영상의 이진화평면 분해에 기반한 확장된 블록매칭 잡음제거

Enhanced Block Matching Scheme for Denoising Images Based on Bit-Plane Decomposition of Images

Abstract

블록매칭을 이용한 잡음제거 방법은 영상 내의 이웃하는 블록들이 서로 비슷한 특질을 가지고 있다는 실험적 관찰에 기반한 방법으로서 잡음제거에 있어서 우수한 성능을 보인다. 그러나 블록매칭 잡음제거 방법은 유사한 블록을 찾고 수집하는 작업이 영상 내의 이웃 블록들을 대상으로 이루어지며 참조블록의 특질은 유사한 블록을 찾는 목적 외에는 사용되지 않는다. 따라서 가우스분포 상의 이상치(outlier)가 존재할 때 잡음제거 성능은 그 값의 영향을 받을 수 밖에 없다. 본 논문에서는 잡음에 오염된 영상을 이진화평면으로 분해하여 각 블록의 참 화소값의 범위를 추정하고 이를 근거로 이상치 값을 추정된 참 화소값의 범위내의 값으로 대치하는 방법을 통해 확장된 블록매칭 기법을 제안한다. 전통적인 가우시안 필터는 잡음제거 대상이 되는 화소와 이웃하는 화소들의 값을 모두 계산에 적용하므로 영상의 세부적인 특질이 보존되지 않는 단점이 있는데 이를 극복하기 위해 이진화평면을 구성하여 해당 화소의 참값 범위를 추정한 후 그 범위 안에 속하는 화소값만을 이용하여 잡음제거를 하므로 세부적인 특질이 보존될 수 있는 장점이 있다. 가우시안 필터의 장점과 블록매칭의 장점을 융합하는 방법을 통해 성능 향상을 꾀할 수 있을 것으로 예상되며 실제로 잡음이 추가된 다양한 영상을 통해 실험을 한 결과 잡음제거의 성능을 향상시킬 수 있음을 검증하였다.

Image denoising methods based on block matching are founded on the experimental observations that neighboring patches or blocks in images retain similar features with each other, and have been proved to show superior performance in denoising different kinds of noise. The methods, however, take into account only neighboring blocks in searching for similar blocks, and ignore the characteristic features of the reference block itself. Consequently, denoising performance is negatively affected when outliers of the Gaussian distribution are included in the reference block which is to be denoised. In this paper, we propose an expanded block matching method in which noisy images are first decomposed into a number of bit-planes, then the range of true signals are estimated based on the distribution of pixels on the bit-planes, and finally outliers are replaced by the neighboring pixels belonging to the estimated range. In this way, the advantages of the conventional Gaussian filter can be added to the blocking matching method. We tested the proposed method through extensive experiments with well known test-bed images, and observed that performance gain can be achieved by the proposed method.

그림 1. BM3D 기법의 시스템 흐름도 Fig. 1. BM3D Filtering System Flow

그림 2. 이진화평면 분해의 예 (L = 24). Fig. 2. Example of bit-plane decomposition (L = 24).

그림 3. 이상치(outlier)를 중심으로 3x3 윈도우 내에서 참값 추정치 범위내의 화소값 가져오기의 예. Fig. 3. Collecting the pixels belonging to the confident range of the outlier pixel which is at the center of 3x3 window.

그림 4. 이상치를 참값 추정치 범위내의 화소값으로 대치하는 방법. Fig. 4. Replacing the outlier pixels with the pixels belonging to the estimated range of true pixel values.

그림 5. 실험 영상. Fig. 5. Images used for the experiments.

그림 6. Barbara영상의 잡음제거 예. Fig. 6. Examples of denoising Barbara image.

그림 7. 최대 성능과 최소 성능의 잡음제거 예. Fig. 7. Examples of max and min denoising performance.

표 1. 잡음제거의 PSNR(dB) 성능평가 Table 1. Denoising results in PSNR (dB)