Recent advances in mega-pixel digital image processing devices such as smartphones, surveillance cam-eras, and digital single-lens reflex cameras (DSLR) require high quality image and video signal processing technologies. Among them, noise reduction techniques in the image and video pre-processing are crucial to remove various noises caused from image sensors of the digital image processing devices. The non-local means (NL-means) algorithm proposed by Buades et al. is one of the most widely used denoising algorithms for additive white Gaussian noise (AWGN). However, the algorithm causes the loss of details and fine struc-tures. Besides, the long processing time of the method remains a challenging problem. In this paper, we pre-sent two new denoising algorithms capable of effectively removing the noise while preserving the original information as much as possible.
First, we propose a novel denoising algorithm that enhances the performance of the NL-means method. Through the empirical weight distribution analysis of the NL-means method, we introduce a weighting strate-gy by eliminating the weights of neighborhood pixels with low similarity and by boosting the weights of neighborhood pixels with high similarity. Moreover, one of the block matching methods, a three-step search (TSS) technique is introduced for our algorithm to reduce unnecessary computations on the weighting pro-cess.
Second, we present an advanced denoising algorithm using a fast block matching method. Instead of the TSS scheme, our algorithm uses a diamond search (DS) technique, which can further reduce searching time for the neighborhood pixels with high similarity. In addition, the weighting strategy including pixel-based comparison condition is applied to our algorithm.
To validate our algorithms, the proposed denoising methods are compared according to the three princi-ples: method noise, noise to noise, and statistical optimality. The proposed algorithms are experimented in comparisons with the NL-means method for various noise levels. The experimental results show that the pro-posed algorithms significantly outperform the existing NL-means method in terms of visual quality and pro-cessing time, and are comparable with the existing NL-means method in terms of PSNR evaluation. As a re-sult, that the proposed methods improve the quality of noisy images by adapting to various noise levels and by reducing the complexity of the existing NL-means method.
최근 스마트 폰, 감시카메라, DSLR같은 메가 픽셀 디지털 이미지 처리 장치들의 발전으로 고품질의 이미지와 영상 신호 처리 기술들이 요구되고 있다. 그 중 이미지와 영상을 위한 전 처리 기술에서 잡음 제거 기술은 디지털 이미지 처리 장치들의 이미지 센서로부터 발생하는 다양한 잡음을 제거하는 중요한 역할을 한다. 일반적으로 잡음 제거는 가장 영향이 큰 가우시안 잡음을 제거하는 것을 목표로 하며, 비지역적 평균 방법은 이 가우시안 잡음을 모델로 한 최근 가장 널리 이용되고 있는 잡음 제거 알고리즘 중 하나이다. 그러나 이 알고리즘은 경계 및 패턴 영역에서의 원본 정보 손실을 발생시키고, 처리 시간이 오래 걸리기 때문에 다양한 방식으로 개선된 알고리즘이 개발되고 있다. 본 논문에서는 가능한 한 많은 원본 정보를 보호하면서 잡음을 효과적으로 제거할 수 있는 두 가지 새로운 잡음 제거 알고리즘을 제안하였다.
첫 번째 제안된 알고리즘에서는 비지역적 평균 방법의 경험적인 가중치 분포 분석을 통해 낮은 유사도를 갖는 주변 픽셀들의 가중치를 제거하고 높은 유사도를 갖는 주변 픽셀들의 가중치를 높이는 weighting strategy를 도입하였다. 게다가, 처리시간을 향상시키기 위해서 fast block matching algorithm중 하나인 three step search 기술을 이용하였다.
두 번째 제안된 알고리즘에서는 더 효과적으로 처리시간을 향상시키기 위해 three step search 기술 대신 높은 유사도를 갖는 주변 픽셀들을 찾는 탐색 시간을 줄일 수 있는 diamond search 기술을 이용하였다. 또한, pixel-based comparison 조건을 포함하는 weighting strategy를 이용함으로써 낮은 유사도를 갖는 주변 픽셀들을 위한 계산 양을 감소시켰다.
제안된 알고리즘들은 다양한 잡음레벨에 따라 비지역적 평균 방법과 비교하여 실험하였다. 실험결과 제안된 알고리즘은 기존의 비지역적 알고리즘에 비해 visual quality, processing time 성능 면에서 뛰어난 향상을 보였으며, PSNR 성능 면에서는 거의 비슷한 결과를 얻었다. 결과적으로, 제안된 알고리즘은 기존의 비지역적 평균 방법의 복잡도를 줄이고 다양한 잡음 레벨에 따라 적응적으로 잡음을 제거함으로써 이미지와 영상의 화질을 개선시킬 수 있다.
