Abstract
This paper proposes a novel denoising method based on non-local(NL) means. The NL-means algorithm is effective for removing an additive Gaussian noise, but the denoising parameter should be controlled depending on the noise level for proper noise elimination. Therefore, the proposed method optimizes the denoising parameter according to the noise levels. The proposed method consists of two processes: off-line and on-line. In the off-line process, the relations between the noise level and the denoising parameter of the NL-means filter are analyzed. For a given noise level, the various denoising parameters are applied to the NL-means algorithm, and then the qualities of resulting images are quantified using a structural similarity index(SSIM). The parameter with the highest SSIM is chosen as the optimal denoising parameter for the given noise level. In the on-line process, we estimate the noise level for a given noisy image and select the optimal denoising parameter according to the estimated noise level. Finally, NL-means filtering is performed using the selected denoising parameter. As shown in the experimental results, the proposed method accurately estimated the noise level and effectively eliminated noise for various noise levels. The accuracy of noise estimation is 90.0% and the highest Peak Signal-to-noise ratio(PSNR), SSIM value.
본 논문은 비지역적(non-local)방법에 기반한 적응적 디노이징 방법을 제안한다. 비지역적 알고리즘은 부가적 백색 잡음(additive white Gaussian noise, AWGN)을 제거하는데 효과적이다. 노이즈 제거를 위해 비지역적 방법을 적용할 때 노이즈 수준에 따라 디노이징 파라미터가 조절될 필요가 있었다. 그러므로, 제안하는 방법은 입력 노이즈 수준에 따라 최적의 디노이징 파라미터를 제공하는 것이다. 제안하는 방법은 크게 두 가지 부분으로 나뉜다. 첫 번째로는 오프라인 과정과 온라인 과정이다. 오프라인 과정에서는 노이즈 수준과 디노이징 파라미터 간의 관계를 비지역적 기법을 이용하여 분석해본다. 다양한 디노이징 파라미터들이 비지역적 알고리즘에 적용되며 이에 대한 이미지이에 대한 이미지의 퀄리티를 분석하기 위해서 SSIM 지표가 사용된다. 주어진 노이즈 수준에서 최적 디노이징 파라미터를 가장 높은 SSIM일 때 선택한다. 온라인 과정에서는 노이즈 수준을 실 시간으로 추정하여 최적의 디노이징 파라미터를 적용하여 비지역적 필터링을 수행한다. 실험 결과에서 보는 바와 같이, 제안하는 방법은 정확하게 노이즈 수준을 추정했고, 이미지 디테일을 보존하면서 AWGN 노이즈를 제거했다. 이에 따른 실험 결과로 노이즈 추정 정확도는 90.0%, 복원된 이미지에서 높은 PSNR과 SSIM수치를 보였다.