DOI QR코드

DOI QR Code

Image Restoration using Weighted Octagonal Median Filter

가중 팔각형 메디안 필터를 이용한 영상 복원

  • Lee, Eun-Young (Dept. of Information and Communications Engineering, Mokpo National University) ;
  • Na, Cheol-Hun (Dept. of Information and Communications Engineering, Mokpo National University) ;
  • Lee, Eun-Kyung (Dept. of Automotive Engineering, Honam University)
  • Received : 2020.11.16
  • Accepted : 2020.11.30
  • Published : 2021.02.28

Abstract

One of the most important tasks in image processing is noise filtering. Noise removal in image is a difficult task due to many reasons such as nonstationary sequences and corrupted by various types of noise. Human's visual perception is heavily based on the edge information. Thus, noise filtering must preserve edges. To remove the noise, we usually use the square-shaped median filter. They possess mathematical simplicity but have the disadvantages that blur the edges. In this paper we consider a new technique for image restoration using a weighted octagonal median filter. The technique consists of simple hypothesis test for edge detection, and we use the weighted octagonal-shaped moving window. The new technique is applied to noise corrupted image and experimental results are compared to the results of the square-shaped median filter and the cross-shaped median filter.

영상 처리에서 중요한 연구 분야 중 하나는 잡음 제거이다. 영상의 잡음 제거는 비정상 시퀀스 및 다양한 유형의 잡음에 의한 손상과 같은 여러 이유로 인해 해결하기 어려운 문제이기 때문이다. 인간의 시각적 인식은 에지 정보에 크게 의존한다. 따라서 잡음 제거 시 반드시 에지 정보를 보존해야 한다. 노이즈를 제거하기 위해 일반적으로 정방형 메디안필터를 사용한다. 이 방법은 수학적 단순성을 가지고 있지만 에지 영역을 흐리게 한다는 단점이 있다. 본 논문에서는 영상 내에 존재하는 잡음을 효과적으로 제거하기 위해서 에지 검출 알고리즘을 갖는 가중 팔각형 메디안 필터를 사용한 새로운 메디안 필터 윈도우를 제안하였다. 이 방법은 에지를 검출하기 위해 움직이는 가중 팔각형 창을 사용하였다. 그리고 결과를 일반 메디안 필터, 격자형 메디안 필터 그리고 본 논문에서 제안한 가중 팔각형 메디안 필터의 결과와 비교하였다. 실험 결과, 에지 검출 알고리즘을 갖는 가중 팔각형 메디안 필터를 이용한 영상 복원이 일반 메디안 필터나 격자형 메디안 필터를 사용한 결과보다 좋은 성능을 가짐을 확인하였다.

Keywords

References

  1. B. W. Cheon and N. H. Kim, "Noise Removal with Spatial Characteristics in Mixed Noise Environment," Journal of the Korea Institute of Information and Communication Engineering, vol. 23, no. 3, pp. 254-260, 2019. https://doi.org/10.6109/JKIICE.2019.23.3.254
  2. S. Cheon, J. Heon, H. Lee, and G. Park, "Comparision and Analysis of Algorithms for Image Noised Reduction," in Proceeding of the Korea Institute of Information and Communication Engineering, pp. 1756-1758, Dec. 2016.
  3. H. Lü, C. Yin, Z. Cui, and J. Hu, "A depth video coding in-loop median filter based on joint weighted sparse representation," Wuhan University Journal of Natural Sciences, vol. 21, pp. 351-357, Jul. 2016. https://doi.org/10.1007/s11859-016-1181-6
  4. W. K. Patt, Digital Image Processing, 2md ed. Communications, 4th ed., Addison Wesley, 1977.
  5. Y Pranay, "Color image noise removal by modified threshold median filter for RVIN," Internalion Conference on Electronic Design, Computer Network & Automated Verfication (EDCAV), pp. 175-180, Jan. 2015.
  6. J. W. Tukey, "Nonlinear (nonsuperposable) methods for smoothing data," in Proceeding of Rec. EASCON, pp. 673, Jul. 1974.
  7. L. R. Rabiner, M. R. Sambur, and C. E. Schmidt, "Application to speech processing," IEEE Trans. Acoust. Speech, Signal Processing, vol. ASSP-23, pp. 552-557, 1975.
  8. N. S. Jayant, "Average and median-based smoothing techniques for improving digital speech quality in the presence of transmission error," IEEE Trans. Commum., vol. COM-24, pp. 1043-1045, 1976. https://doi.org/10.1109/TCOM.1976.1093415