Abstract
Noise in an image degrades image quality and deteriorates coding efficiency. Recently, various edge-preserving noise filtering methods based on the nonstationary image model have been proposed to overcome this problem. In most conventional nonstationary image models, however, pixels are assumed to be uncorrelated to each other in order not to Increase the computational burden too much. As a result, some detailed information is lost in the filtered results. In this paper, we propose a computationally feasible adaptive noise smoothing algorithm which considers the nonstationary correlation characteristics of images. We assume that an image has a nonstationary mean and can be segmented into subimages which have individually different stationary correlations. Taking advantage of the special structure of the covariance matrix that results from the proposed image model, we derive a computationally efficient FFT-based adaptive linear minimum mean-square-error filter. Justification for the proposed image model is presented and effectiveness of the proposed algorithm is demonstrated experimentally.
영상에 포함된 잡음은 영상의 화질 및 압축효율을 저하시킨다. 이러한 잡음을 영상의 에지 성분을 보존하면서 제거하기 위해 다양한 비정적(nonstationary) 영상 모델에 근거한 잡음제거 알고리듬이 제안되었다. 하지만, 기존의 비정적 영상 모델에서는 연산량의 부담을 덜기 위해 각 화소들 사이에 상관관계(correlation)가 없다고 가정하여 영상의 미세한 정보들이 필터링에 의하여 훼손된다. 본 논문에서는 영상의 비정적 상관관계를 고려하면서도 계산적으로 효율적인 적응적 잡음제거 알고리듬을 제안한다. 이를 위해 영상신호는 비정적 평균을 가지며, 각기 다른 형태의 정적(stationary) 상관관계를 가지는 부분 영상으로 분리된다고 가정된다. 제안된 영상 모델에서 유도되는 공분산(covariance) 행렬의 특수한 구조를 이용하여 계산적으로 효율적인 FFT에 기반한 적응적 선형최소자승오차 필터를 유도한다. 제안된 영상 모델의 정당성과 알고리듬의 효율성을 실험적으로 확인한다.
