Abstract
It is very important to construct statistical model in order to exactly estimate the signal variance from the noisy image. By using estimated variance of original image, in general, Wiener filter is constructed, and it is applied to the noisy image. In this paper, we propose a new statistical mixture modeling of wavelet coefficients for image denoising. Firstly, a simple classification method is used to construct a significance map that captures significant property of wavelet coefficients. Based upon the significance map, the state probabilities of mixture model is computed, and signal variance is estimated by using them. Experimental results show that the proposed method yields 0.1-0.2㏈ higher PSNR than conventional methods for image denoising.
영상 잡음의 제거를 위해서는 영상에 대한 통계적 모델을 설정하고, 잡음이 섞인 영상에서 원 영상의 분산을 정확하게 추정하는 것이 매우 중요하다. 추정된 원 영상의 분산을 이용하여 잡음 영상에 Wiener 필터를 적용함으로써 영상의 잡음을 제거하는 것이 일반적이다. 본 논문에서는 영상의 잡음을 제거하기 위해 웨이블릿 계수의 새로운 통계적 혼합 모델링을 제안한다. 먼저 웨이블릿 계수의 중요한 특성을 획득할 수 있는 중요도(重要圖)를 작성하기 위해 간단한 분류 방법을 사용한다. 분류된 중요도에 혼합 모델의 상태 확률을 계산하고, 이를 이용하여 신호의 분산을 추정한다. 실험 결과를 통하여 제안 방법이 기존의 방법보다 0.1-0.2㏈ 정도 높은 PSNR을 보여준다는 것을 알 수 있다.
