JP4858609B2 - ノイズ低減装置、ノイズ低減方法、及びノイズ低減プログラム - Google Patents

Description

本発明は、ノイズ低減装置に関し、特に画像のノイズを低減することにより画質を改善するノイズ低減装置に関する。なお、本出願は、日本出願番号２００７−０４７８６９に基づく優先権を主張するものであり、日本出願番号２００７−０４７８６９における開示内容は引用により本出願に組み込まれる。

ノイズ低減方法として大きく２つの方法がある。第１の方法は、近傍を平滑化する方法である。第２の方法は、エッジ領域を検出し、検出結果に応じて処理を分割する方法である。

第１の方法の例では、ノイズ低減装置が、入力画像データの濃度及びコントラストから、平均化する周辺画素を決定すると同時に周辺画素への重み係数を決定する。

これに関連する技術として、特開平０３−０５４６７９号公報に「画像処理装置」が開示されている。この画像処理装置は、入力画像データと周辺画素データとを平均化する平均化処理部と、入力画像データの濃度及びコントラストから平均化する周辺画素を決定する平均化処理決定部と、平均化データと入力画像データとを重み付け演算する重み付け演算部と、入力画像データの濃度及びコントラストから重み付け演算係数を決定する重み付け演算係数決定部とを有する。

第２の方法の例では、画像処理装置が、入力画像を、エッジ領域と、それ以外のエッジ反転領域とに分割し、エッジ反転領域において平滑化を施した後に、エッジ領域と合成する。

これに関連する技術として、特開平０９−０４４６５４号公報に「画像処理装置、画像処理方法、ノイズ除去装置及びノイズ除去方法」が開示されている。この関連技術では、Ａ／Ｄ変換器は、Ａ／Ｄ変換により、アナログ輝度信号をディジタル輝度信号に変換し、このディジタル輝度信号を、微分器、ヒストグラム生成器及び係数メモリに供給する。微分器は、ディジタル輝度信号の次微分値の絶対値（微分絶対値）を算出し、ヒストグラム生成器に供給する。ヒストグラム生成器は、微分絶対値のうち、所定の閾値よりも小さい微分絶対値を有するディジタル輝度信号の輝度レベルをカウントし、画面分の輝度レベルのヒストグラムを生成する。ヒストグラム平滑化器は、ヒストグラムを平滑化して、平滑化ヒストグラムを生成する。係数算出器は、平滑化ヒストグラムに基づいて、一様領域係数を算出し、その係数テーブルを係数メモリに供給する。係数メモリは、画面中の各画素位置に、一様領域係数を対応付ける。

しかし、平滑化に用いる近傍画素を重み付けするノイズ低減方法では、エッジが不連続になる場合や、画像全体が油絵風に変換される場合があり、主観的な画質を損なう場合がある。

また、エッジ領域を検出するノイズ低減方法では、エッジ画素とノイズ画素との判別を誤ってノイズを十分に除去できない場合がある。

これらの問題の原因は、いずれのノイズ低減方法においても、画像中に含まれるノイズ成分を正しく推定していないからである。

その他、関連する技術として、特開２００６−０６０２８６号公報に「ブロックノイズ低減装置」が開示されている。このブロックノイズ低減装置は、画像の動きが極めて大きい画面内において、その画面内の画像の平坦な領域に対して平滑化処理を施し、ブロックノイズを低減している。平滑化処理とは、画像情報から空間周波数の高い成分を取り除くことをいう。画像の平坦な領域はもともと空間周波数の高い成分を有しないので、平滑化処理を施しても画像情報は失われない。

また、特開２００６−１１５２６８号公報に「ブロックノイズ低減装置」が開示されている。このブロックノイズ低減装置は、フレーム相関判定部と、平坦領域検出部と、高周波領域検出部と、平滑化処理部と、処理領域設定部とを備える。フレーム相関判定部は、フレーム間における復号画像信号の相関の高さを判定する。平坦領域検出部は、復号画像信号の中から近隣の画素との輝度差が小さい画像領域を平坦領域として検出する。高周波領域検出部は、復号画像信号の中から高い空間周波数成分を含む画像領域を高周波領域として検出する。平滑化処理部は、所定の領域に対する復号画像信号に平滑化処理を施す。処理領域設定部は、平滑化処理部が復号画像信号に平滑化処理を施すべき画像領域を設定する。このとき、処理領域設定部は、少なくともフレーム間の相関の低いフレームにおける復号画像信号の平坦領域であって高周波領域でない領域を処理領域として設定する。

本発明の目的は、入力画像中から除去するべきノイズ成分を正しく推定し、推定されたノイズ成分を用いて画像処理することによって、画質の良い出力画像を得ることができるノイズ低減装置を提供することである。

本発明のノイズ低減装置は、画像中から平坦領域を検出し、平坦領域の座標値を出力する平坦領域検出部と、平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するノイズ成分分析部と、ノイズ周波数帯域成分に応じて画像のノイズ成分を抑圧するノイズ成分抑圧部とを含む。

本発明のノイズ低減方法は、画像中から平坦領域を検出するステップと、平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、ノイズ周波数帯域成分に応じて画像のノイズ成分を抑圧するステップとを含む。

本発明の記憶媒体は、画像中から平坦領域を検出するステップと、平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、ノイズ周波数帯域成分に応じて画像のノイズ成分を抑圧するステップとをコンピュータに実行させるためのプログラムを格納する。

本発明のノイズ低減プログラムは、画像中から平坦領域を検出するステップと、平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、ノイズ周波数帯域成分に応じて画像のノイズ成分を抑圧するステップとをコンピュータに実行させるためのプログラムである。

本発明により、直線の不連続や絵画的な不自然さを生じることなく、自然なノイズ低減画像が得られる。

図１は、本発明の第１実施形態の構成を示すブロック図である。 図２は、平坦領域とノイズ成分分析を説明するための図である。 図３は、本発明の第１実施形態の動作を示すフローチャートである。 図４は、本発明の第２実施形態の構成を示すブロック図である。 図５は、カテゴリ別の属性テーブルの例を示す図である。 図６は、本発明の第２実施形態の動作を示すフローチャートである。

以下に、本発明の第１実施形態について添付図面を参照して説明する。
図１を参照すると、本発明のノイズ低減装置は、平坦領域検出部１と、ノイズ成分分析部２と、ノイズ成分抑圧部３とを含む。

平坦領域検出部１は、入力画像中からノイズ成分を評価すべき部分領域である平坦領域を検出し、検出された平坦領域の座標値を出力する。平坦領域検出部１は、平坦度評価部１１と、平坦領域座標算出部１２とを含む。平坦度評価部１１は、入力画像をいくつかの小領域に分割し、夫々の小領域における平坦度を評価する。平坦度評価部１１は、領域内の濃淡変化の度合いを表す平坦指標Ｓを計算することによって、平坦度を評価する。すなわち、平坦指標Ｓの値が、平坦度となる。平坦領域座標算出部１２は、平坦指標Ｓに基づいて、最も平坦な領域を探索し、発見された領域の座標を出力する。

平坦指標Ｓの例として、領域Ａ内の画素値の分散を用いる方法がある。領域Ａ内の画素値の分散を用いて算出される平坦指標ＳをＳ１とすると、Ｓ１の算出方法の例は、式（１）のように表すことができる。

ここで、Ｙ（ｘ，ｙ）は座標ｘ，ｙにおける輝度値を表し、Ｎは領域Ａ内の画素数を表し、ｍｅａｎ（Ｙ）は領域内Ａの輝度平均を表す。カラー画像の場合、平坦指標Ｓとして、輝度値Ｙではなく、ＲＧＢの分散値の和を用いることもできる。なお、ＲＧＢとは、色を赤（Ｒ）・緑（Ｇ）・青（Ｂ）の３つの色の組み合わせとして表現したものである。

また、平坦度評価部１１は、領域Ａ内において、中心画素（ｘ０，ｙ０）と周辺画素との輝度値の差分によって、平坦指標Ｓを算出することもできる。中心画素（ｘ０，ｙ０）と周辺画素との輝度値の差分を用いて算出される平坦指標ＳをＳ２とすると、Ｓ２の算出方法の例は、式（２）のように表すことができる。

また、平坦度評価部１１は、領域Ａ内の輝度ヒストグラムｈｉｓｔ［ｉ］を用いて、平坦指標Ｓを算出することもできる。領域Ａ内の輝度ヒストグラムｈｉｓｔ［ｉ］を用いて算出される平坦指標ＳをＳ３とすると、Ｓ３の算出方法の例は、式（３）のように表すことができる。

Ｓ３は情報エントロピーと呼ばれる指標である。平坦度評価部１１は、Ｓ２とＳ３についても、入力がカラー画像の場合、ＲＧＢ値でそれぞれ平坦指標を算出した後にＲ、Ｇ、Ｂの平坦指標の和を求め、総合的な平坦指標として良い。

平坦指標の例として述べたＳ１からＳ３は全て、濃淡変化の度合いが大きいときに計算値が大きくなる。従って、平坦領域座標算出部１２は、最も平坦な領域を探索するためには、平坦指標の小さな領域を探索すれば良い。平坦領域座標算出部１２は、各小領域の平坦指標に基づいて、最も平坦指標の小さな領域の座標値を平坦領域座標として出力する。

ノイズ成分分析部２は、平坦領域検出部１によって得られた平坦領域内においてノイズ成分を分析し、ノイズ特性ベクトルを抽出する。ノイズ成分分析部２は、帯域成分抽出部２１と、統計量算出部２２と、視覚特性重み付け部２３と、ノイズ特性ベクトル保存部２４とを含む。

帯域成分抽出部２１は、平坦領域から予め決められたＭ個の周波数帯域フィルタＦ（ｍ）（但し、ｍ＝１，…，Ｍ）を作用させて所定の帯域成分を抽出する。抽出された帯域成分を帯域成分ベクトルと呼ぶ。帯域成分ベクトルは、周波数だけでなく、色成分とエッジ方向別の帯域成分を含むものとする。

図２を参照して、平坦領域からのノイズ分析について説明する。
平坦領域検出部１は、入力画像４から、平坦領域４１を検出する。帯域成分抽出部２１は、平坦領域の画素値に予め定められた帯域成分を濾過する帯域フィルタリングを施して、いくつかの帯域成分を抽出する。帯域成分抽出部２１は、平坦領域４１よりも小さな分析窓４２により、画素毎にフィルタリングを実行する。帯域成分抽出部２１は、分析窓４２を変換した２次元周波数平面４３を作成する。２次元周波数平面４３は、ＹＵＶ色成分別の、周波数帯域の例を示す。なお、ＹＵＶとは、輝度信号（Ｙ）と、輝度信号と青色成分の差（Ｕ）、輝度信号と赤色成分の差（Ｖ）の３つの情報で色を表す形式である。本発明のノイズ分析方法の一例は、周波数平面における特定帯域に存在する周波数成分を抽出し、抽出された周波数成分の応答値をノイズ特性として用いる方法である。

平坦領域は複数の画素からなるので、帯域成分抽出部２１は、平坦領域の画素に相当する数だけ帯域成分ベクトルを取得する。ここで、Ｌ画素分の帯域成分としてＶ（ｌ，ｍ）（但し、１≦ｌ≦Ｌ，１≦ｍ≦Ｍ）が得られたとすると、統計量算出部２２は、帯域別にＬ個の中で絶対値が最大の値を求め、求められた最大の絶対値を帯域成分ベクトル統計量ＶＲとして出力する。ＶＲの算出例を、式（４）に示す。

視覚特性重み付け部２３は、夫々の帯域に対する視覚特性を反映した重み付けを行う。重み付けは、０から１までの範囲である。例えば、視覚特性重み付け部２３は、ＹＵＶ色空間に分解する時には、Ｙ成分を低減することはノイズ感だけでなく、解像度感に悪影響を与えるため、Ｙ成分については重みを小さくする。一方、視覚特性重み付け部２３は、色成分であるＵＶ成分については、解像度感に与える影響が少ないので、重みを大きくする。また、視覚特性重み付け部２３は、一定以上の高周波帯域に対しては、ノイズへの寄与が少なくなるので、重みを小さくする場合がある。また、視覚特性重み付け部２３は、最適な重み付けについては、対象とする画像表示環境に依存する場合があるので、実際に複数の被験者を使った主観評価によって、重みを決定しても良い。視覚特性重み付け部２３は、帯域ベクトル統計量に重み付けを施したノイズ特性ベクトルＦＮ＝｛ｆｎ（ｍ）：ｍ＝１，２，…，Ｍ｝を出力する。視覚特性重み付け部２３は、ノイズ特性ベクトルを、ノイズ特性ベクトル保存部２４に保存する。

ノイズ成分抑圧部３は、ノイズ分析結果を元に入力画像からノイズ成分を抑圧する。ノイズ成分抑圧部３は、帯域成分抽出部３１と、帯域抑圧ベクトル算出部３２と、画素値補正部３３とを含む。

帯域成分抽出部３１は、入力画像を走査して注目画素の近傍領域に対して、帯域成分ベクトルを抽出する。ここで用いる帯域フィルタは、ノイズ分析に用いる帯域成分抽出部２１と同じフィルタを用いるものとする。

帯域抑圧ベクトル算出部３２は、注目画素における帯域成分ベクトルと、前記ノイズ特性ベクトルとを比較して、帯域抑圧ベクトルを算出する。ここでは、帯域抑圧ベクトル算出部３２は、注目画素近傍における帯域成分ベクトルの値に一定の割合を乗じた値を用いて、帯域抑圧ベクトルを算出する。帯域抑圧ベクトル算出部３２は、次に得られた帯域抑圧ベクトルの各要素の絶対値がノイズ特性ベクトルの要素の値を超える場合は、符号はそのままでノイズ特性ベクトルの要素に置き換える処理を行う。

帯域抑圧ベクトル算出部３２における算出方法について説明する。
帯域抑圧ベクトルをＧ＝｛ｇ（ｍ）：ｍ＝１，２，…，Ｍ｝で表すと、ｍ番目の帯域における抑圧量ｇ（ｍ）の算出方法の例は、式（５）のように表すことができる。

ここで、ａ（ｍ）は、予め指定した任意の係数であり、特定の帯域について抑圧量を抑えるため１．０以下とする場合が多い。例えば、非常に高い周波数成分の抑圧量を抑え、中域の周波数を重点的に大きく抑圧することで、出力画像にて、より自然な質感が再現される場合がある。また、ｒ（ｍ）の算出例を式（６）に示す。

ｒ（ｍ）は、注目画素（ｘ，ｙ）におけるｉ番目の帯域成分である。帯域抑圧ベクトル算出部３２は、座標（ｘ，ｙ）においてフィルタＦ（ｍ）と入力画像Ｙ（ｘ，ｙ）とのコンボリューション演算（ｃｏｎｖｏｌｕｔｉｏｎ）の結果としてｒ（ｍ）を算出する。フィルタＦ（ｍ）は、ノイズ成分分析に用いたフィルタと同じ帯域のフィルタであり、フィルタ係数や演算回路として同じものを用いることができる。ｆｎ（ｍ）は、ｍ番目の帯域に対応するノイズ特性ベクトルＦＮの要素である。ここでは、ノイズ特性ベクトルは、正の値である。

画素値補正部３３は、注目画素値（ここではＹ（ｘ，ｙ））から帯域抑圧ベクトルＧ＝｛ｇ（ｍ）：ｍ＝１，２，…，Ｍ｝を減算する。画素値補正部３３の算出例を、式（７）に示す。

一般に、ノイズ成分として高周波成分の抑圧量を大きくすればするほどノイズ低減効果は高くなるが、一方で、エッジや細かい構造物の詳細がぼやけてしまうという問題がある。本発明では、ノイズの周波数帯域成分を推定することにより、エッジ領域において必要以上の周波数成分抑圧を阻止することが可能となり、画像に応じて抑圧量が最適化されたノイズ低減処理を実現することができる。

図３を参照して、本発明の第１実施形態の動作の概要について説明する。
（１）ステップＳ１０１
平坦度評価部１１は、入力画像を複数の小領域に分割し、夫々の小領域における平坦度を評価する。
（２）ステップＳ１０２
平坦領域座標算出部１２は、各小領域の平坦指標を計算し、最も平坦指標の小さな領域の座標値を平坦領域座標として出力する。
（３）ステップＳ１０３
帯域成分抽出部２１は、平坦領域から予め決められた個数の周波数帯域フィルタを作用させて所定の帯域成分（帯域成分ベクトル）を抽出する。
（４）ステップＳ１０４
統計量算出部２２は、帯域別に帯域成分ベクトルの絶対値が最大の値を求め、求められた最大の絶対値を帯域成分ベクトル統計量として出力する。
（５）ステップＳ１０５
視覚特性重み付け部２３は、夫々の帯域に対する視覚特性を反映した重み付けを行う。重み付けは、０から１までの範囲である。
（６）ステップＳ１０６
視覚特性重み付け部２３は、帯域ベクトル統計量に重み付けを施したノイズ特性ベクトルを出力し、ノイズ特性ベクトル保存部２４に保存する。
（７）ステップＳ１０７
帯域成分抽出部３１は、入力画像を走査して、注目画素の近傍領域に対して、帯域成分ベクトルを抽出する。ここで用いる帯域フィルタは、ノイズ分析に用いる帯域成分抽出部２１と同じフィルタを用いるものとする。
（８）ステップＳ１０８
帯域抑圧ベクトル算出部３２は、注目画素における帯域成分ベクトルと、ノイズ特性ベクトル保存部２４に保存されているノイズ特性ベクトルとを比較して、帯域抑圧ベクトルを算出する。
（９）ステップＳ１０９
画素値補正部３３は、注目画素値（注目画素の画素値）から帯域抑圧ベクトルを減算し、出力画像を送出する。注目画素値（注目画素の画素値）の例として、輝度値、或いはＲＧＢ値が考えられる。

以下に、本発明の第２実施形態について図面を参照して詳細に説明する。
図４を参照すると、本発明の第２実施形態では、平坦領域検出部１は、平坦度評価部１１と、平坦領域座標算出部１２と、画像シーン分類部１３と、画素属性範囲選択部１４とを含む。

図４における平坦度評価部１１の動作は、図１の平坦度評価部１１と同じであり、平坦指標を算出する。画像シーン分類部１３は、入力画像を、絵柄に応じていくつかのカテゴリに分類する。カテゴリの例として、ポートレート、風景、夜景、花、逆光、などがある。例えば、画像シーン分類部１３は、画像中から色やテクスチャなどの特徴量を抽出し、予め保持しておいたカテゴリ別の辞書データと比較して、最も辞書データと近いカテゴリに分類する。画像シーン分類部１３は、入力画像の属するカテゴリ番号ｚを出力する。

画素属性範囲選択部１４は、予め保持しているテーブルを参照して、カテゴリ番号ｚに対応する属性を出力する。属性テーブルの例を図５に示す。図５においては、カテゴリに対応する属性の例として色相Ｈ、彩度Ｓ、明度Ｖ、夫々の最大値と最小値がテーブルに記載されている。平坦領域座標算出部１２は、前記属性を満たす領域の内で平坦指標Ｓが最も小さい領域の座標を算出する。

平坦領域検出部１は、画像シーンに合わせて、探索する平坦領域を変化させることができる。例えば、夜景であれば、暗い領域のノイズを評価するのが望ましいので、平坦領域座標算出部１２に明度の低い領域のみを探索するように指示することができる。同様に、ポートレートであれば、肌色を重点的に探索するのが望ましい。これらの探索範囲の動的変更は、特定の画像シーン別の属性を、画素属性範囲選択部１４に予めテーブルに保持しておくことで実現できる。

図６を参照して、本発明の第２実施形態における平坦領域検出部１の動作について説明する。
（１）ステップＳ２０１
平坦度評価部１１は、入力画像を複数の小領域に分割し、夫々の小領域における平坦度を評価する。
（２）ステップＳ２０２
画像シーン分類部１３は、入力画像を、絵柄に応じていくつかのカテゴリに分類し、入力画像の属するカテゴリ番号を出力する。
（３）ステップＳ２０３
画素属性範囲選択部１４は、予め保持しているテーブルを参照して、カテゴリ番号ｚに対応する属性を出力する。
（４）ステップＳ２０４
平坦領域座標算出部１２は、前記属性を満たす領域の内で平坦指標が最も小さい領域の座標を算出し、最も平坦指標の小さな領域の座標値を平坦領域座標（ノイズ評価領域座標）として出力する。

ここでは、平坦領域座標算出部１２は、ノイズ評価領域座標を出力し、帯域成分抽出部２１に入力する。帯域成分抽出部２１に続く処理は、第１実施形態と同様である。

以上のように、本発明のノイズ低減装置は、画像の絵柄のカテゴリに応じた最適なノイズ低減を実現することができる。

本発明のノイズ低減装置は、平坦領域検出部と、ノイズ成分分析部と、ノイズ成分抑圧部を含む。平坦領域検出部は、画像中から平坦領域を検出する。ノイズ成分分析部は、前記平坦領域からノイズ成分を分析する。ノイズ成分抑圧部は、ノイズ成分分析部の結果を元にノイズを抑圧する。また、ノイズ成分分析部は、周波数帯域成分を抽出する帯域成分抽出部を含む。ここでは、ノイズ成分抑圧部は、周波数帯域成分に応じて抑圧量を制御する。例えば、ノイズ成分抑圧部は、ノイズ周波数帯域成分を抑圧量の上限とする。

このとき、ノイズ成分抑圧部は、入力画像の注目画素において周辺の空間周波数成分を分析して得られる注目画素周波数帯域成分を抽出する。注目画素周波数帯域成分がノイズ周波数帯域成分以下の場合には、注目画素周波数帯域成分を抑圧量の上限とする。注目画素周波数帯域成分がノイズ周波数帯域成分よりも大きい場合には、ノイズ周波数帯域成分を抑圧量の上限とする。なお、周波数帯域成分は方向別の周波数帯域成分でも良い。また、周波数帯域成分は色成分別の周波数帯域成分でも良い。

なお、ノイズ成分分析部は、帯域成分を抽出する帯域成分抽出部と、帯域成分に視覚特性に基づいて重み付けする視覚特性重み付け部を含む場合がある。平坦領域検出部は、入力画像の絵柄のカテゴリを分類する画像シーン分類部を含む場合がある。

本発明のノイズ低減方法では、まず、画像中から平坦領域を検出し、平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出する。次に、ノイズ周波数帯域成分を用いて入力画像のノイズ成分を抑圧する。ここでは、ノイズ成分を抑圧する際、ノイズ周波数帯域成分に応じて抑圧量を制御する。例えば、入力画像のノイズ成分を抑圧するステップでは、ノイズ周波数帯域成分を抑圧量の上限とする。

このとき、入力画像のノイズ成分を抑圧する際に、入力画像の注目画素において周辺の空間周波数成分を分析して得られる注目画素周波数帯域成分を抽出する。注目画素周波数帯域成分がノイズ周波数帯域成分以下の場合には、注目画素周波数帯域成分を抑圧量の上限とする。注目画素周波数帯域成分がノイズ周波数帯域成分よりも大きい場合には、ノイズ周波数帯域成分を抑圧量の上限とする。なお、周波数帯域成分は方向別の周波数帯域成分でも良い。また、周波数帯域成分は色成分別の周波数帯域成分でも良い。

ノイズ周波数帯域成分を抽出する際、抽出された周波数帯域成分に対して視覚特性に基づいた重み付けする場合がある。また、画像中から平坦領域を検出する際、入力画像の絵柄のカテゴリを分類する場合がある。

本発明の効果は、直線の不連続や絵画的な不自然さを生じることなく、自然なノイズ低減画像が得られることにある。また、エッジ部分のぼやけを抑えた解像度感の高いノイズ低減画像が得られることにある。その理由は、画像中のノイズ成分を、画像に応じて正しく推定できるため、各画素における補正量を最適化することができるからである。

Claims (22)

1. 画像中から平坦領域を検出する平坦領域検出手段と、
   前記平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するノイズ成分分析手段と、
   前記ノイズ周波数帯域成分に応じて前記画像のノイズ成分を抑圧するノイズ成分抑圧手段と
   を具備する
   ノイズ低減装置。
2. 請求の範囲１に記載のノイズ低減装置であって、
   前記平坦領域検出手段は、
   前記画像を複数の小領域に分割し夫々の小領域における平坦度を評価する平坦度評価手段と、
   前記平坦度に基づいて、最も平坦な領域を探索して該領域の座標を出力する平坦領域座標算出手段と
   を具備する
   ノイズ低減装置。
3. 請求の範囲２に記載のノイズ低減装置であって、
   前記平坦領域検出手段は、
   前記画像を絵柄に応じたカテゴリに分類し、前記画像の属するカテゴリ番号を出力する画像シーン分類手段と、
   前記カテゴリ番号に対応する属性を出力する画素属性範囲選択手段と
   を更に具備する
   ノイズ低減装置。
4. 請求の範囲１乃至３のいずれかに記載のノイズ低減装置であって、
   前記ノイズ成分分析手段は、
   前記平坦領域から所定の個数の周波数帯域フィルタを作用させて帯域成分ベクトルを抽出する平坦領域帯域成分抽出手段と、
   帯域別に所定の画素分の帯域成分ベクトルの中で絶対値が最大の値を求め、前記最大の絶対値を帯域成分ベクトル統計量として出力する統計量算出手段と、
   前記帯域ベクトル統計量に視覚特性を反映した重み付けを施したノイズ特性ベクトルを出力する視覚特性重み付け手段と、
   前記ノイズ特性ベクトルを格納するノイズ特性ベクトル保存手段と
   を具備する
   ノイズ低減装置。
5. 請求の範囲４に記載のノイズ低減装置であって、
   前記ノイズ成分抑圧手段は、
   前記画像を走査して注目画素の近傍領域に対して帯域成分ベクトルを抽出する注目画素帯域成分抽出手段と、
   前記注目画素における帯域成分ベクトルと、前記ノイズ特性ベクトルとを比較して、帯域抑圧ベクトルを算出する帯域抑圧ベクトル算出手段と、
   前記注目画素の画素値から前記帯域抑圧ベクトルを減算する画素値補正手段と
   を具備する
   ノイズ低減装置。
6. 請求の範囲１乃至５のいずれかに記載のノイズ低減装置であって、
   前記ノイズ成分抑圧手段は、前記ノイズ周波数帯域成分を抑圧量の上限とする
   ノイズ低減装置。
7. 請求の範囲１乃至５のいずれかに記載のノイズ低減装置であって、
   前記ノイズ成分抑圧手段は、前記画像の注目画素において周辺の空間周波数成分を分析して得られる注目画素周波数帯域成分を抽出し、前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分以下の場合、前記注目画素周波数帯域成分を抑圧量の上限とし、前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分よりも大きい場合、前記ノイズ周波数帯域成分を抑圧量の上限とする
   ノイズ低減装置。
8. 画像中から平坦領域を検出するステップと、
   前記平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、
   前記ノイズ周波数帯域成分に応じて前記画像のノイズ成分を抑圧するステップと
   を含む
   ノイズ低減方法。
9. 請求の範囲８記載のノイズ低減方法であって、
   前記平坦領域を検出する際、前記画像の絵柄のカテゴリを分類するステップ
   を更に含む
   ノイズ低減方法。
10. 請求の範囲８又は９に記載のノイズ低減方法であって、
    前記ノイズ周波数帯域成分を抽出する際、前記ノイズ周波数帯域成分に対して視覚特性に基づいた重み付けするステップ
    を更に含む
    ノイズ低減方法。
11. 請求の範囲８乃至１０のいずれかに記載のノイズ低減方法であって、
    前記ノイズ成分を抑圧する際、前記ノイズ周波数帯域成分を抑圧量の上限とするステップ
    を更に含む
    ノイズ低減方法。
12. 請求の範囲８乃至１０のいずれかに記載のノイズ低減方法であって、
    前記ノイズ成分を抑圧する際、前記画像の注目画素において周辺の空間周波数成分を分析して得られる注目画素周波数帯域成分を抽出するステップと、
    前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分以下の場合には、前記注目画素周波数帯域成分を抑圧量の上限とするステップと、
    前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分よりも大きい場合には、前記ノイズ周波数帯域成分を抑圧量の上限とするステップと
    を更に含む
    ノイズ低減方法。
13. 請求の範囲８乃至１２のいずれかに記載のノイズ低減方法であって、
    方向別の周波数帯域成分を、前記ノイズ周波数帯域成分とするステップ
    を更に含む
    ノイズ低減方法。
14. 請求の範囲８乃至１２のいずれかに記載のノイズ低減方法であって、
    色成分別の周波数帯域成分を、前記ノイズ周波数帯域成分とするステップ
    を更に含む
    ノイズ低減方法。
15. 画像中から平坦領域を検出するステップと、
    前記平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、
    前記ノイズ周波数帯域成分に応じて前記画像のノイズ成分を抑圧するステップと
    をコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
16. 請求の範囲１５記載の記憶媒体であって、
    前記平坦領域を検出する際、前記画像の絵柄のカテゴリを分類するステップ
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
17. 請求の範囲１５又は１６に記載の記憶媒体であって、
    前記ノイズ周波数帯域成分を抽出する際、前記ノイズ周波数帯域成分に対して視覚特性に基づいた重み付けするステップ
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
18. 請求の範囲１５乃至１７のいずれかに記載の記憶媒体であって、
    前記ノイズ成分を抑圧する際、前記ノイズ周波数帯域成分を抑圧量の上限とするステップ
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
19. 請求の範囲１５乃至１７のいずれかに記載の記憶媒体であって、
    前記ノイズ成分を抑圧する際、前記画像の注目画素において周辺の空間周波数成分を分析して得られる注目画素周波数帯域成分を抽出するステップと、
    前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分以下の場合には、前記注目画素周波数帯域成分を抑圧量の上限とするステップと、
    前記注目画素周波数帯域成分が前記ノイズ周波数帯域成分よりも大きい場合には、前記ノイズ周波数帯域成分を抑圧量の上限とするステップと
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
20. 請求の範囲１５乃至１９のいずれかに記載の記憶媒体であって、
    方向別の周波数帯域成分を、前記ノイズ周波数帯域成分とするステップ
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
21. 請求の範囲１５乃至１９のいずれかに記載の記憶媒体であって、
    色成分別の周波数帯域成分を、前記ノイズ周波数帯域成分とするステップ
    を更にコンピュータに実行させるためのプログラムを格納した
    記憶媒体。
22. 画像中から平坦領域を検出するステップと、
    前記平坦領域から予め決められた特定の空間周波数成分を濾過して得られるノイズ周波数帯域成分を抽出するステップと、
    前記ノイズ周波数帯域成分に応じて前記画像のノイズ成分を抑圧するステップと
    をコンピュータに実行させるための
    ノイズ低減プログラム。

Images