하 '전처리 영상')으로부터 상기 입력 영상의 움직임 정도를 추정하는 단계; 및 (d)상기 추정된 움직임 정도에 근거하여 상기 움직임 적응 상수를 계산하는 단계를 포함함을 그 특징으로 한다.
아울러 이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 영상 잡음을 저감시키는 제2 방법은 (a)입력 영상의 복잡도 상수를 산출하는 단계; (b)상기 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 획득하는 단계; 및 (c)상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 잡음 저감 영상을 획득하는 단계를 포함함을 그 특징으로 한다.
아울러 이와 같은 목적 및 기술적 과제를 달성하기 위하여 본 발명이 제공하는 영상 잡음을 저감시키는 제3 방법은 (a)입력 영상의 복잡도 상수를 산출하는 단계; (b)상기 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 획득하는 단계; (c)상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 2D 잡음 저감 영상을 획득하는 단계; (d)상기 2D 잡음 저감 영상의 잡음을 상기 2D 잡음 저감 영상의 움직임 정도에 적응적으로 저감시키기 위하여 상기 2D 잡음 저감 영상의 움직임 적응 상수를 산출하는 단계; 및 (e)상기 2D 잡음 저감 영상, 상기 움직임 적응 상수 및 상기 2D 잡음 저감 영상의 이전 영상을 1D 잡음 저감 처리한 영상(이하 '1D 전처리 영상')으로부터 상기 입력 영상의 3D 잡음 저감 영상을 획득하는 단계를 포함함을 그 특징으로 한다.
이하 본 발명의 구성 및 작용을 본 발명의 실시예에 근거, 첨부 도면을 참조하여 상세히 설명하되 도면의 구성요소들에 참조번호를 부여함에 있어서 동일 구성요소에 대해서는 비록 다른 도면상에 있더라도 동일 참조번호를 부여하였으며 당해 도면에 대한 설명시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다.
도 1b은 도 1a의 움직임 적응 상수 산출부(101)에 대하여 본 발명이 제공하는 제1 장치의 구성도이다.
위에서 언급한 바와 같이 1D 잡음 저감 방식 필터(10)에 있어서 가장 중요한 사항은 움직임 적응 상수(β)를 어떤 값으로 산출하느냐인데 이에 대해 도 1b를 참조하여 상세히 살펴보기로 한다.
본 발명이 제공하는 1D 잡음 저감 방식 필터(10)의 움직임 적응 상수 산출부(101)는 입력 영상()의 잡음 수준(N)을 산출하고, 입력 영상()을 잡음 수준(N)에 적응적으로 저역 필터링시킨 필터링 영상()을 산출한다. 이를 위하여 움직임 적응 상수 산출부(101)는 잡음 수준 산출부(1011)와 저역 필터링부(1012)를 포함한다.
잡음 수준(N)의 산출은 입력 영상의 잡음 분산()으로부터 산출됨이 바람직한데 잡음 분산()의 산출은 Olsen: "Estimation of noise in images:An Evaluation", CVGIP:Graphical Models and Image Processing, Vol.55, No.4, July pp319-323, 1993에 제시된 방식 또는 한국특허출원 10-2002-74115:"영상의 잡음 수준 추정 장치 및 방법"에 제시된 방식으로 산출될 수 있다. 잡음 분산 산출의 구체적인 방식은 이들 문헌에 상세히 나와 있으므로 설명을 약한다.
잡음 분산()이 산출되면 이로부터 잡음 수준(N)을 산출하게 되는데,잡음 수준(N)은 잡음 분산()이 산출된 후 이 분산에 소정의 가중치를 부여하거나 실험 등의 다양한 방법으로 획득될 수 있다. 획득된 N와두 값의 관계를 소정의 관계식으로 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있음이 여러 시뮬레이션을 통해 알려져 있으며 입력 영상()의 잡음 분산()에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가 도 4a에 제시되어 있다.
도 4a에서은 N의 최소치이고 통상 0에서 0.5 사이의 값을 가지며,와은 각각의 최소치와 최대치를 의미한다. 이 세 값은 실험적으로 결정되며 몇 가지의 전형적인 값을 띠게 된다. 그리고 N은 입력 영상의 잡음 분산이 높을수록 1에, 낮을수록 0에 접근하게 된다.
잡음 수준(N)이 산출되면 저역 필터링부(1012)는 입력 영상()을 잡음 수준(N)에 적응적으로 저역 필터링시킨 필터링 영상()을 산출하게 되는데, 입력 영상()과 입력 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 산출함이 바람직하며 구체적으로는 다음 수학식 1에 의한다.
여기서은 일반 영상을 저역 통과 필터링 시키는 기능을 하는 n*n 크기의 마스크(mask) 행렬을 의미하며, n의 통상적인 값으로는 3을 사용한다.은 입력 영상의 단순 저역 통과 필터링 영상을 의미하고은 컨벌루션(convolution)을 의미한다. 수학식 1이 의미하는 바는 입력 영상의 잡음 수준이 높을수록 즉, N이 1에 가까워질수록 필터링 영상()은 입력 영상의 단순 저역 통과 필터링 영상에 가까워지며, 입력 영상의 잡음 수준이 낮을수록 즉, N이 0에 가까워질수록 필터링 영상()은 입력 영상()에 가까워짐을 의미한다.
움직임 정도 추정부(1013)는와 도 1a의 1D 방식 잡음 저감 필터(10)가 입력 영상()의 이전 영상()을 1D 잡음 저감 처리한 영상(, 이하 '전처리 영상')을 입력받아 두 영상의 차분 영상()를 구한 후, 이 차분 영상을 이용하여 입력 영상()의 움직임 정도 추정치(m(p))를 산출하는 부분이다. 이 때 움직임 정도 추정치(m(p))의 산출은 아래의 수학식 2에 의하여 산출됨이 바람직하다.
여기서은 수학식 1에서와 마찬가지로 저역 통과 필터링 기능을 하는 n*n 크기의 마스크(mask) 행렬을 의미하며 n의 통상적인 값으로는 3을 사용한다.은 컨벌루션(convolution)을 의미한다.
수학식 2에서 보는 바와 같이 움직임 정도 추정치(m(p))는 차분 영상()의 절대값과 상기 마스크 행렬을 컨벌루션 시킴으로써 즉, 차분 영상()을 저역 필터링시킴으로써 산출됨이 바람직하다.
움직임 적응 상수 계산부(1014)는 잡음 수준(N)과 움직임 정도 추정치(m(p))에 근거하여 움직임 적응 상수(β)를 계산하는 부분인데, 이 상수는 입력 영상의 움직임에 대한 적응치를 의미한다. 움직임 적응 상수(β)는 다양한 영상에 대한 움직임 정도 추정치(m(p))와 잡음 분산(N)을 반영하여 산출되는데 바람직하게 m(p)에 소정의 가중치를 부여하거나 실험 등의 다양한 방식으로 추출될 수 있다. 추출된 β와 m(p) 두 값의 관계를 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있음이 여러 시뮬레이션을 통해 알려져 있으며 입력 영상의 조건에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가도 4b에 제시되어 있다.
도 4b에서은 β의 최소치를 의미하며,와은 각각 m(p)의 최소치와 최대치를 의미한다.,와은 실험적으로 결정되며 몇 가지의 전형적인 값을 띠게 되고 잡음 수준(N)에 의해 영향을 받을 수 있다. 그리고 β은 입력 영상의 움직임이 많을수록 1에, 적을수록 0에 접근하게 된다.
잡음 저감 영상 출력부(102)는 움직임 적응 상수 산출부(101)에 의해 산출된 β, 입력 영상() 및 영상 지연부(103)로부터 전처리 영상()을 입력받아, 입력 영상()의 1D 잡음 저감 필터링된 영상()을 출력하게 되는데 구체적으로는 아래의 수학식 3에 의하여을 출력한다.
수학식 3이 제시하는 의미는 입력 영상의 움직임이 많은 경우, 즉 β가 1에 근접하는 경우에는 1D 잡음 저감 필터링된 영상()이 거의 입력 영상과 동일하며 입력 영상의 움직임이 작은 경우, 즉 β가 0에 근접하는 경우에는 1D 잡음 저감 필터링된 영상()은 이전 1D 잡음 저감 영상()와 거의 동일하다는 의미이다. 이는 경험칙상 당연하고 이렇게 함으로써 입력 영상의 잡음을 움직임에 적응적으로 저감시킬 수 있게 된다.
도 1c은 본 발명이 제공하는 제1 방법의 흐름도이다.
장치 발명의 설명에서 언급한 바와 같이 1D 잡음 저감 방식 필터링에 있어서 가장 중요한 사항은 움직임 적응 상수(β)를 어떤 값으로 산출하느냐인데 이 사실은 본 제1 방법 발명에도 그대로 적용된다.
본 발명이 제공하는 움직임 적응 상수 산출 단계는 우선 입력 영상()의 잡음 수준(N)을 산출하고(S10), 입력 영상을 잡음 수준(N)에 적응적으로 저역 필터링시킨 필터링 영상()을 산출한다(S11).
잡음 수준(N)의 산출은 입력 영상의 잡음 분산()으로부터 산출됨이 바람직한데 잡음 분산()의 산출은 Olsen: "Estimation of noise in images:An Evaluation", CVGIP:Graphical Models and Image Processing, Vol.55, No.4, July pp319-323, 1993에 제시된 방식 또는 한국특허출원 10-2002-74115:"영상의 잡음 수준 추정 장치 및 방법"에 제시된 방식으로 산출될 수 있다. 잡음 분산 산출의 구체적인 방식은 이들 문헌에 상세히 나와 있으므로 설명을 약한다.
잡음 분산()이 산출되면 잡음 수준(N)은 잡음 분산()이 산출된 후 이 분산에 소정의 가중치를 부여하거나 실험 등의 다양한 방법으로 획득될 수있다. 획득된 N와두 값의 관계를 소정의 관계식으로 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있음이 여러 시뮬레이션을 통해 알려져 있으며 입력 영상의 잡음 분산에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가 도 4a에 제시되어 있다.
도 4a에서은 N의 최소치이고 통상 0에서 0.5 사이의 값을 가지며와은 각각의 최소치와 최대치를 의미한다. 이 세 값은 실험적으로 결정되며 몇 가지의 전형적인 값을 띠게 된다. 그리고 N은 입력 영상의 잡음 분산이 높을수록 1에, 낮을수록 0에 접근하게 된다.
잡음 수준(N)이 산출되면 입력 영상이 잡음 수준(N)에 적응적으로 저역 필터링된 필터링 영상()이 획득되는데(S11), 입력 영상()과 입력 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 산출함이 바람직하며 구체적으로는 상기 수학식 1에 의한다.
움직임 정도 추정 단계(S12)는와 입력 영상()의 이전 영상()이 1D 잡음 저감 처리된 영상(, 이하 '전처리 영상')의 차분 영상()를 구한 후, 이 차분 영상을 이용하여 입력 영상()의 움직임 정도 추정치(m(p))를 산출하는 단계이다. 이 때 움직임 정도 추정치(m(p))의산출은 상기 수학식 2에 의하여 산출됨이 바람직하다.
움직임 적응 상수 계산 단계(S13)는 잡음 수준(N)과 움직임 정도 추정치(m(p))에 근거하여 움직임 적응 상수(β)를 계산하는 단계인데, 이 상수는 입력 영상의 움직임에 대한 적응치를 의미한다. 움직임 적응 상수(β)는 장치 발명에서와 마찬가지로 다양한 영상에 대한 움직임 정도 추정치(m(p))와 잡음 분산(N)을 반영하여 산출되는데 바람직하게 m(p)에 소정의 가중치를 부여하거나 실험 등의 다양한 방식으로 추출될 수 있다. 추출된 β와 m(p) 두 값의 관계를 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있으며 입력 영상의 조건에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가 도 4b에 제시되어 있다.
도 4b에서은 β의 최소치를 의미하며,와은 각각 m(p)의 최소치와 최대치를 의미한다.,와은 실험적으로 결정되며 몇 가지의 전형적인 값을 띠게 되고 잡음 수준(N)에 의해 영향을 받을 수 있다. 그리고 β은 입력 영상의 움직임이 많을수록 1에, 적을수록 0에 접근하게 된다.
S10~S13 단계에 의해 산출된 β, 입력 영상() 및 전처리 영상()으로부터 입력 영상()의 1D 잡음 저감 필터링된 영상()을 획득하게 되는데 구체적으로는 상기 수학식 3에 의하여가 획득된다.
도 2b은 종전의 2D edge-preserving 방식 필터를 개선한 본 발명이 제공하는 제2 장치(21)의 구성도이다.
본 제2 장치(21)는 위에서 언급한 바와 같이 2D 잡음 저감 방식 수단으로서 이제까지 가장 많이 사용되어온 2D 에지 보존 방식 필터의 개선된 잡음 저감 수단을 제공하는데 종전 2D 에지 보존 방식 필터의 단점인 평탄 영상 영역에서의 낮은 잡음 저감 효과를 개선함에 그 초점을 맞추고 있다.
이를 위하여 본 장치 발명은 복잡도 상수 산출부(211)를 구비하여 우선 입력 영상()의 복잡도 상수(α)를 산출하게 된다.
복잡도 상수(α)는 입력 영상의 에지 크기(edgeness)나 국부 분산(local variance)으로부터 획득될 수 있는데, 이 값들에 소정의 가중치를 부여하거나 실험 등의 다양한 방법으로 획득될 수 있다. 산출된 α와 에지 크기 또는 국부 분산 두 값의 관계를 소정의 관계식으로 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있음이 여러 시뮬레이션을 통해 알려져 있으며 입력 영상의 상태에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가 도 4c에 제시되어 있다.
도 4c에서은 α의 최소치이고와은 각각 에지 크기 또는 국부 분산의 최소치와 최대치를 의미한다. 이 세 값은 실험적으로 결정되며 몇 가지의 전형적인 값을 띠게 된다. 그리고 α은 입력 영상의 에지 크기가 높을수록 1에, 낮을수록 0에 접근하게 된다.
에지 보존 영상 출력부(20)는 입력 영상()의 에지를 보존하기 위하여 입력 영상을 에지 보존 필터링하여 에지 보존 영상()을 출력하는 부분으로서 에지 보존 영상의 획득 방식은 위에서 언급한 종전 2D 에지 보존 필터에서와 동일하므로 그 구체적 방식에 대한 설명은 약한다.
잡음 저감 영상 출력부(213)은 에지 보존 영상()과 저역 통과 필터링부(212)에 의해 입력 영상()의 저역 필터링된 영상()을 복잡도 상수(α)를 이용하여 가중 평균시켜 입력 영상()의 2D 잡음 저감 처리된 영상()을 출력하는 부분인데 구체적으로는 다음 수학식 4에 의해 2D 잡음 저감 처리된 영상()이 획득된다.
수학식 4가 제시하는 바는 입력 영상에 에지가 많을수록 즉, 특징 영역이 많을수록 α은 1에 가까워지며 따라서은에 접근하게 되고 입력 영상에 에지가 적을수록 즉, 평탄 영역이 많을수록 α은 0에 가까워지며 따라서은에 접근하게 됨을 의미한다. 이렇게 함으로써 입력 영상의 복잡도에 적응적으로 잡음 저감을 실현시킬 수 있게 된다.
도 2c은 종전의 2D edge-preserving 방식 잡음 저감 방법을 개선한 본 발명이 제공하는 제2 방법의 흐름도이다.
제2 방법은 위에서 언급한 바와 같이 2D 잡음 저감 방법으로 이제까지 가장 많이 사용되어온 2D 에지 보존 방식 필터링 방법을 개선시킨 방법을 제공하는데 종전 2D 에지 보존 방식 방법의 단점인 평탄 영상 영역에서의 낮은 잡음 저감 효과를 개선함에 그 초점을 맞추고 있다.
이를 위하여 본 방법 발명은 상기한 장치 발명에서와 마찬가지로 입력 영상()의 복잡도 상수(α)를 산출하는 단계(S20)를 구비하여 우선 입력 영상()의 복잡도 상수(α)를 산출하게 된다.
복잡도 상수(α)는 입력 영상의 에지 크기(edgeness)나 국부 분산(local variance)으로부터 산출될 수 있는데, 이 값들에 소정의 가중치를 부여하거나 실험 등의 다양한 방법으로 획득될 수 있다. 산출된 α와 에지 크기 또는 국부 분산 두 값의 관계를 소정의 관계식으로 모델링 할 수 있는데, 이 관계식은 몇 가지의 전형적인 관계식으로 모델링 할 수 있음이 여러 시뮬레이션을 통해 알려져 있으며 입력 영상의 상태에 따라 달라지게 된다. 모델링된 관계식을 그래프로 플롯(plot)한 일례가 도 4c에 제시되어 있다.
에지 보존 영상 획득 단계(S21)는 입력 영상()의 에지를 보존하기 위하여 입력 영상을 에지 보존 필터링하여 에지 보존 영상()을 획득하는 단계로서 에지 보존 영상의 획득 방식은 위에서 언급한 바와 동일하므로 그 구체적 방식에 대한 설명은 약한다.
잡음 저감 영상 획득 단계(S22)는 에지 보존 영상()과 입력 영상()의 저역 필터링된 영상()을 복잡도 상수(α)를 이용하여 가중 평균시켜 입력 영상()의 2D 잡음 저감 처리된 영상()을 획득하는 단계이며 구체적으로는 상기한 수학식 4에 의해 2D 잡음 저감 처리된 영상()이 획득된다.
상기한 제1 내지 제2 장치 발명 또는 방법 발명은 위에서 설명한 바와 같이 각각 움직임에 적응적이거나 복잡도에 적응적인 잡음 저감 방식을 제시한다. 전자를 1D 방식이라하고 후자를 2D 방식이라고 일컬음은 이미 언급했다.
제1 발명과 제2 발명은 서로 캐스캐이드(cascade) 방식으로 연결되어 움직임과 복잡도에 모두 적응적인 3D 잡음 저감 방식 필터를 실현시킬 수 있다.
3D 잡음 저감 방식 필터의 실현 방식으로 이미 알려진 방식으로는 J.C. Brailean1, R.P. Kleihorst, S.N. Efstratiadis, A.K. Katsaggelos, and R.L. Lagendijk, "Noise Reduction Filters for Dynamic Image Sequences: A Review",Proceedings of the IEEE, 83(9), pp.1272-1292, 1995의 논문에 제시되어 있는데 이 논문에 제시된 방식은 효과적인 잡음 저감을 기대할 수 없으며 잡음 저감을 위한 여러 계산에서의 효율성이 떨어지는 단점이 있다.
이 단점을 극복하기 위해 3D 잡음 저감 방식 필터는 통상 1D 필터와 2D 필터를 캐스캐이드(cascade) 결합하여 3D 방식 필터를 실현시키는 방식으로 이루어지게 된다(K.Jostschulte, A.Amer, M.Schu, H.Schroder, "Perception Adaptive Temporal TV-Noise Reduction using Contour Preserving Prefilter Techniques", IEEE Tr. on Consumer Electronics, Vol.44, No.3, pp.1091-1096, 1998). 본 논문에서는 우선 입력 영상을 2D 잡음 저감시킨 후 2D 잡음 저감된 영상을 1D 잡음 저감시켜 입력 영상의 잡음을 공간상으로와 시간상으로 저감시키는 방식을 제시하고 있다. 물론 이와 반대로 먼저 1D 잡음 저감시킨 후 2D 잡음 저감시키는 방식도 이론적으로 가능하나 이는 결과 영상의 화질 열화를 수반하는 문제가 있어 권장되지 않는다.
따라서 본 발명에서는 제1 발명과 제2 발명을 서로 캐스캐이드(cascade) 방식으로 연결시켜 움직임과 복잡도에 모두 적응적인 3D 잡음 저감 방식 필터를 제안한다.
도 3a에 본 발명이 제공하는 제3 장치인 3D 잡음 저감 방식 필터(30)의 구성도가 제시되어 있으며 도 3b에 본 발명이 제공하는 제3 방법인 3D 잡음 저감 방법의 흐름도가 제시되어 있다.
제3 장치와 제3 방법의 각 구성 요소의 동작 방식은 상기 언급한 제1, 제2 장치 및 방법과 동일하므로 그 구체적인 설명은 약한다. 다만 제1, 제2 발명과의혼란을 피하고 잡음 저감 처리 방식의 지정을 명확화 하기 위해 도 1a의 잡음 저감 영상 출력부(102)는 1D 잡음 저감 영상 출력부(102)로, 도 2b의 잡음 저감 영상 출력부(213)는 2D 잡음 저감 영상 출력부(213)로 하기로 한다. 아울러, 도 3a의,의 서브스크립트 2D, 3D는 각각 2D 잡음 저감 처리와 3D 잡음 저감 처리된 영상임을 지시하며 제1, 제2 발명의와 동일하다. 제3 발명은 이와 같이 움직임과 복잡도에 동시에 적응적으로 입력 영상의 잡음을 저감시키기 때문에 매우 우수한 잡음 저감 효과를 볼 수 있다.
상기한 여러 방법 발명은 컴퓨터로 읽을 수 있는 기록 매체에 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.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할수 있을 것이다.
그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
본 발명을 실시하면 다음과 같은 효과가 있다.
제1 발명은 기존의 영상 처리 기법에 이용되는 간단한 기법을 이용하여 움직임 적응 상수를 산출하기 때문에 이 상수의 산출에 있어서, 복잡하고 과다한 계산량을 요구하는 종전 1D 잡음 저감 방식 필터의 문제점을 극복할 수 있으며 제2 발명은 입력 영상의 복잡도를 구한 후 이 복잡도를 이용하여 입력 영상의 잡음을 저감시키기 때문에 영상의 복잡도를 고려하지 않은 종전 2D 잡음 저감 방식 필터 특히, 2D 에지 보존 필터의 문제점을 극복할 수 있다.
또한 제3 발명은 상기한 제1, 제2 발명을 상호 캐스캐이드 결합시켜 잡음 저감을 실시하므로 움직임과 복잡도에 모두 적응할 수 있는 잡음 저감을 실현시킬 수 있다.

Claims (17)

  1. 입력 영상의 잡음을 상기 입력 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 움직임 적응 상수 산출부를 포함하고, 상기움직임 적응 상수 산출부는:
    상기 입력 영상의 잡음 수준을 산출하는 잡음 수준 산출부;
    상기 잡음 수준을 반영하여 상기 입력 영상을 저역 필터링하는 저역 필터링부;
    상기 저역 필터링된 영상과 상기 입력 영상의 이전 영상을 잡음 저감 처리한 영상(이하 '전처리 영상')으로부터 상기 입력 영상의 움직임 정도를 추정하는 움직임 정도 추정부; 및
    상기 추정된 움직임 정도에 근거하여 상기 움직임 적응 상수를 계산하는 움직임 적응 상수 계산부를 포함함을 특징으로 하는 영상의 잡음 저감 장치.
  2. 제 1 항에 있어서, 상기 저역 필터링부는
    상기 입력 영상과 상기 입력 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 상기 저역 필터링된 영상을 출력함을 특징으로 하는 영상의 잡음 저감 장치.
  3. 제 1 항에 있어서, 상기 움직임 정도 추정부는
    상기 저역 필터링된 영상과 상기 전처리 영상의 차분 영상으로부터 상기 움직임 정도를 추정함을 특징으로 하는 영상의 잡음 저감 장치.
  4. 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 출력하는 에지 보존 영상 출력부;
    상기 입력 영상의 복잡도 상수를 산출하는 복잡도 상수 산출부; 및
    상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 잡음 저감 영상을 출력하는 잡음 저감 영상 출력부를 포함함을 특징으로 하는 영상의 잡음 저감 장치.
  5. 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 출력하는 에지 보존 영상 출력부;
    상기 입력 영상의 복잡도 상수를 산출하는 복잡도 상수 산출부;
    상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 2D 잡음 저감 영상을 출력하는 2D 잡음 저감 영상 출력부;
    상기 2D 잡음 저감 영상의 잡음을 상기 2D 잡음 저감 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 움직임 적응 상수 산출부; 및
    상기 2D 잡음 저감 영상, 상기 움직임 적응 상수 및 상기 2D 잡음 저감 영상의 이전 영상을 1D 잡음 저감 처리한 영상(이하 '1D 전처리 영상')으로부터 상기 입력 영상의 3D 잡음 저감 영상을 출력하는 3D 잡음 저감 출력부를 포함함을 특징으로 하는 영상의 잡음 저감 장치.
  6. 제 5 항에 있어서, 상기 움직임 적응 상수 산출부는
    상기 2D 잡음 저감 영상의 잡음 수준을 산출하는 잡음 수준 산출부;
    상기 잡음 수준을 반영하여 상기 2D 잡음 저감 영상을 저역 필터링하는 저역 필터링부;
    상기 2D 잡음 저감 영상의 저역 필터링된 영상과 상기 1D 전처리 영상으로부터 상기 2D 잡음 저감 영상의 움직임 정도를 추정하는 움직임 정도 추정부; 및
    상기 추정된 움직임 정도에 근거하여 움직임 적응 상수를 계산하는 움직임 적응 상수 계산부를 포함함을 특징으로 하는 영상의 잡음 저감 장치.
  7. 제 6 항에 있어서, 상기 저역 필터링부는
    상기 2D 잡음 저감 영상과 상기 2D 잡음 저감 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 상기 저역 필터링된 영상을 출력함을 특징으로 하는 영상의 잡음 저감 장치.
  8. 제 6 항에 있어서, 상기 움직임 정도 추정부는
    상기 저역 필터링된 영상과 상기 1D 전처리 영상의 차분 영상으로부터 상기 움직임 정도를 추정함을 특징으로 하는 영상의 잡음 저감 장치.
  9. 입력 영상의 잡음을 상기 입력 영상의 움직임 정도에 적응적으로 저감시키기 위하여 움직임 적응 상수를 산출하는 단계를 포함하고, 상기 움직임 적응 상수 산출 단계는:
    (a)상기 입력 영상의 잡음 수준을 산출하는 단계;
    (b)상기 잡음 수준을 반영하여 상기 입력 영상의 저역 필터링 영상을 획득하는 단계;
    (c)상기 저역 필터링된 영상과 상기 입력 영상의 이전 영상을 잡음 저감 처리한 영상(이하 '전처리 영상')으로부터 상기 입력 영상의 움직임 정도를 추정하는 단계; 및
    (d)상기 추정된 움직임 정도에 근거하여 상기 움직임 적응 상수를 계산하는 단계를 포함함을 특징으로 하는 영상의 잡음 저감 방법.
  10. 제 9 항에 있어서, 상기 (b)단계는
    상기 입력 영상과 상기 입력 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 상기 저역 필터링된 영상을 획득함을 특징으로 하는 영상의 잡음 저감 방법.
  11. 제 9 항에 있어서, 상기 (c)단계는
    상기 저역 필터링된 영상과 상기 전처리 영상의 차분 영상으로부터 상기 움직임 정도를 추정함을 특징으로 하는 영상의 잡음 저감 방법.
  12. (a)입력 영상의 복잡도 상수를 산출하는 단계;
    (b)상기 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 획득하는 단계; 및
    (c)상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 잡음 저감 영상을 획득하는 단계를 포함함을 특징으로 하는 영상의 잡음 저감 방법.
  13. (a)입력 영상의 복잡도 상수를 산출하는 단계;
    (b)상기 입력 영상의 에지를 보존하기 위하여 상기 입력 영상을 에지 보존 필터링하여 에지 보존 영상을 획득하는 단계;
    (c)상기 에지 보존 영상과 상기 입력 영상의 저역 필터링된 영상을 상기 복잡도 상수를 이용하여 가중 평균시켜 상기 입력 영상의 2D 잡음 저감 영상을 획득하는 단계;
    (d)상기 2D 잡음 저감 영상의 잡음을 상기 2D 잡음 저감 영상의 움직임 정도에 적응적으로 저감시키기 위하여 상기 2D 잡음 저감 영상의 움직임 적응 상수를 산출하는 단계; 및
    (e)상기 2D 잡음 저감 영상, 상기 움직임 적응 상수 및 상기 2D 잡음 저감 영상의 이전 영상을 1D 잡음 저감 처리한 영상(이하 '1D 전처리 영상')으로부터 상기 입력 영상의 3D 잡음 저감 영상을 획득하는 단계를 포함함을 특징으로 하는 영상의 잡음 저감 방법.
  14. 제 13 항에 있어서, 상기 (d) 단계는
    (d1)상기 2D 잡음 저감 영상의 잡음 수준을 산출하는 단계;
    (d2)상기 잡음 수준을 반영하여 상기 2D 잡음 저감 영상을 저역 필터링하는 단계;
    (d3)상기 2D 잡음 저감 영상의 저역 필터링된 영상과 상기 1D 전처리 영상으로부터 상기 2D 잡음 저감 영상의 움직임 정도를 추정하는 단계; 및
    (d4)상기 추정된 움직임 정도에 근거하여 움직임 적응 상수를 계산하는 단계를 포함함을 특징으로 하는 영상의 잡음 저감 방법.
  15. 제 14 항에 있어서, 상기 (d2) 단계는
    상기 2D 잡음 저감 영상과 상기 2D 잡음 저감 영상의 단순 저역 통과 필터링 영상을 상기 잡음 수준을 이용하여 가중 평균시켜 상기 저역 필터링된 영상을 획득하여 이루어짐을 특징으로 하는 영상의 잡음 저감 방법.
  16. 제 14 항에 있어서, 상기 (d3) 단계는
    상기 저역 필터링된 영상과 상기 1D 전처리 영상의 차분 영상으로부터 상기 움직임 정도를 추정하여 이루어짐을 특징으로 하는 영상의 잡음 저감 방법.
  17. 제 9 항 내지 제 16 항 중 어느 한 항의 잡음 저감 방법을 컴퓨터에서 판독할 수 있고, 실행 가능한 프로그램 코드로 기록한 기록 매체.
KR10-2003-0013003A 2003-03-03 2003-03-03 영상 잡음 저감 장치 및 그 방법 KR100468862B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR10-2003-0013003A KR100468862B1 (ko) 2003-03-03 2003-03-03 영상 잡음 저감 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2003-0013003A KR100468862B1 (ko) 2003-03-03 2003-03-03 영상 잡음 저감 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20040078203A true KR20040078203A (ko) 2004-09-10
KR100468862B1 KR100468862B1 (ko) 2005-01-29

Family

ID=37363534

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2003-0013003A KR100468862B1 (ko) 2003-03-03 2003-03-03 영상 잡음 저감 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR100468862B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100688536B1 (ko) * 2005-03-09 2007-03-02 삼성전자주식회사 영상신호 잡음제거장치 및 영상신호 잡음제거방법
KR100727998B1 (ko) * 2005-04-14 2007-06-14 삼성전자주식회사 움직임 보상형 시간적 잡음 제거 방법 및 시스템
KR20110097371A (ko) * 2010-02-25 2011-08-31 엘지전자 주식회사 동영상 화질 개선 방법
KR20130105316A (ko) * 2012-03-14 2013-09-25 삼성테크윈 주식회사 비디오의 잡음 제거 방법 및 장치
KR101508386B1 (ko) * 2008-09-29 2015-04-03 엘지전자 주식회사 움직임 적응적 잡음 제거 방법 및 그 장치
KR101535010B1 (ko) * 2014-02-07 2015-07-08 (주) 넥스트칩 잡음 제거 장치 및 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100688536B1 (ko) * 2005-03-09 2007-03-02 삼성전자주식회사 영상신호 잡음제거장치 및 영상신호 잡음제거방법
KR100727998B1 (ko) * 2005-04-14 2007-06-14 삼성전자주식회사 움직임 보상형 시간적 잡음 제거 방법 및 시스템
KR101508386B1 (ko) * 2008-09-29 2015-04-03 엘지전자 주식회사 움직임 적응적 잡음 제거 방법 및 그 장치
KR20110097371A (ko) * 2010-02-25 2011-08-31 엘지전자 주식회사 동영상 화질 개선 방법
KR20130105316A (ko) * 2012-03-14 2013-09-25 삼성테크윈 주식회사 비디오의 잡음 제거 방법 및 장치
KR101535010B1 (ko) * 2014-02-07 2015-07-08 (주) 넥스트칩 잡음 제거 장치 및 방법

Also Published As

Publication number Publication date
KR100468862B1 (ko) 2005-01-29

Similar Documents

Publication Publication Date Title
Dong et al. Nonlocal back-projection for adaptive image enlargement
US7418149B2 (en) Apparatus and method for adaptive 3D noise reduction
US8768069B2 (en) Image enhancement apparatus and method
Sun et al. Adaptive schemes for noise filtering and edge detection by use of local statistics
Yun et al. Image enhancement using a fusion framework of histogram equalization and Laplacian pyramid
US20100245670A1 (en) Systems and methods for adaptive spatio-temporal filtering for image and video upscaling, denoising and sharpening
JP2007188493A (ja) 動きボケ画像中の動きボケを減らす方法、それぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する方法、動きボケ画像中の動きボケを減らす装置、およびそれぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する装置
Xu et al. A novel Monte Carlo noise reduction operator
CN116664450A (zh) 基于扩散模型的图像增强方法、装置、设备及存储介质
You et al. Anisotropic blind image restoration
Zhou et al. Image denoising based on the symmetric normal inverse Gaussian model and non-subsampled contourlet transform
Gong et al. Sub-window box filter
Kishorebabu et al. An adaptive decision based interpolation scheme for the removal of high density salt and pepper noise in images
EP1316206A1 (en) Noise filtering an image sequence
Berger et al. Adaptive regularized constrained least squares image restoration
Sharma et al. A novel multilayer decision based iterative filter for removal of salt and pepper noise
Ponomaryov Real-time 2D–3D filtering using order statistics based algorithms
Bindal et al. Novel three stage range sensitive filter for denoising high density salt & pepper noise
KR100468862B1 (ko) 영상 잡음 저감 장치 및 그 방법
Park et al. Spatially adaptive high-resolution image reconstruction of DCT-based compressed images
US8090210B2 (en) Recursive 3D super precision method for smoothly changing area
Kim et al. Blind single image super resolution with low computational complexity
KR100903817B1 (ko) 새로운 거리 가중치를 이용한 적응적 선형 보간 방법,지역적 패턴을 고려한 적응적 선형 보간 방법, 패턴가중치를 이용한 적응적 선형 보간 방법
Shi et al. Lagrange wavelets for signal processing
CN109191391B (zh) 一种衰减参数自适应非局部均值的图像降噪方法

Legal Events

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

Payment date: 20120116

Year of fee payment: 8

LAPS Lapse due to unpaid annual fee