KR20050041886A - 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법 - Google Patents

전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법 Download PDF

Info

Publication number
KR20050041886A
KR20050041886A KR1020040083581A KR20040083581A KR20050041886A KR 20050041886 A KR20050041886 A KR 20050041886A KR 1020040083581 A KR1020040083581 A KR 1020040083581A KR 20040083581 A KR20040083581 A KR 20040083581A KR 20050041886 A KR20050041886 A KR 20050041886A
Authority
KR
South Korea
Prior art keywords
local
standard deviation
filter
statistics
minimum
Prior art date
Application number
KR1020040083581A
Other languages
English (en)
Inventor
김영택
린펭
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
Publication of KR20050041886A publication Critical patent/KR20050041886A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20008—Globally adaptive
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

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

Abstract

전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소 장치 및 그 방법이 개시된다. 본 발명에 따른 노이즈 감소 방법은 이미지로부터 전역 통계를 계산하는 과정, 상기 이미지의 복수 픽셀들 각각에 대하여 픽셀에 대한 국부 통계를 계산하는 과정, 상기 국부 통계 및 전역 통계를 바탕으로 상기 픽셀의 필터링에 대한 국부 필터를 형성하는 과정 및 상기 국부 필터로 상기 픽셀을 필터링하여 이미지 노이즈를 감소시키는 과정을 포함한다. 본 발명에 따르면, 비디오 이미지 노이즈 감소 과정은 이미지 국부 구성 및 전역 노이즈 레벨 모두에 효과적으로 적응할 수 있다.

Description

전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소 장치 및 그 방법{Global and local statistics controlled noise reduction apparatus and method}
본 발명은 비디오 이미지 프로세싱에 관한 것으로서, 보다 상세하게는 비디오 이미지에서 노이즈(noise)를 감소시키는 장치 및 그 방법에 관한 것이다.
일반적으로, 비디오 이미지는 비디오 이미지 획득 과정 또는 비디오 이미지 전달 과정 도중에 노이즈에 의하여 종종 손상된다. 그러한 이미지의 시각적 외관을 향상시키기 위하여, 거기에 노이즈 레벨을 감소시키기 위한 효과적인 필터링 기술이 종종 요구된다.
종래의 노이즈 감소 장치는 주로 평균 필터(averaging filter)와 같은 선형 필터를 비디오 프레임(이미지)에서 모든 픽셀들에 적용해야 했다. 이것은 이미지에서 노이즈 레벨을 감소시키기는 하지만, 그러한 선형(linear) 필터링 기술은 또한 이미지에서 엣지(edge)를 무차별하게 흐리게 한다.
이미지 엣지를 흐리게 하는 것을 방지하기 위하여, 노이즈 감소 필터는 이미지에서, 엣지와 같은, 국부(local) 구성에 적응할 수 있어야 한다. 그러한 적응성 필터의 하나는 방향성 필터링(directional filtering)으로 알려져 있다.
방향성 필터링은 사용되는 필터가 엣지 방향을 가로질러 적용되지 않고 항상 엣지 방향을 따라 적용되는 그러한 방식으로 선형 필터링을 이미지 엣지 방향에 적합시키는 것에 의하여 이미지의 흐릿함을 회피하려고 한다.
도1은 일반적인 방향성 필터(100)의 블록도이다. 도1을 참조하면, 각 이미지 픽셀에서, 먼저 2차원 국부 편차(local variance)가 국부 편차 계산부(120)에 의하여 계산된다. 그후에, 같은 픽셀들로 구성되는 윈도우 내에서 1차원 국부 편차가 수평 방향, 수직 방향, 상단 좌측으로부터 하단 우측으로 대각선 방향, 상단 우측으로부터 하단 좌측으로 대각선 방향을 따라 계산된다.
엣지 방향을 결정하기 위하여, 2차원 편차가 엣지 방향 검출부(140)에서 소정의 임계치와 비교된다. 만일 2차원 편차가 임계치보다 작으면, 그 픽셀에 엣지가 없는 것이고, 그 픽셀은 방향성을 갖지 않는 것으로 간주된다. 만일 2차원 편차가 임계치보다 크면, 그 픽셀에 엣지가 존재하고, 최소치의 1차원 편차를 갖는 방향이 그 픽셀의 엣지 방향으로 간주된다.
필터(160)를 사용하여, 방향성이 없는 픽셀에서, 2차원 평균 필터가 적용된다. 검출된 엣지 방향을 갖는 픽셀에서, 1차원 평균 필터가 검출된 방향을 따라 적용된다. 이미지 엣지 방향을 따라 필터링하는 것에 의하여, 방향성 필터(100)는 입력 이미지의 노이즈 레벨을 감소시키는 것과 동시에 대부분의 이미지 구성을 간직할 수 있다.
종래의 방향성 필터링 기술에는 두 개의 주요한 문제점이 존재한다.
첫째는 임계치가 수동으로 조정되어야 하고 통상적으로 정확한 값을 선택하는 것이 어렵다는 것이다. 부적당하게 선택된 임계치는 이미지를 흐리게 하거나 불충분한 노이즈 감소를 초래한다는 문제점이 있다.
방향성 필터의 두 번째 단점은 필터 강도(strength)가 고정된다는 것이다. 그것은 상대적으로 깨끗한 이미지가 잡음이 매우 많은 이미지와 같은 방식으로 처리된다는 것을 의미한다. 이것은 상대적으로 깨끗한 이미지가 얼마간의 좋은 구성을 불필요하게 잃고 선명도가 떨어지는 것을 초래한다는 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는 비디오 이미지 프로세싱에 있어서 전역 통계 및 국부 통계를 이용함으로써 비디오 이미지의 노이즈를 감소시키는 노이즈 감소 장치를 제공하는 데 있다.
본 발명이 이루고자 하는 기술적 과제는 이미지 프로세싱에 있어서 전역 통계 및 국부 통계를 이용함으로써 비디오 이미지의 노이즈를 감소시키는 노이즈 감소 방법을 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본발명의 일실시예에 따른 노이즈 감소 방법은, 이미지로부터 전역 통계(global statistics)를 계산하는 과정, 상기 이미지의 복수 픽셀들 각각에 대하여 픽셀에 대한 국부 통계(local statistics)를 계산하는 과정, 상기 국부 통계 및 전역 통계를 바탕으로 상기 픽셀의 필터링에 대한 국부 필터를 형성하는 과정 및 상기 국부 필터로 상기 픽셀을 필터링하여 이미지 노이즈를 감소시키는 과정을 포함한다.
상기의 기술적 과제를 달성하기 위한, 본발명의 일실시예에 따른 노이즈 감소 장치는, 이미지로부터 전역 통계를 계산하는 전역 통계부, 상기 이미지의 복수 픽셀들 각각에 대한 국부 통계를 계산하는 국부 통계부, 픽셀에 대한 상기 국부 통계 및 상기 전역 통계를 바탕으로 상기 픽셀을 필터링하는 국부 필터를 구성하는 필터 구성부 및 상기 구성에 따라 픽셀을 필터링하여 이미지 노이즈를 감소시키는 필터를 포함한다.
본 발명의 일 실시에는 전역 통계(global statistics) 및 국부 통(local statistics)계에 의해 컨트롤되는 노이즈 감소 장치를 제공하고, 여기서 비디오 이미지 노이즈 감소 과정은 이미지 국부 구성 및 전역 노이즈 레벨 모두에 효과적으로 적응할 수 있다. 그리고, 본 발명에 따른 노이즈 산출(estimation) 방법은 신뢰성 있는 전역 노이즈 통계를 노이즈 감소 장치에 제공한다.
본 발명의 일 실시예에 따른 노이즈 감소 장치는 각 이미지 픽셀을 처리하기 위한 국부 필터를 다이내믹(dynamic)하게 형성하고, 그 국부 필터를 가지고 픽셀을 처리한다.
필터링 과정은 전역 이미지 통계 및 국부 이미지 통계 모두에 의하여 컨트롤된다. 예를 들면, 노이즈 감소 장치에 의해 계산된 국부 통계는 1차원 및 2차원 국부 편차(local variance)이고, 노이즈 감소 장치에 의해 계산된 전역 통계는 전역 노이즈 표준편차(global noise standard deviation)이다.
다이내믹하게 형성되는 국부 필터는 서로 다른 픽셀들에 대하여 서로 다른 방향을 갖고 다양한 강도(strength)를 갖는다. 국부 필터의 방향은 1차원 국부 편차에 의해 결정된다. 국부 필터의 강도는 국부 편차 및 전역 노이즈 표준편차로부터 직접 계산된다.
전역 노이즈 표준편차가 다음의 과정들을 포함하는 바람직한 노이즈 산출 방법에 의하여 산출된다. 먼저, 이미지가 중복되는 블록 또는 중복되지 않는 블록으로 분류되고, 각 블록의 평균치와 표준편차가 계산된다. 그후에, 최소치의 표준편차가 그에 상응하는(corresponding) 블록 평균치와 함께 검출된다.
최소치의 표준편차와 그에 상응하는 평균치가 검출된 이후에, 포화(saturation) 체크 과정이 적용되어 최소치의 표준편차를 갖는 블록이 포화되었는지 여부를 결정한다. 이 과정은 최소치 표준편차와 그에 상응하는 평균치 사이의 관계에 근거한다.
만일 포화가 검출되지 않으면, 최소치의 표준편차를 중심으로 하여 근처의 소정 범위 내에 있는 블록 표준편차가 평균내어지고, 그 평균치는 전역 노이즈 표준편차로 간주된다. 근처의 소정 범위는 최소치 표준편차의 값에 좌우된다.
만일 포화가 검출되면, 먼저 최소치의 표준편차에 포화 보상항이 더해져서 보상된 최소치 표준편차가 생성된다. 포화 보상항은 최소치 표준편차 및 그에 상응하는 평균치로부터 계산된다. 그이후, 보상된 최소치 표준편차를 중심으로 하여 근처의 소정 범위 내에 있는 블록 표준편차가 평균내어져서 전역 노이즈 표준편차가 얻어진다(근처의 소정 범위는 보상된 최소치 표준편차의 값에 좌우된다). 전역 노이즈 표준편차는 노이즈 감소 장치에서 이용된다.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명하기로 한다.
도2는 본 발명의 일 실시예에 따른 노이즈 감소 장치(200)의 블록도이다. 도2를 참조하면, 노이즈 감소 장치(200)는 전역 통계부(210), 국부 통계부(220), 방향 검출부(230), 필터 생성부(240) 및 픽셀 필터링부(250)를 포함한다.
먼저, 디지털 비디오 입력 이미지가 전역 통계부(210) 및 국부 통계부(220) 모두에 제공된다. 전역 통계부(210)는 상기 노이즈 산출 방법(이하에서 또한 더 기술되는)을 이용하여 전역 노이즈 통계를 산출한다. 전역 통계부(210)의 출력은 전역 노이즈 표준편차 이고, 는 필터 생성부(240)에 공급된다.
국부 통계부(220)는 현 픽셀에 중심을 둔 작은 윈도우 내에서 2차원(Dimension) 국부 편차를 계산하고 같은 윈도우 내에서 네 방향을 따라 1차원 국부 편차들을 계산한다.
도3은 도2의 노이즈 감소 장치에서 1차원 국부 편차를 계산하는 방향을 설명하는 도면이다. 도3을 참조하면, 도3은 이미지 픽셀(310)들을 포함하는 2차원 윈도우(300)의 일 실시예 및 픽셀 (i,j)에 대한 1차원 국부 편차를 계산하기 위한 방향들의 일 실시예를 설명하는 도면이다. 여기서, i와 j는 각각 픽셀의 행과 열을 나타낸다.
기호 L1, L2, L3 및 L4는 각각 수평 방향, 수직 방향, 상단 좌측으로부터 하단 우측으로 대각선 방향 및 상단 우측으로부터 하단 좌측으로 대각선 방향을 표시한다. 나아가, 기호 은 Lk 방향에 대하여 계산된 1차원 국부 편차를 표시하고, 여기서 k = 1,2,3 또는 4이다. 그리고, 기호 은 2차원 국부 편차를 표시한다.
도3에서, P(i,j)는 예를 들어 위치 (i,j)에서 픽셀의 이미지 계조(gray-scale)값을 표시하고, 여기서 픽셀 (i,j)에서 국부 편차 (k=0,1,2,3,4)은 다음과 같은 실시예에 의하여 3 x 3 윈도우(300) 내에서 계산된다.
만일 k=0이면, 은 2차원 편차이고,
에 의하여 계산된다.
여기서 는 상응하는 2차원 평균치이고,
로 정의된다.
만일 k>0이면, (k=1,2,3,4)은 방향 Lk(k=1,2,3,4)에 따른 1차원 편차이고,
에 의해 계산된다.
여기서 (k=1,2,3,4)는 방향 Lk(k=1,2,3,4)에 따르는 평균치이고
에 의해 계산된다.
국부 편차를 계산한 후에, 국부 통계부(220)(도2)는 방향 검출부(230)에 1차원 국부 편차를 제공하여 국부 엣지 방향이 결정된다.
그후에 방향 검출부(230)는 최소치의 1차원 편차를 갖는 방향을 국부 엣지 방향으로 선택하고, 그것을 필터 생성부(240)에 제공한다. 국부 통계부(220)는 또한 계산된 1차원 및 2차원 국부 편차를 필터 생성부(240)에 제공하고, 국부 통계부(220) 및 전역 통계부(210) 양자에 의해 제공되는 통계량에 근거하여 국부 필터가 생성된다/형성된다.
필터 생성부(240)는 필터링되는 픽셀에 대한 국부 필터를 생성한다. 국부 필터의 방향은 방향 검출부(230)에 의하여 검출된 국부 엣지 방향이다. 국부 필터의 강도는 전역 통계부(210)에 의하여 제공되는 전역 표준편차 와 국부 통계부(220)에 의하여 제공되는 국부 편차 (k=0,1,2,3,4)을 이용하는 것에 의하여 계산된다.
엣지 방향 Lk(k=1,2,3,4)에 대하여, 기호 (k=1,2,3,4)는 그 방향을 따라서 상응하는 필터 강도를 표시한다. 나아가, 기호 는 엣지가 아닌 영역의 필터링에 대한 필터 강도를 표시한다. (k=1,2,3,4)가 엣지 방향을 따라서 필터링 강도를 컨트롤하는 한편, 는 엣지가 아닌 영역의 필터링에 대한 강도를 컨트롤한다.
엣지 방향 Lk(k=1,2,3,4)에 대한 필터 강도 (k=1,2,3,4)는 전체적 노이즈 표준편차 및 국부 편차의 함수이고, 예를 들면 다음과 같이 계산된다.
여기서 min(a,b)는 a와 b의 두 값 중에서 더 작은 값은 취하는 미니멀(minimal) 함수이고, max(a,b)는 a와 b의 두 값 중에서 더 큰 값을 취하는 맥시멈(maximum) 함수이다.
도4는 필터 강도 함수 의 그래프이다. 도4를 참조하면, 도4는 국부 편차 및 전역 노이즈 표준편차에 대한 필터 강도의 의존성을 나타내는 예시 곡선을 보여준다.
(즉, 국부 변수의 제곱근)가 전역 노이즈 표준편차 와 비교해서 작을 때(국부 변화가 노이즈에 의해 초래되었다는 것을 나타낼 때), 국부 필터는 최고 강도를 갖는다. 가 와 비교해서 클 때(검출된 방향에 따른 국부 변화가 이미지 구성에 의하여 초래되었다는 것을 나타낼 때), 국부 필터는 제로의 강도를 갖는다.
그 사이에서, 국부 필터 강도는 에 의하여 연속적으로 변화한다. 나아가, 필터 강도 는 전역 노이즈 표준편차 에 의하여 변화한다(즉, 그것은 전역 노이즈 표준편차가 증가함에 따라 증가한다).
엣지가 아닌 영역에 대한 필터 강도 는 유사하게 다음과 같이 계산된다.
에 대한 그래프는 도4에서 보여지는 (k=1,2,3, 또는 4)에 대한 것과 유사하다.
검출된 국부 엣지 방향 Lk(k=1,2,3, 또는 4)를 이용하여, 엣지 방향 필터 강도 (k=1,2,3, 또는 4), 그리고 에지가 아닌 영역 필터 강도 가 상기에서 계산되고, 필터 생성부(240)(도2)이 국부 필터 (k=1,2,3, 또는 4)를 다음과 같이 생성한다/형성한다.
만일 검출된 방향이 L1이면, 은 수평 방향에 대한 2차원 국부 필터이고, 다음과 같이 정의된다.
만일 검출된 방향이 L2이면, 는 수직 방향에 대한 2차원 국부 필터이고, 다음과 같이 정의된다.
만일 검출된 방향이 L3이면, 는 상단 좌측으로부터 하단 우측으로 대각선 방향에 대한 2차원 국부 필터이고, 다음과 같이 정의된다.
그리고
만일 검출된 방향이 L4이면, 는 상단 우측으로부터 하단 좌측으로 대각선 방향에 대한 2차원 국부 필터이고, 다음과 같이 정의된다.
.
생성된 국부 필터 는 픽셀 필터링부(250)(도2)에 공급된다. 픽셀은 그후에 예를 들어 3 x 3 윈도우 내에서 그 이웃하는 픽셀들의 누적된 합계를 이용하여 누적치에 따라 상응하는 필터 계수로 필터링된다.
언급한 것처럼, 전역 통계부(210)는 바람직한 산출 방법을 이용하여 전역 노이즈 통계를 산출한다. S.I.Olsen이 쓴 문서에 기술된 바와 같이, 이미지에 존재하는 노이즈를 산출하기 위하여 다른 방법이 제안되어 왔다: "이미지에서 노이즈 편차 산출:평가(Noise Variance Estimation in Image: An Evaluation", 도식적 모델들과 이미지 프로세싱(Graphical Models and Image Processing), 55권, 4호, 페이지 319-323, 1993년.
그러나, 현 방법은 포화(saturation) 효과(즉, 노이즈에 의하여 포화(0 또는 255)된 픽셀값, 노이즈의 부정확한 산출(대부분 낮게 산출)을 초래하는)가 적절하게 고려되지 않았다. 부정확한 노이즈 산출은 전역 노이즈 통계에 의해 컨트롤되는 노이즈 감소 장치의 성능에 중대한 영향을 미칠 수 있다.
도5는 도2의 전역 통계부에서 사용되는 노이즈 산출 장치의 블록도이다. 도5를 참조하면, 도5는 도2의 전역 통계부(210)에 대하여, 본 발명의 일 실시예에 따른 노이즈 산출 장치(500)의 기능적 블록도를 보여준다. 본 발명의 일 실시예에 따른 노이즈 산출 장치(500)는 상기 포화 효과를 처리할 수 있고 정확한 노이즈 산출을 제공할 수 있다.
먼저, 입력 이미지가 H x W 크기의 중복되는 블록 또는 중복되지 않는 블록 으로 분류된다 (n=1,2,...,N). 여기서 N은 블록들의 총 개수이고, 각 블록의 평균치 및 표준편차가 평균치 및 표준편차 계산부(510)에 의하여 계산된다. 선택된 블록의 크기는 충실한 산출이 확보되지 않을 정도로 너무 작아서는 안된다. 바람직하게, 블록 크기는 예를 들어 7 x 7 또는 5 x 9 픽셀이다(다른 블록 크기도 이용될 수 있다).
블록 의 평균치 과 표준편차 이 각각 평균치 및 표준편차 계산부(510)에서 다음과 같이 계산된다;
계산된 블록 표준편차 및 평균치는 그후에 최소치 검출부(520)에 제공된다. 블록 표준편차들은 또한 선택적 평균부(530)에 제공된다.
최소치 검출부(520)는 최소치의 표준편차를 검출하고, 최소치의 표준편차 및 그에 상응하는 블록 평균치를 각각 및 로 기록하고, 여기서 및 는 그후에 포화 체크부(540)에 제공된다.
포화 체크부(540)는 최소치의 표준편차 를 갖는 블록에서 포화가 발생했는지 여부를 체크한다. 말하자면, 포화 블록 체크부는 블록에서 픽셀값이 노이즈 때문에 포화(예를 들면, 0 또는 255)되었는지를 체크하고, 포화는 이미지 노이즈의 부정확한 산출을 초래할 수 있다. 만일 포화가 발생했으면, 포화 보상부(550)가 를 보상한다.
도6a 및 도6b는 노이즈에 의해 포화된 픽셀값 효과를 설명하는 도면이다. 도 6a 및 도6b를 참조하면, 노이즈에 의해 포화된 픽셀값 효과의 실시예들을 설명하는도 6a 및 6b에 관련하여 포화 검출 기준 및 보상 방법의 실시예들이 아래에서 제공된다(예를 들면, 픽셀값은 제로와 같은 하한(lower limit) 또는 255와 같은 상한(upper limit)에 있다).
이 실시예에서 상한 UL=255, 하한 LL=0 그리고 중간값 M=128이다. 그와 같이, 만일 이고 이면, 하한 0에서 포화가 검출된다(도 6a). 이 경우에 는 로서 보상되고, 여기서 는 보상된 최소치 표준편차를 표시한다.
만일 이고 이면, 상한 255에서 포화가 검출된다(도 6b). 이 경우에 는 로서 보상된다.
그렇지 않으면, 포화가 검출되지 않는다. 이 경우에 에 보상이 필요하지 않고, 따라서 이다.
에 대한 상기 표현에서, 보상 파라미터 는 경험적으로 결정된다. 바람직하게 이 실시예에서 =5.0이 이용된다. 이 기술분야에서 숙련된 자들은, 이미지가 다른 비트값으로 나타내어지고 따라서 UL, LL 및 M에 대하여 다른 값들을 갖는 다른 상황에 포화 검출 방법이 쉽게 일반화될 수 있다는 것을 이해할 것이다.
보상된 최소치 표준편차 는 그후에 선택적 평균부(530)(도5)에 제공되어 전역 노이즈 표준편차 의 최종 산출치가 생성되고, 최종 산출치는 도2의 노이즈 감소 장치(200)에서 사용된다.
먼저 선택적 평균부(530)(도5)는 보상된 최소치 표준편차 에 대해 선택된 범위(예를 들면, 가까운) 안에 있는 블록 표준편차(평균치 및 표준편차 계산부(510)에 의하여 제공되는)를 선택한다. 예를 들어, 만일 이면 에 대한 범위 안에서 블록 표준편차 (n=1,2,...,N)이 고려된다. 선택된 블록 표준편차들은 그후에 평균내어지고, 평균치가 장치 200(도2)의 사용을 위한, 전체(global) 노이즈 표준편차 의 최종 산출치로서 취해진다.
본 발명이 많은 다른 형태의 실시예들로 구현되는 것이 가능한 반면에, 본 명세서가 본 발명 원리의 예시로서 받아들여지고 본 발명의 넓은 관점을 설명된 실시예들로 한정하는 것이 아니라는 이해와 함께, 본 발명의 바람직한 실시예들이 도면에서 보여지고 여기에 상세히 기술되었다. 전술한 본 발명에 따른 장치 200과 500은 이 기술분야에서 숙련된 자들에게 알려진 것처럼, 프로세서, 논리 회로, ASIC, 펌웨어 등에 의하여 실행되는 프로그램 명령어와 같은, 많은 방법으로 실시될 수 있다. 따라서, 본 발명은 여기에 기술된 실시예들에 한정되지 않는다.
본 발명은 그것에 대하여 확실하고 바람직한 버젼에 대한 참고자료와 함께 상당히 자세히 설명되었다. 그러나, 다른 버젼들도 가능하다. 따라서, 첨부된 청구항들의 사상과 관점은 여기에 포함된 바람직한 버전들의 기술에 한정되어서는 안된다.
상술한 바와 같이, 본 발명에 의하면 비디오 이미지 노이즈 감소 과정은 이미지 국부 구성 및 전역 노이즈 레벨 모두에 효과적으로 적응할 수 있다. 그리고, 본 발명에 따른 노이즈 산출 방법은 포화된 픽셀값을 고려함으로써 신뢰성 있는 전역 노이즈 통계를 노이즈 감소 장치에 제공할 수 있다.
다이내믹하게 형성되는 국부 필터는 서로 다른 픽셀들에 대하여 서로 다른 방향을 갖고 다양한 강도를 가지므로, 상대적으로 깨끗한 이미지가 방향성 필터링에 의해 얼마간의 좋은 구성을 불필요하게 잃는 것과 선명도가 떨어지는 것을 방지할 수 있다.
도1은 일반적인 방향성 필터의 블록도이다.
도2는 본 발명의 일 실시예에 따른 노이즈 감소 장치 200의 블록도이다.
도3은 도2의 노이즈 감소 장치에서 1차원 국부 편차를 계산하는 방향을 설명하는 도면이다.
도4는 필터 강도 함수 의 그래프이다.
도5는 도2의 전역 통계부에서 사용되는 노이즈 산출 장치의 블록도이다.
도6a 및 도6b는 노이즈에 의해 포화된 픽셀값 효과를 설명하는 도면이다.

Claims (24)

  1. 픽셀들로 구성되는 디지털 이미지에서 노이즈를 감소시키는 방법에 있어서,
    a)이미지로부터 전역 통계(global statistics)를 계산하는 과정;
    b)상기 이미지의 복수 픽셀들 각각에 대하여, 픽셀에 대한 국부 통계(local statistics)를 계산하는 과정;
    c)상기 국부 통계 및 전역 통계를 바탕으로 상기 픽셀의 필터링에 대한 국부 필터(local filter)를 형성하는 과정;및
    d)상기 국부 필터로 상기 픽셀을 필터링하여 이미지 노이즈를 감소시키는 과정을 포함함을 특징으로 하는 노이즈 감소 방법.
  2. 제1항에 있어서, 상기 전역 통계를 계산하는 과정은
    전역 노이즈 표준편차(global noise standard deviation) 를 산출하여 상기 전역 통계를 생성하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  3. 제1항에 있어서, 상기 각 픽셀에 대한 국부 통계를 계산하는 과정은
    상기 픽셀 및 복수의 이웃하는 픽셀들을 포함하는 윈도우를 선택하는 과정;
    상기 윈도우 내의 픽셀들에 관한 정보를 바탕으로 상기 픽셀의 2차원 국부 편차(2-D local variance)를 계산하는 과정;
    상기 윈도우에서 상기 픽셀을 지나는 복수의 방향을 따라서 1차원 국부 편차(1-D local variance)를 계산하는 과정;및
    최소치의 1차원 국부 편차를 갖는 방향을 선택하여 국부 엣지 방향(local edge direction)을 검출하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  4. 제1항에 있어서, 상기 각 픽셀에 대한 국부 통계를 계산하는 과정은
    상기 픽셀 및 복수의 이웃하는 픽셀들을 포함하는 윈도우를 선택하는 과정;
    상기 윈도우 내의 픽셀들에 관한 정보를 바탕으로 상기 픽셀의 2차원 국부 편차 을 계산하는 과정;
    상기 윈도우에서 상기 픽셀을 지나는 수평 방향(L1), 수직(L2) 방향, 상단 좌측으로부터 하단 우측으로 대각선 방향(L3), 그리고 상단 우측으로부터 하단 좌측으로 대각선 방향(L4)을 따라 각각 1차원 국부 편차 및 를 계산하는 과정;및
    상기 방향들 중에서 최소치의 1차원 국부 편차를 갖는 방향을 선택하여 국부 엣지 방향을 검출하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  5. 제1항에 있어서, 상기 국부 통계 및 전역 통계를 바탕으로 각 픽셀에 대한 국부 필터를 형성하는 과정은
    상기 국부 필터의 방향에 따라 검출된 국부 엣지 방향 L을 선택하는 과정;
    상기 검출된 국부 엣지 방향 L에 대하여 국부 편차의 제곱근 및 전역 노이즈 표준편차의 함수에 따라 1차원 필터 강도를 계산하는 과정;
    국부 편차 및 상기 전역 노이즈 표준편차의 함수에 따라 2차원 필터 강도를 계산하는 과정;및
    상기 검출된 국부 엣지 방향 L에 대한 국부 필터를 상기 1차원 필터 강도 및 2차원 필터 강도를 바탕으로 형성하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  6. 제5항에 있어서, 상기 국부 통계 및 전역 통계를 바탕으로 각 픽셀에 대한 국부 필터를 형성하는 과정은
    상기 국부 필터의 방향에 따라 검출된 국부 엣지 방향 Lk(k=1,2,3 또는 4)를 선택하는 과정;
    상기 검출된 국부 엣지 방향 Lk에 대하여 1차원 필터 강도 를 계산하는 과정;
    2차원 필터 강도 를 계산하는 과정;및
    상기 검출된 국부 엣지 방향 Lk에 대하여
    (i) 만일 검출된 방향이 L1이면, 수평 방향에 대한 2차원 국부 필터로서 이 형성되고, 여기서
    (ii) 만일 검출된 방향이 L2이면, 수직 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    (iii) 만일 검출된 방향이 L3이면, 상단 좌측으로부터 하단 우측으로 대각선 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    (iv) 만일 검출된 방향이 L4이면, 상단 우측으로부터 하단 좌측으로 대각선 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    인 조건에 따라 국부 필터 를 형성하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  7. 제2항에 있어서, 상기 전역 노이즈 표준편차 를 산출하는 과정은
    입력 이미지를 중복되는 블록 또는 중복되지 않는 블록 중의 어느 하나로 분류하는 과정;
    상기 각 블록에 대하여 평균치 및 표준편차를 계산하는 과정;
    상기 계산된 표준편차 중에서 최소치의 표준편차 및 상응하는 평균치 를 검출하는 과정;
    상기 최소치 표준편차 를 갖는 블록에서 노이즈에 의한 포화(saturation)를 검출하는 과정;
    상기 최소치 표준 편차 를 보상하여 보상된 최소치 표준편차 를 생성하는 과정;
    상기 보상된 최소치 표준편차 의 소정 범위 내에 있는 블록 표준편차 을 선택하는 과정;및
    상기 선택된 블록 표준편차들을 평균내어 전역 노이즈 표준편차 의 산출치를 생성하는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  8. 제7항에 있어서, 상기 블록의 크기는 7 x 7 픽셀 또는 5 x 9 픽셀 중의 어느 하나임을 특징으로 하는 노이즈 감소 방법.
  9. 제7항에 있어서, 상기 포화를 검출하고 최소치 표준편차를 보상하는 과정은
    픽셀값의 상한을 UL, 픽셀값의 하한을 LL, 그리고 UL과 LL 사이의 중간값을 M으로 정의했을 때,
    만일 상기 평균치 가 상기 중간값 M보다 작고, 상기 최소치 표준편차가 평균치 와 하한 LL 간의 차이보다 크면, 하한 LL에서 포화가 발생하고, 최소치 표준편차 에 평균치 와 하한 LL 간의 상기 차이 및 최소치 표준편차 의 함수인 보상항을 더해서 를 보상하여, 보상된 최소치 표준편차 를 생성하는 과정;
    만일 상기 중간값 M이 상기 평균치 보다 작고, 상기 최소치 표준편차 가 상한 UL과 평균치 간의 차이보다 크면, 상한 UL에서 포화가 발생하고, 최소치 표준편차 에 상한 UL과 평균치 간의 상기 차이 및 최소치 표준편차 의 함수인 보상항을 더해서 를 보상하여, 보상된 최소치 표준편차 를 생성하는 과정;
    그렇지 않으면, 포화가 발생하지 않고, 여기서 인 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  10. 제7항에 있어서, 상기 포화를 검출하고 최소치 표준편차를 보상하는 과정은:
    UL이 픽셀값의 상한이고, LL이 픽셀값의 하한이고, UL<M<LL인 경우에,
    만일 상기 평균치 이고 상기 최소치 표준편차 이면, 포화는 하한 LL에서 발생하고, 여기서 는 로 보상되어, 가 보상 인자가 되는 과정;
    만일 상기 평균치 이고 상기 최소치 표준편차 이면, 포화는 상한 UL에서 발생하고, 여기서 는 로서 보상되는 과정;
    그렇지 않으면, 포화가 발생하지 않고, 여기서 인 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  11. 제10항에 있어서, 상기 LL=0, 상기 UL=255, 그리고 상기 M=128임을 특징으로 하는 노이즈 감소 방법.
  12. 제7항에 있어서, 상기 블록 표준편차를 선택하는 과정은
    만일 이면 블록 표준편차 을 선택하여 평균내는 과정을 더 포함함을 특징으로 하는 노이즈 감소 방법.
  13. 픽셀들로 구성되는 디지털 이미지에서 노이즈를 감소시키는 노이즈 감소 장치에 있어서,
    이미지로부터 전역 통계를 계산하는 전역 통계부;
    상기 이미지의 복수 픽셀들 각각에 대한 국부 통계를 계산하는 국부 통계부;
    픽셀에 대한 상기 국부 통계 및 상기 전역 통계를 바탕으로 상기 픽셀을 필터링하는 국부 필터를 구성하는 필터 구성부;및
    상기 구성에 따라 픽셀을 필터링하여 이미지 노이즈를 감소시키는 필터를 포함하는 것을 특징으로 하는 노이즈 감소 장치.
  14. 제13항에 있어서, 상기 전역 통계부는
    전역 노이즈 표준편차 를 산출하여 상기 전역 통계를 생성하는 것을 특징으로 하는 노이즈 감소 장치.
  15. 제13항에 있어서, 상기 국부 통계부는
    상기 픽셀 및 복수의 이웃하는 픽셀들을 포함하는 윈도우를 선택하고;
    상기 윈도우 내의 픽셀들에 관한 정보를 바탕으로 상기 픽셀의 2차원 국부 편차를 계산하고;
    상기 윈도우에서 상기 픽셀을 지나는 복수의 방향을 따라서 1차원 국부 편차를 계산하고;그리고
    최소치의 1차원 국부 편차를 갖는 방향을 선택하여 국부 엣지 방향을 검출하는 것에 의하여 각 픽셀에 대한 국부 통계를 계산하는 것을 특징으로 하는 노이즈 감소 장치.
  16. 제13항에 있어서, 상기 국부 통계부는
    상기 픽셀 및 복수의 이웃하는 픽셀들을 포함하는 윈도우를 선택하고;
    상기 윈도우 내의 픽셀들에 관한 정보를 바탕으로 상기 픽셀의 2차원 국부 편차 을 계산하고;
    상기 윈도우에서, 상기 픽셀을 지나는 수평 방향(L1), 수직 방향(L2), 상단 좌측으로부터 하단 우측으로 대각선 방향(L3), 및 상단 우측으로부터 하단 좌측으로 대각선 방향(L4)을 따라 각각 1차원 국부 편차 및 를 계산하고;그리고
    상기 방향들 중에서 최소치의 1차원 국부 편차를 갖는 방향을 선택하여 국부 엣지 방향을 검출하는 것에 의하여 각 픽셀에 대한 국부 통계를 계산하는 것을 특징으로 하는 노이즈 감소 장치.
  17. 제13항에 있어서, 상기 필터 구성부는
    상기 국부 필터의 방향에 따라 검출된 국부 엣지 방향 L을 선택하고;
    상기 검출된 국부 엣지 방향 L에 대하여 국부 편차의 제곱근과 전역 노이즈 표준편차의 함수에 따라 1차원 필터 강도를 계산하고;
    국부 편차 및 상기 전역 노이즈 표준편차의 함수에 따라 2차원 필터 강도를 계산하고;그리고
    상기 검출된 국부 엣지 방향 L에 대하여 1차원 필터 강도 및 2차원 필터 강도를 바탕으로 국부 필터를 구성하는 것에 의하여 국부 통계 및 전역 통계를 바탕으로 각 픽셀에 대한 국부 필터를 구성하는 것을 특징으로 하는 노이즈 감소 장치.
  18. 제17항에 있어서, 상기 필터 구성부는
    상기 국부 필터의 방향에 따라 검출된 국부 엣지 방향 Lk(k=1,2,3 또는 4)를 선택하고;
    상기 검출된 국부 엣지 방향 Lk에 대하여 1차원 필터 강도 를 계산하고;
    2차원 필터 강도 를 계산하고;그리고
    상기 검출된 국부 엣지 방향 Lk에 대하여
    (i) 만일 검출된 방향이 L1이면, 수평 방향에 대한 2차원 국부 필터로서 이 형성되고, 여기서
    (ii) 만일 검출된 방향이 L2이면, 수직 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    (iii) 만일 검출된 방향이 L3이면, 상단 좌측으로부터 하단 우측으로 대각선 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    (iv) 만일 검출된 방향이 L4이면, 상단 우측으로부터 하단 좌측으로 대각선 방향에 대한 2차원 국부 필터로서 가 형성되고, 여기서
    인 조건에 따라 국부 필터 를 형성하는 것에 의하여 국부 통계 및 전역 통계를 바탕으로 각 픽셀에 대한 국부 필터를 구성하는 것을 특징으로 하는 노이즈 감소 장치.
  19. 제14항에 있어서, 상기 입력 이미지는 중복되는 블록 또는 중복되지 않는 블록 중에서 어느 하나를 포함하고,
    여기서 상기 전역 통계부는
    상기 각 블록에 대하여 평균치 및 표준편차를 계산하는 평균치 및 표준편차계산부;
    상기 계산된 표준편차 중에서 최소치의 표준편차 및 상응하는 평균치 를 검출하는 최소치 검출부;
    상기 최소치 표준편차 를 갖는 블록에서 노이즈에 의한 포화를 검출하는 포화 검출부;
    상기 최소치 표준 편차 를 보상하여 보상된 최소치 표준편차 를 생성하는 포화 보상부;및
    상기 보상된 최소치 표준편차 의 소정 범위 내에 있는 블록 표준편차 을 선택하고, 상기 선택된 블록 표준편차들 을 평균내어 전역 노이즈 표준편차 의 산출치를 생성하는 선택적 평균부를 더 포함하는 것을 특징으로 하는 노이즈 감소 장치.
  20. 제19항에 있어서, 상기 블록의 크기는 7 x 7 픽셀 또는 5 x 9 픽셀 중의 어느 하나인 것을 특징으로 하는 노이즈 감소 장치.
  21. 제19항에 있어서, 픽셀값의 상한이 UL로 표시되고, 픽셀값의 하한이 LL로 표시되고, 그리고 중간값 M은 UL과 LL 사이의 중간값일 때,
    상기 포화 검출부는 평균치 가 중간값 M 이하이고, 최소치 표준편차가 평균치 와 하한 LL 간의 차이 이상인지를 결정하여, 하한 LL에서 포화가 발생한다는 것을 나타내고, 그리고 만일 그렇다면, 상기 포화 보상부는 최소치 표준편차 에 평균치 와 하한 LL 간의 상기 차이 및 최소치 표준편차 의 함수인 보상항을 더하는 것에 의해 를 보상하여, 보상된 최소치 표준편차 를 생성하고;
    만일 상기 포화 검출부가 중간값 M이 평균치 이하이고, 최소치 표준편차 가 상한 UL과 평균치 간의 차이 이상이라고 결정하면, 상한 UL에서 포화가 발생한다는 것을 나타내고, 상기 포화 보상부는 최소치 표준편차 에 상한 UL과 평균치 간의 상기 차이 및 최소치 표준편차 의 함수인 보상항을 더하는 것에 의해 를 보상하여, 보상된 최소치 표준편차 를 생성하고;
    그렇지 않으면, 포화가 발생하지 않고, 여기서 인 것을 특징으로 하는 노이즈 감소 장치.
  22. 제21항에 있어서,
    만일 상기 평균치 이고 상기 최소치 표준편차 이면, 하한 LL에서 포화가 발생했음을 나타내고, 그러면 가 로서 보상되어, 가 보상 인자가 되고;
    만일 상기 평균치 이고 상기 최소치 표준편차 이면, 상한 UL에서 포화가 발생했음을 나타내고, 그러면 가 로서 보상되고;
    그렇지 않으면, 포화가 발생하지 않고, 여기서 인 것을 특징으로 하는 노이즈 감소 장치.
  23. 제22항에 있어서, 상기 LL=0, 상기 UL=255, 그리고 상기 M=128인 것을 특징으로 하는 노이즈 감소 장치.
  24. 제19항에 있어서,
    만일 이면 블록 표준편차 이 선택되어 평균내어 지는 것을 특징으로 하는 노이즈 감소 장치.
KR1020040083581A 2003-10-30 2004-10-19 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법 KR20050041886A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/697,362 2003-10-30
US10/697,362 US7317842B2 (en) 2003-10-30 2003-10-30 Global and local statistics controlled noise reduction system

Publications (1)

Publication Number Publication Date
KR20050041886A true KR20050041886A (ko) 2005-05-04

Family

ID=34550339

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040083581A KR20050041886A (ko) 2003-10-30 2004-10-19 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법

Country Status (2)

Country Link
US (2) US7317842B2 (ko)
KR (1) KR20050041886A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100695067B1 (ko) * 2005-06-15 2007-03-14 삼성전자주식회사 블록분류를 이용한 시공간 노이즈 제거 방법 및 이 방법이적용되는 디스플레이장치
KR20130105316A (ko) * 2012-03-14 2013-09-25 삼성테크윈 주식회사 비디오의 잡음 제거 방법 및 장치
KR101418961B1 (ko) * 2008-01-04 2014-07-16 중앙대학교 산학협력단 영상의 노이즈 세기를 추정하고 이를 이용하여 적응적으로영상을 처리하는 영상처리 시스템 및 방법
KR20210141697A (ko) * 2019-07-29 2021-11-23 지티이 코포레이션 비디오 노이즈 제거 방법, 장치 및 컴퓨터 판독 가능 저장 매체

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7430329B1 (en) * 2003-11-26 2008-09-30 Vidiator Enterprises, Inc. Human visual system (HVS)-based pre-filtering of video data
US7809061B1 (en) 2004-01-22 2010-10-05 Vidiator Enterprises Inc. Method and system for hierarchical data reuse to improve efficiency in the encoding of unique multiple video streams
US7330218B2 (en) * 2004-09-02 2008-02-12 Samsung Electronics Co., Ltd. Adaptive bidirectional filtering for video noise reduction
US7394930B2 (en) * 2005-01-07 2008-07-01 Nokia Corporation Automatic white balancing of colour gain values
US8139828B2 (en) * 2005-10-21 2012-03-20 Carestream Health, Inc. Method for enhanced visualization of medical images
US7952646B2 (en) * 2006-12-27 2011-05-31 Intel Corporation Method and apparatus for content adaptive spatial-temporal motion adaptive noise reduction
US8447130B2 (en) * 2007-12-31 2013-05-21 Intel Corporation History-based spatio-temporal noise reduction
KR101474311B1 (ko) * 2008-01-15 2014-12-18 삼성전자주식회사 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치
US8180169B2 (en) * 2008-02-27 2012-05-15 Xerox Corporation System and method for multi-scale sigma filtering using quadrature mirror filters
US8208753B2 (en) * 2008-04-11 2012-06-26 Xerox Corporation Method and system for noise level detection in image data
US10123050B2 (en) * 2008-07-11 2018-11-06 Qualcomm Incorporated Filtering video data using a plurality of filters
KR101192429B1 (ko) * 2008-12-19 2012-10-17 주식회사 케이티 영상의 전송 에러 복원 방법 및 그 장치
JP5220677B2 (ja) * 2009-04-08 2013-06-26 オリンパス株式会社 画像処理装置、画像処理方法および画像処理プログラム
US8279345B2 (en) * 2009-07-21 2012-10-02 Qualcomm Incorporated System and method for random noise estimation in a sequence of images
US8472724B2 (en) * 2010-06-30 2013-06-25 Samsung Electronics Co., Ltd. System and method for reducing noise in an image
KR101663764B1 (ko) * 2010-08-26 2016-10-07 에스케이 텔레콤주식회사 인트라 예측을 이용한 부호화 및 복호화 장치와 방법
JP5367667B2 (ja) * 2010-09-21 2013-12-11 株式会社東芝 画像処理装置
US8842184B2 (en) * 2010-11-18 2014-09-23 Thomson Licensing Method for determining a quality measure for a video image and apparatus for determining a quality measure for a video image
US9930366B2 (en) 2011-01-28 2018-03-27 Qualcomm Incorporated Pixel level adaptive intra-smoothing
CN102622597B (zh) * 2011-01-29 2016-05-04 中国第一汽车集团公司 自适应正交中值混合滤波方法
EP2675151A1 (en) * 2012-06-11 2013-12-18 Agfa Healthcare A method to evaluate the presence of a source of x-ray beam inhomogeneity during x-ray exposure.
TWI519151B (zh) 2012-08-30 2016-01-21 義晶科技股份有限公司 影像處理方法以及影像處理裝置
CN104796583B (zh) * 2015-05-14 2017-11-21 上海兆芯集成电路有限公司 相机噪声模型产生及使用方法以及使用该方法的装置
US10235608B2 (en) 2015-12-22 2019-03-19 The Nielsen Company (Us), Llc Image quality assessment using adaptive non-overlapping mean estimation
US10257449B2 (en) * 2016-01-05 2019-04-09 Nvidia Corporation Pre-processing for video noise reduction
CN111988011B (zh) * 2020-07-31 2023-01-03 西安电子工程研究所 一种滤波器防发散方法
CN116630447B (zh) * 2023-07-24 2023-10-20 成都海风锐智科技有限责任公司 一种基于图像处理的天气预测方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5526446A (en) * 1991-09-24 1996-06-11 Massachusetts Institute Of Technology Noise reduction system
US5581370A (en) * 1995-06-05 1996-12-03 Xerox Corporation Image-dependent automatic area of interest enhancement
US5764307A (en) * 1995-07-24 1998-06-09 Motorola, Inc. Method and apparatus for spatially adaptive filtering for video encoding
US5844627A (en) * 1995-09-11 1998-12-01 Minerya System, Inc. Structure and method for reducing spatial noise
US5771318A (en) * 1996-06-27 1998-06-23 Siemens Corporate Research, Inc. Adaptive edge-preserving smoothing filter
US6757442B1 (en) * 2000-11-22 2004-06-29 Ge Medical Systems Global Technology Company, Llc Image enhancement method with simultaneous noise reduction, non-uniformity equalization, and contrast enhancement
JP4509415B2 (ja) * 2001-04-12 2010-07-21 株式会社リコー 画像処理装置
WO2002102086A2 (en) * 2001-06-12 2002-12-19 Miranda Technologies Inc. Apparatus and method for adaptive spatial segmentation-based noise reducing for encoded image signal
JP2004015141A (ja) * 2002-06-04 2004-01-15 Fuji Xerox Co Ltd データ伝送システムおよびその方法
DE10239062A1 (de) * 2002-08-26 2004-04-01 Siemens Ag Verfahren zum Übertragen von verschlüsselten Nutzdatenobjekten
US8391649B2 (en) * 2003-08-01 2013-03-05 Texas Instruments Incorporated Image filter method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100695067B1 (ko) * 2005-06-15 2007-03-14 삼성전자주식회사 블록분류를 이용한 시공간 노이즈 제거 방법 및 이 방법이적용되는 디스플레이장치
KR101418961B1 (ko) * 2008-01-04 2014-07-16 중앙대학교 산학협력단 영상의 노이즈 세기를 추정하고 이를 이용하여 적응적으로영상을 처리하는 영상처리 시스템 및 방법
KR20130105316A (ko) * 2012-03-14 2013-09-25 삼성테크윈 주식회사 비디오의 잡음 제거 방법 및 장치
KR20210141697A (ko) * 2019-07-29 2021-11-23 지티이 코포레이션 비디오 노이즈 제거 방법, 장치 및 컴퓨터 판독 가능 저장 매체

Also Published As

Publication number Publication date
US7317842B2 (en) 2008-01-08
US20080002902A1 (en) 2008-01-03
US20050094889A1 (en) 2005-05-05

Similar Documents

Publication Publication Date Title
KR20050041886A (ko) 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법
US7551795B2 (en) Method and system for quantization artifact removal using super precision
US7792384B2 (en) Image processing apparatus, image processing method, program, and recording medium therefor
US8224116B2 (en) Image processing method and imaging apparatus
US7912323B2 (en) Image processing apparatus, image processing method, and image display apparatus
US7406208B2 (en) Edge enhancement process and system
US20080001976A1 (en) Methods of suppressing ringing artifact of decompressed images
CN111968144A (zh) 一种图像边缘点获取方法及装置
US9596481B2 (en) Apparatus and method for video data processing
KR100677133B1 (ko) 이미지 디테일 강조에 있어서 잡음 있는 가장자리의 검출및 처리를 위한 방법 및 장치
US20090226097A1 (en) Image processing apparatus
TWI488494B (zh) 多畫面的影像降噪方法
US20150178895A1 (en) Image processing device and image processing method
US8090210B2 (en) Recursive 3D super precision method for smoothly changing area
EP2226761B1 (en) Methods and systems for filtering a digital signal
CN109175718B (zh) 一种基于半色调技术的图片激光雕刻方法
CN104796581B (zh) 一种基于噪声分布特征检测的视频去噪系统
CN107945196B (zh) 一种用于航拍校正图像拼接的图像边沿检测方法
CN102567954B (zh) 平板探测器噪声抑制方法及装置
KR101582800B1 (ko) 적응적으로 컬러 영상 내의 에지를 검출하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
KR19990062036A (ko) 미분 연산자를 사용한 에지 검출 방법
JPH0816773A (ja) 画像処理方法
JPWO2006117844A1 (ja) 画像処理装置、画像処理方法、及び情報端末装置
Mishiba et al. Image resizing using improved seam merging
TWI389571B (zh) 影像處理方法以及影像處理裝置

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid