The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Adaptive Image Restoration Considering the Edge Direction

윤곽 방향성을 고려한 적응적 영상복원

  • 전우상 (중소기업기술정보진흥원 정보화경영체제) ;
  • 이명섭 (영남이공대학 컴퓨터정보계열) ;
  • 장호 (구미1대학 컴퓨터)
  • Published : 2009.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

It is very difficult to restore the images degraded by motion blur and additive noise. In conventional methods, regularization usually applies to all the images without considering local characteristics of the images. As a result, ringing artifacts appear in the edge regions and noise amplification is in the flat regions, as well. To solve these problems, we propose an adaptive iterative regularization method, using the way of regularization operator considering edge directions. In addition, we suggest an adaptive regularization parameter and an relaxation parameter. In conclusion, We have verified that the new method shows the suppression of the noise amplification in the flat regions, also does less ringing artifacts in the edge regions. Furthermore, it offers better images and improves the quality of ISNR, comparing with those of conventional methods.

움직임에 의해 흐려지고 잡음으로 훼손된 영상을 복원하는 것은 매우 어렵다. 기존의 방법들은 영상의 국부적인 특성을 고려하지 않고 영상 전체에 일률적으로 복원처리를 행함으로써 윤곽부분에서 리플잡음을 초래하고 평면부분에서도 잡음증폭을 피할 수 없다. 이러한 문제점을 개선하기 위하여, 본 논문에서는 윤곽방향을 고려한 방향성 정칙화 연산자를 사용하여 적응적으로 처리되는 반복 정칙화 방법을 제안한다. 그것과 더불어 적응 정칙화 파라메타와 이완 파라메타를 적용하는 알고리즘도 함께 제안한다. 결론적으로, 이 방법은 기존의 방법과 비교할 때, 평면부분에서 잡음증폭을 억제하고, 시각적으로 중요한 윤곽부분의 리플잡음을 억제함으로써 윤곽부분 복원에 더욱 효율적임을 실험을 통하여 확인할 수 있었으며 또한 ISNR 면에서도 우수하였다는 것을 확인할 수 있다.

Keywords

References

  1. A. K. Katsaggelos, J. Biemond, R. W. Schafer and R. M. Mersereau, “A Regularized Iterative Image Restoration Algorithm,” IEEE Trans.Signal Processing, Vol.39, No.4, pp.914-929, April 1991 https://doi.org/10.1109/78.80914
  2. R. W. Schafer, R. M. Mersereau and M. A. Richards, “Constrained Iterative Restoration Algorithms,” Proc. IEEE, Vol.69, No.4, pp.432-450, April 1981 https://doi.org/10.1109/PROC.1981.11987
  3. S. Kawata and Y. Ichioka, “Iterative Image Restoration for Linearly Degraded Images.I. Basis,” J. opt. Soc. Am., Vol.70, No.7, pp.762-768, July 1980 https://doi.org/10.1364/JOSA.70.000762
  4. A. N. Tikhonov and V. Y. Arsenin, Solution of Ill-Posed Problems, Washington, D.C. : V. H. Winston and Sons, 1977
  5. K. Miller, “Least-squares Method for Ill-Posed Problems with a Prescribed Bound,” SIAM J. Math Anal., Vol.1, pp.52-74, Feb. 1970 https://doi.org/10.1137/0501006
  6. R. L. Lagendijk, J. Biemond and D. E. Boekee, “Regularized Iterative Image Restoration with Ringing Reduction,” IEEE Trans. ASSP, Vol.36, No.12, pp.1874-1888, Dec. 1988 https://doi.org/10.1109/29.9032
  7. R. L. Lagendijk and J. Biemond, Iterative Identification and Res-toration of Images, pp.71-88, Kluwer Academic Publishers, 1991
  8. A. K. Katsaggelos, “Iterative Image Restoration Algorithms,” Opt. Eng. 28(7), pp.735-748, 1989
  9. A. Lannes, S. Roques and M. J. Casanove, “Resolution and Robustness in Image Processing : A New Regularization Principle,” J. Opt. Soc. Amer., Vol.4 pp.189-199, Jan. 1987 https://doi.org/10.1364/JOSAA.4.000189
  10. W. S. Jeon and T. H. Yi, “Image Restoration using Dual Adaptive Regularization Operators,” in Proc. IEEE Int. Conf. ICPR, Vol.3, pp.49-52, Sep. 2000
  11. W. S. Jeon, S. M. Kim, T. S. Kim and T. H. Yi “Image Restoration Considering Edge Direction,” CSREA. CISST'2001, Vol.1, pp.275-279, Jun, 2001