초록
동영상에 내재된 잡음을 제거하기 위해 사용되는 움직임 적응적 시간영역 잡음 제거 필터링에서는 움직임의 정도에 따라 필터링의 강도를 적절하게 조절하는 것이 매우 중요하다. 본 논문에서는 최적 자승 학습에 기반을 둔 움직임 적응적 시간영역필터링 방안을 제안한다. 움직임 정도에 따라 각 화소를 분류하여 분류코드를 지정하고, 각 분류코드에 따라 반복적 최적 자승학습에 기반을 둔 최적의 필터 계수를 유도한다. 반복적 학습과정은 사전에 미리 수행되어 학습된 결과만 룩업 테이블에 저장된다. 실제 잡음 제거 필터링 과정에서는 각 화소를 움직임 정도에 따라 분류한 후 분류코드에 따라 룩업 테이블에 있는 필터계수를 읽어 간결한 필터링을 취한다. 실험결과는 제안된 방법이 잡음 제거 응용에서 번짐을 방지하면서 동영상 잡음을 효과적으로 제거함을 보여준다.
In motion adaptive temporal noise reduction filtering used for reducing video noises, the strength of motion adaptive temporal filtering should be carefully controlled according to temporal movement. This paper presents a motion adaptive temporal filtering scheme based on least-square training. Each pixel is classified to a specific class code according to temporal movement, and then, an iterative least-square training method is applied for each class code to find optimal filtering coefficients. The iterative least-square training is an off-line procedure, and the trained filter coefficients are stored in a lookup table (LUT). In actual noise reduction filtering operation, after each pixel is classified by temporal movement, simple filtering operation is applied with the filter coefficients stored in the LUT according to the class code. Experiment results show that the proposed method efficiently reduces video noises without introducing blurring.