Contouret의 이변수 가우시안 모델을 이용한 영상의 잡음 감소

Abstract

영상 센서의 발전으로 인해 영상 센서로 획득할 수 있는 영상의 해상도가 향상되고 있다. 하지만 영상의 해상도가 증가 할수록 화소 하나당 수집되는 photon의 수가 감소하여 잡음의 영향도 커진다. 영상획득 장비에서 발생하는 잡음 제거를 위해 전처리 과정 (pre-processing)에서 잡음을 감소시키는 연구가 활발히 진행되고 있다. 영상 영역에서 잡음과 원래의 이미지를 구분하고 이를 제거하는 것이 어렵기 때문에, 주파수 영역에서 잡음을 제거하려는 노력이 이루어지고 있다. Wavelet 변환은 주파수 영역과 공간 영역 특성을 동시에 지니고 있어서 영상 잡음 감소에 널리 사용되는 방법으로써, 다중 스케일 필터를 이용하여 고주파와 저주파를 단계적으로 나눈다. 잡음은 주로 자연 영상의 윤곽선에 민감하게 반응하기 때문에 고주파대의 잡음을 최대한 제거하는 것이 중요하다. 다양한 주파수 대역으로 나누는 wavelet 영역에서 잡음 제거를 수행할 수 있지만, wavelet 영역의 영상은 연속적인 특성을 표현해내는 것에 한계점을 갖고 있다. 이를 보완하기 위해 고안된 contourlet 변환은 기존의 wavelet 변환의 다중 스케일과 더불어 다양한 방향의 필터뱅크를 통과하여 자연영상의 풍부한 방향성분 정보를 얻어 낼 수 있어 영상 잡음 제거에서 유용하게 쓰일 수 있다. 본 논문은 contourlet 변환 영역의 스케일 사이의 부모-자식의 관계성을 이용한다. 또한, contourlet 변환 계수를 이변수 가우시안 확률 모델로 설정하여, 부모-자식 관계성을 적용하여 변수를 1차원으로 줄이고 연산을 수월하게 만들어 준다. 이변수 가우시안 확률 모델을 베이즈 추정법에 적용하여 영상의 화이트 가우시안 잡음을 제거한다. 베이즈 추정법에 필요한 파라미터들은 근사적으로 추정한다. 영상의 잡음 제거의 성능을 높이기 위해서, 간단한 기법을 추가시켰다. Circular shift를 이용한 cycle-spinning 방법과 2-D Wiener filter 이다. Cycle-spinning 기법은 다수의 필터를 통과하면서 생겨나는 contourlet의 결함을 보완해주기 때문에 잡음 제거의 성능을 높여준다. 제안한 방법을 실험을 통해 PSNR (peak signal-to-noise ratio)값으로 객관적인 평가를 하였으며, 결과 영상을 통해 주관적 평가도 가능하다. 실험을 통해 wavelet 보다 contourlet을 이용한 잡음 제거 방법의 성능이 좋아짐을 확인 할 수 있다.;There is a trade-off between image resolution and image quality in image capturing devices. In high resolution image, the number of photon in each pixel is decreased and the image tends to be noise sensitive. To increase its visual quality, noise reduction algorithm should be applied for preprocessing. Conventionally, wavelet transform is widely used in denoising. The contourlet transform is known to be an efficient method that can capture smooth contours and edges better than wavelet. The contourlet transform is composed of two-dimensional laplacian pyramid filter and directional filter bank. Unlike wavelet transform, it has directional filters which offer various direction information. In this paper, we propose a noise reduction method based on contourlet transform. We applied interscale dependency of contourlet coefficients in bivariate Gaussian probability distribution model. Bayesian estimation is performed for noise reduction using this model. Parameters for Bayesian estimation are estimated by employing statistical techniques. Upon this scheme, we additionally apply a cycle-spinning method for better performance. The proposed method is evaluated by PSNR (dB) measurement and its visual quality, and shows better performance over the wavelet transform when combined with cycle-spinning.