Communications for Statistical Applications and Methods

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Adaptive Noise Reduction Algorithm for Image Based on Block Approach

블럭 방법에 근거한 영상의 적응적 잡음제거 알고리즘

  • Kim, Yeong-Hwa (Department of Applied Statistics, Chung-Ang University)
  • 김영화 (중앙대학교 응용통계학과)
  • Received : 2011.10.21
  • Accepted : 2012.01.16
  • Published : 2012.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

Noise reduction is an important issue in the field of image processing because image noise worsens the quality of the input image. The basic difficulty is that the noise and the signal are not easy to distinguish. Simple moothing is one of the most basic and important procedures to remove the noise, however, it does not consider the level of noise. This method effectively reduces the noise but the feature area is simultaneously blurred. This paper considers the block approach to detect noise and image features of the input image so that noise reduction could be adaptively applied. Simulation results show that the proposed algorithm improves the overall quality of the image by removing the noise according to the noise level.

다양한 이유로 인하여 발생하는 영상 잡음은 영상의 화질을 악화시키므로 발생한 잡음을 제거, 감소하는 것이 영상처리 분야에서 매우 중요한 문제이다. 이러한 문제를 해결하는데 가장 근본적인 어려움은 영상 정보에서 제거해야할 잡음과 보존해야 할 신호를 구별하는 것이 쉽지 않다는 것이다. 단순평활법과 같은 잡음 제거과정은 영상을 개선하는데 사용되는 기초적이고 중요한 방법이지만 영상을 오염시키는 잡음의 크기를 고려하지 않는 결점이 있다. 즉, 이러한 방법을 사용하면 잡음을 감소시키는 효과와 함께 잡음이 적거나 없는 부분까지도 열화되어 영상이 흐릿해지는 단점을 보이게 된다. 본 연구에서는 입력 영상에서 신호와 잡음을 효과적으로 구별하여 잡음의 상대적인 크기에 따라 적응적으로 잡음을 제거할 수 있는 방법을 블록 방법을 이용하여 제안한다. 모의실험 결과, 본 연구에서 제안하는 알고리즘에 의해 적응적으로 잡음을 제거함으로써 전체적인 영상의 질이 개선되는 것을 확인하였다.

Keywords

References

  1. Chan, R. H., Ho, C. W. and Nikolova, M. (2005). Salt-and-pepper noise removal by median-type noise detectors and detail-preserving regulation, IEEE Transactions on Image Processing, 14, 1479-1485. https://doi.org/10.1109/TIP.2005.852196
  2. Eng, H. L. and Ma, K. K. (2001). Noise adaptive soft-switching median filter, IEEE Transactions on Image Processing, 10, 242-251. https://doi.org/10.1109/83.902289
  3. Hartley, H. O. (1950a). The use of range in analysis of variance, Biometrika, 37, 271-280. https://doi.org/10.1093/biomet/37.3-4.271
  4. Hartley, H. O. (1950b). The maximum F-ratio as a short cut test for heterogeneity of variance, Biometrika, 37, 308-312.
  5. Hwang, H. and Haddad, R. A. (1995). Adaptive median filters: New algorithms and results, IEEE Transactions on Image Processing, 4, 499-502. https://doi.org/10.1109/83.370679
  6. Kim, Y. H. and Lee, J. (2005). Image feature and noise detection based on statistical independent tests and their applications in image processing, IEEE Transactions on Consumer Electronics, 51, 1367-1378. https://doi.org/10.1109/TCE.2005.1561869
  7. Kim, Y. H. and Nam, J. (2007). Image feature detection and contrast enhancement algorithms based on statistical tests, Journal of the Korean Data & Information Science Society, 18, 385-399.
  8. Kim, Y. H. and Nam, J. (2008). Deinterlacing algorithm based on statistical tests, Journal of the Korean Data & Information Science Society, 19, 723-734.
  9. Kim, Y. H. and Nam, J. (2009). Statistical algorithm and application for the noise variance estimation, Journal of the Korean Data & Information Science Society, 20, 869-878.
  10. Lee, J., Kim, Y. H. and Nam, J. (2007). Adaptive noise reduction algorithms based on statistical hypotheses tests, IEEE Transactions on Consumer Electronics, 54, 1406-1414. https://doi.org/10.1109/TCE.2008.4637634
  11. Pitas, I. and Venetsanopoulos, A. (1990). Nonlinear Digital Filters: Principles and Applications, Kluwer, Boston, MA.
  12. Zhang, S. and Karim, M. A. (2002). A new impulse detector for switching median filters, IEEE Signal Processing Letter, 9, 360-363. https://doi.org/10.1109/LSP.2002.805310