Abstract
In impulse noise filtering techniques window size play an important role. Usually, an appropriate window is determined according to the noise density. A small window may not be able to suppress noise properly whereas a large window may remove edges and fine image details. Moreover, the value of the central pixel is estimated by considering all pixels within the window. In this work, contrary to the previous approaches, we propose an iterative impulse noise removal scheme that emphasizes on noise-free pixels within a small neighborhood. The iterative process continues until all noisy pixels are replaced with the estimated pixels. In order to estimate the optimal value for a noisy pixel, a genetic programming (GP) based estimator is evolved that takes few noise-free pixels as input. The estimator is constituent of noise-free pixels, arithmetic operators and random constants. Experimental results show that theproposed scheme is capable of removing impulse noise effectively while preserving the fine image details. Especially, our approach has shown effectiveness against high impulse noise density.
임펄스 잡음 제거 기법들에서 윈도우의 크기는 매우 중요한데, 보통 잡음의 밀도에 따라 적당한 크기의 윈도우를 사용한다. 이때 윈도우가 너무 작으면 잡음을 충분히 제거하지 못하며, 너무 크면 영상 내의 에지나 미세한 형태를 제대로 복원하지 못하고 흐릿하게 만들 수 있다. 또한 잡음이 있는 중앙 화소를 복원하기 위해 이러한 윈도우 내의 모든 화소들이 이용된다. 본 논문에서는 이러한 기존 방법과 달리 작은 크기의 윈도우를 사용하고 잡음이 없이 깨끗한 화소만을 사용하여 임펄스 잡음을 제거하는 새로운 반복적인 알고리즘을 제안한다. 제안된 방법은 모든 잡음 화소가 새로 계산된 추정치로 대체될 때까지 반복된다. 잡음 화소에 대해 최적의 값을 유추하기 위해 제안된 방법에서는 무잡음 화소를 이용한 유전자 프로그래밍 (GP) 기반의 추정자를 제안하는데, 이것은 윈도우 내의 무잡음 화소와, 산술 연산자 및 랜덤 상수들로 이루어진다. 실험을 통해 제안된 방법이 영상 내의 미세한 형태들을 잘 유지하면서 임펄스 잡음을 효과적으로 제거할 수 있음을 알 수 있었는데, 특히 심하게 잡음이 가해진 데이터의 복원에 매우 효과적임을 알 수 있었다.