The Journal of Korean Institute of Communications and Information Sciences (한국통신학회논문지)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지

A Regularized Mixed Norm Multi-Channel Image Restoration Algorithm

정규화 혼합 Norm을 이용한 다중 채널 영상 복원 방식

  • 홍민철 (숭실대학교 정보통신공학부) ;
  • 신요안 (숭실대학교 정보통신공학부) ;
  • 이원철 (숭실대학교 정보통신공학부)
  • Published : 2004.02.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper introduces a regularized mixed norm multi-channel image restoration algorithm using both within-and between- channel deterministic information. For each channel a functional which combines the least mean squares (LMS), the least mean fourth (LMF), and a smoothing functional is proposed. We introduce a mixed norm parameter that controls the relative contribution between the LMS and the LMF, and a regularization parameter defining the degree of smoothness of the solution, where both parameters are updated at each iteration according to the noise characteristics of each channel. The novelty of the proposed algorithm is that no knowledge of the noise distribution for each channel is required and that the parameters mentioned above are adjusted based on the partially restored image.

본 논문에서는 정규화 혼합 norm을 이용한 다중 채널 영상 복원 기법을 제안한다. 채널 영상 간 및 채널 영상내의 결정론적 정보를 이용한 다중 채널 영상 복원에 관한 문제를 고려한다. 제안 방식에서는 각 채널 영상에 대해 LMS (Least Mean Square) 및 LMF (Least Mean Fourth) 및 완화 함수를 결합시킨 부가 함수가 제안된다. 더불어, LMS 및 LMF의 상대적 기여도를 제한하기 위한 혼합 norm 매개 변수 및 완화 함수의 중요성을 제어하는 정규화 매개 변수는 반복 영상으로부터 예측된 각 채널의 노이즈 분포에 의해 결정되어 진다. 제안된 방식은 각 채널 영상의 첨부 노이즈 형태에 대한 사전 정보 없이 복원 과정이 가능하다는 점과 두 매개 변수를 반복 과정에서 부분적으로 복원된 영상으로부터 조절할 수 있는 특성을 갖고 있다.

Keywords

References

  1. IEEE Trans. on Signal Processing v.39 Least squares Restoration of multi-channel images N.P.Galatsanos;A.K.Katsaggelos;R.T.Chin;A.Hillery https://doi.org/10.1109/78.91180
  2. Graphical Models and Image Processing v.57 Regularized multi-channel restoration using cross-validation W.Z.Zhu;N.P.Galatsanos;A.K.Katsaggelos https://doi.org/10.1006/gmip.1995.1005
  3. Digital Image Restoration H.C.Andrews;B.R.Hunt
  4. Springer Series in information Sciences v.23 Digital Image Restoration A.K.Katsaggelos(ed.)
  5. IEEE Signal Processing Magazine v.14 Digital Image Restoration M.R.Banham;A.K.Katsaggelos
  6. High-order Spectra Analysis: A Nonlinear Signal Processing Framework C.L.Nikias;A.P.Petropulu
  7. IEEE Trans. on Information Theory v.IT-30 The least mean fourth adaptive algorithm and its family E.Walach;B.Widrow
  8. Electronics Letters v.30 Least-mean mixed-norm adaptive filtering J.A.Chambers;O.Tanrikulu;A.G.Constantinides https://doi.org/10.1049/el:19941060
  9. Electronics Letters v.30 Least-mean kurtosis: A novel high-order statistics based on adaptive filtering algorithm O.Tanrikulu;A.G.Constantinides https://doi.org/10.1049/el:19940129
  10. IEEE Proceeding of International Conference on Image Processing A Mixed norm image restoration algorithm M.C.Hong;T.Stathaki;A.K.Katsaggelos
  11. Optical Engineering v.41 Iterative regularized least-mean mixed-norm image restoration M.C.Hong;T.Stathaki;A.K.Katsaggelos https://doi.org/10.1117/1.1503072
  12. Solution of Ⅲ-Posed Problem A.Tikhonov;V.Arsenin
  13. IEEE Trans. on Image Processing v.6 Simultaneous MultiChannel Image Restoration and Estimation of the Regularization Parameters M.G.Kang;A.K.Katsaggelos https://doi.org/10.1109/83.568936