KR101753365B1 - Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치 - Google Patents

Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치 Download PDF

Info

Publication number
KR101753365B1
KR101753365B1 KR1020160050947A KR20160050947A KR101753365B1 KR 101753365 B1 KR101753365 B1 KR 101753365B1 KR 1020160050947 A KR1020160050947 A KR 1020160050947A KR 20160050947 A KR20160050947 A KR 20160050947A KR 101753365 B1 KR101753365 B1 KR 101753365B1
Authority
KR
South Korea
Prior art keywords
image
noise
correction value
region
calculating
Prior art date
Application number
KR1020160050947A
Other languages
English (en)
Inventor
이창우
김동민
Original Assignee
가톨릭대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020160050947A priority Critical patent/KR101753365B1/ko
Application granted granted Critical
Publication of KR101753365B1 publication Critical patent/KR101753365B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G06T5/002—
    • G06T5/009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 영상의 잡음 제거시 NL means(Non-Local means) 방법을 사용하여 영상의 잡음 제거 성능을 향상시킬 뿐 아니라 영상의 잡음을 효율적으로 제거할 수 있는 영상 잡음 제거방법 및 장치에 관한 것으로, 본 발명은 잡음이 포함된 영상을 이산코사인 변환(Discrete Cosine Transform, DCT) 영역으로 변환하는 단계와, 상기 이산코사인 변환된 영역의 블록에서 일부 계수를 선택하는 단계와, 상기 선택된 일부 계수에 대해 NL(Non-Local) means 방법을 적용하여 보정값을 산출하는 단계와, 상기 산출된 보정값을 공간 영역 상에 적용하는 단계를 포함하여 구성되는 것을 특징으로 한다.

Description

Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치{METHOD AND APPARATUS FOR REDUCING NOISE OF IMAGE USING NON LOCAL MEANS}
본 발명은 영상 잡음 제거 방법 및 장치에 관한 것으로, 보다 상세하게는, 영상의 잡음 제거시 NL means(non-local means) 방법을 사용하여 영상의 잡음 제거 성능을 향상시킬 뿐 아니라 영상 잡음 제거를 효과적으로 수행할 수 있는 영상 잡음 제거 방법 및 장치에 관한 것이다.
영상에 불규칙한 잡음(noise)이 첨가되었을 때 이를 제거하기 위하여 다양한 방법이 적용되고 있다.
일반적으로, 영상의 잡음을 제거하는데 있어서, 영상이 갖는 잡음의 정도를 검출한 후, 검출된 잡음의 정도를 통해 잡음이 많다고 판단되면 영상을 강하게 필터링하고, 잡음이 적다고 판단되면 영상을 약하게 필터링하는 방식을 적용하였다.
여기서, 영상의 필터링을 강하게 한다는 것은 잡음을 제거하고자 하는 화소의 주변 화소들을 많이 이용하여 그 화소의 잡음을 제거하는 것을 의미하고, 반대로, 영상의 필터링을 약하게 한다는 것은 잡음을 제거하고자 하는 화소의 주변 화소들을 적게 이용하여 그 화소의 잡음을 제거한다는 것을 의미하게 된다.
영상의 잡음을 제거하는 방법과 관련하여, 로우 패스 필터(Low-pass filter) 및 메디안 필터(median filter)를 사용한 영상 잡음 제거에서부터 웨이브렛 필터(wavelet filter)를 이용한 영상 잡음 제거 기법 및 바이래터럴 필터(bilateral filter)를 이용한 잡음 제거 방법이 적용되고 있다.
로우 패스 필터를 사용한 영상 잡음 제거 방법은 가장 고전적인 방식으로, 영상의 잡음을 제거할 수 있는 반면, 영상의 고주파 성분도 함께 손실되어 얼룩(blur)이 발생할 가능성이 높다. 또한, 메디안 필터를 사용하면 로우 패스 필터를 사용할 때 발생하는 얼룩(blur)을 어느 정도 줄일 수 있지만 군집 잡음에 대하여 잘 동작하지 않는 단점이 있다.
바이래터럴 필터는 주변 화소간의 거리뿐만 아니라 주변 화소간의 유사도를 고려한 가중치를 이용하여 출력값을 구함으로써 영상의 에지(edge) 성분을 보존하면서 영상을 부드럽게(smoothing)하여 영상 잡음도 제거하도록 하고 있다.
변환 영역의 잡음 감소 방법으로는 웨이브렛 필터(wavelet filter)를 이용한 방법이 주로 사용되는데, 웨이브렛 필터를 이용하여 영상을 부대역으로 분할하고 영상의 특성을 분석하여 고주파 대역 신호를 영상의 특성에 따라서 축소하여 영상의 잡음을 감소시키는데, 영상의 잡음은 대부분 고주파 성분을 많이 포함하고 있고 각 부대역별로 포함된 잡음의 정도가 다르기 때문에 각 부대역별로 각 영상 신호의 특성을 통계적으로 분석하여 영상의 국부적인 특성에 맞게 고주파 신호를 부대역별로 적절히 감소시킴으로써 영상의 잡음을 효율적으로 감소시킬 수 있으며, 기존의 로우 패스 필터에 비해서 고주파 성분을 잘 보존할 수 있기 때문에 좋은 성능을 보이지만 잡음이 큰 경우에 각 영상 신호의 통계적인 특성을 정확하게 분석하기 어려운 단점이 있다.
한편, NL means 방법은 컴퓨터 장치로 입력된 영상의 국부적인 부분의 유사성을 측정하고 국부적인 특성의 유사도에 따라서 가중치를 계산하여 가중합을 구함으로써 영상의 국부적인 특성을 살리면서 잡음을 효율적으로 제거하는 방법인데, 이 방법은 다음의 관계식을 이용하여 영상의 잡음을 제거한다.
[식 1]
Figure 112016040182163-pat00001
여기에서, v(i)와 v(j)는 화소 i와 화소 j의 밝기를 나타내고, 가중치 w(i, j)는 화소 i와 화소 j의 유사성을 나타내며, 0≤w(i, j)≤1 및
Figure 112016040182163-pat00002
을 만족하는 값을 가진다.
위 식에서 가중치의 경우 전체 영상에 대해서 구하는 것이 이상적이지만 계산량을 고려하여 주변 일정 범위에 있는 화소에 대한 가중치를 구함으로써 계산량을 줄이게 된다. 이러한 가중치는 두 화소 i, j의 주변 화소로 이루어진 화소 벡터의 밝기 벡터 v(Ni)와 v(Nj)의 유사성을 이용하여 다음 관계식과 같이 구할 수 있다.
[식 2]
Figure 112016040182163-pat00003
이때, Z(i)는 정규화를 위한 계수를 나타내고 h는 잡음의 표준편차의 4~10 배 값이 주로 사용된다.
[식 3]
Figure 112016040182163-pat00004
NL means 방법은 한 화소의 밝기 값만을 비교하는 것이 아니라, 주변 화소들의 기하학적 모양을 비교하여 유사도에 따라서 가중치를 계산하기 때문에 영상의 기하학적인 모양을 유지하면서 잡음을 제거할 수 있다.
NL means 방법에서 여러 화소에 대한 가중치를 한번에 계산하는 패치-기반(patch-based)의 NL means 방법은 다음 관계식과 같이 나타낼 수 있다.
[식 4]
Figure 112016040182163-pat00005
여기에서, P(i) 및 P(j)는 k× k 개의 화소들로 이루어진 패치(patch)의 밝기를 각각 나타내고, 가중치 w(P(i),P(j))는 패치 P(i) 및 P(j)의 유사성을 나타내며, 화소 단위의 NL means 방법과 같이 주변 화소들의 밝기 정보를 이용하면 패치(patch) 단위로 잡음 제거를 수행할 수 있다.
위에서 설명한 NL means 방법을 이용한 영상 잡음 제거 기법의 경우 우수한 성능을 보이지만 국부적인 유사성을 계산하기 위하여 많은 계산량이 필요한 단점이 있다.
또한, 영상의 잡음 제거기술과 관련하여, 공개특허 제10-2011-0068645호는 블록 기반의 영상 잡음 제거 방법 및 장치에 관한 것으로, 소정 크기의 블록들로 구획된 입력 영상의 블록들 중, 현재 블록을 위한 검색 범위 내의 참조 블록들 및 현재 블록 간의 유사도를 결정하고, 유사도에 기초하여 상기 현재 블록에 대한 참조 블록별 가중치를 결정하여 현재 블록의 잡음을 제거하는 기술이 개시되고 있다.
그러나, 상기와 같은 종래 기술에서는 다수의 참조 블록들과 현재 블록 간의 유사도를 계산해야 하기 때문에, 전체 영상의 잡음 제거시 계산량이 증가할 수 있다는 문제점이 발생할 수 있다.
공개특허 제10-2011-0068645호(2011. 06. 22., 공개)
본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로, NL means(non-local means) 방법을 사용하고 일부 계수만을 사용하여 가중치를 계산함으로써 영상의 잡음 제거 시 계산량을 감소시키면서 잡음 제거 성능을 향상시킬 수 있는 NL means 방법을 이용한 효율적인 영상 잡음 제거방법 및 시스템의 제공을 목적으로 한다.
상기 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 NL means 기법을 이용한 효율적인 영상 잡음 제거 방법은, 잡음이 포함된 영상을 이산코사인 변환(Discrete Cosine Transform, DCT) 영역으로 변환하는 단계와, 상기 이산코사인 변환된 영역의 블록에서 일부 계수를 선택하는 단계와, 상기 선택된 일부 계수에 대해 NL means 방법을 적용하여 보정값을 산출하는 단계와, 상기 산출된 보정값을 공간 영역 상에 적용하는 단계를 포함하여 구성되는 것을 특징으로 한다.
또한, 본 발명에 따른 영상 잡음 제거방법은, 상기 일부 계수를 선택하는 단계에서, 미리 결정된 에너지 집중도 이상을 가지는 계수를 선택하는 것을 특징으로 한다.
또한, 본 발명에 따른 영상 잡음 제거방법은, 상기 보정값을 산출하는 단계에서, 상기 이산코사인 변환된 영역의 블록에 포함되고 중심에 위치한 패치(patch)에 대한 가중합을 계산하여 보정값을 산출하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 영상 잡음 제거방법은, 중복 변환(lapped transform)을 이용하여, 잡음이 포함된 영상을 중복 변환 영역으로 변환하는 단계와, 상기 중복 변환된 영역의 블록에서 일부 계수를 선택하는 단계와, 상기 선택된 일부 계수에 대해 NL means 방법을 적용하여 보정값을 산출하는 단계 및 상기 산출된 보정값을 공간 영역 상에 적용하는 단계를 포함하여 구성되는 것을 특징으로 한다.
본 발명의 일실시예에 따른 영상 잡음(noise) 제거장치는, 잡음이 포함된 영상을 이산코사인 변환(Discrete Cosine Transform, DCT) 영역으로 변환하는 DCT 변환 모듈과, 상기 DCT 변환 모듈을 통해 이산코사인 변환된 영역의 블록에서 일부 계수를 선택하는 대상 화소 선택 모듈 및 상기 대상 화소 선택 모듈에 의해 선택된 일부 계수에 대해 NL means 방법을 적용하여 보정값을 산출하는 보정값 산출 모듈을 포함하고, 상기 보정값 산출 모듈에서 계산된 보정값을 공간 영역 상에 적용하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 영상 잡음(noise) 제거장치는, 잡음이 포함된 영상을 중복 변환(lapped transform) 영역으로 변환하는 중복 변환 모듈과, 상기 중복 변환 모듈에 의해 중복 변환된 영역의 블록에서 일부 계수를 선택하는 대상 화소 선택 모듈 및 상기 대상 화소 선택 모듈에 의해 선택된 일부 계수에 대해 NL means 방법을 적용하여 보정값을 산출하는 보정값 산출 모듈을 포함하고, 상기 보정값 산출 모듈에서 산출된 보정값을 공간 영역 상에 적용하는 것을 특징으로 한다.
본 발명의 Non-local means 기법을 이용한 효율적인 영상 잡음 제거 방법 및 시스템에 따르면, 변환 영역에서 일부 계수만을 이용하여 Non-Local means 기법으로 가중치를 계산함으로써 영상의 잡음 제거 시 계산량을 감소시키면서 잡음 제거 성능을 향상시킬 수 있는 특징이 있다.
또한, 본 발명에 따르면 중복 변환(lapped transform) 영역에서 일부 계수만을 이용하여 각 블록의 유사성을 계산하면, 중복 변환의 높은 에너지 집중도로 인하여 NL means 기법의 성능을 높일 수 있는 이점이 있다.
도 1은, 본 발명의 일실시예 따른 NL(Non-local) means 방법을 이용한 효율적인 영상 잡음 제거장치의 구성을 개략적으로 나타내는 블럭도이다.
도 2는, 본 발명에 따른 NL means 방법을 이용한 효율적인 영상 잡음 제거방법을 나타내는 흐름도이다.
도 3은, 변환 영역에서 본 발명의 NL means 방법의 적용을 예시적으로 나타내는 예시도이다.
도 4는, 본 발명의 다른 실시예 따른 NL(Non-local) means 방법을 이용한 효율적인 영상 잡음 제거장치의 구성을 개략적으로 나타내는 블럭도이다.
도 5는, 본 발명에 따른 NL means 방법을 이용한 효율적인 영상 잡음 제거방법을 나타내는 흐름도이다.
도 6 및 도 7은, 본 발명의 NL means 방법을 적용하여 영상의 잡음을 제거한 결과를 예시적으로 나타내는 예시도이다.
이하, 본 발명의 바람직한 실시 예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 발명의 개념에 따른 실시 예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 특정 실시 예들을 도면에 예시하고 본 명세서 또는 출원에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
도 1은 본 발명에 따른 NL(Non-local) means 기법을 이용한 효율적인 영상 잡음 시스템의 구성을 개략적으로 나타내는 블럭도이고, 도 2는 본 발명에 따른 NL means 기법을 이용한 효율적인 영상 잡음 제거방법을 나타내는 흐름도이다.
또한, 도 3은 변환 영역에서 본 발명의 일부 계수에 대한 NL means 방법의 적용을 예시적으로 나타내는 예시도이다.
본 발명에 따른 방법은 컴퓨팅 장치를 통해 이루어지는 것이 일반적일 것이다.
도면을 참조하면, 본 발명의 일실시예에 따른 NL(Non-local) means 방법을 이용한 효율적인 영상 잡음 제거장치(10)는 DCT 변환모듈(100), 대상 화소 선택모듈(110) 및 보정값 산출모듈(120)을 포함하여 구성될 수 있다.
본 발명에 따른 장치는 우선 잡음을 제거해야 하는 영상을 입력부를 통해 입력받은 후 이를 메모리(도시하지 않음)에 저장한다.
이후 DCT 변환모듈(100)은 저장된 영상을 이산코사인 변환(Discrete Cosine Transform, DCT) 영역으로 변환한다(S101). 이 후 대상 화소 선택모듈(110)에서는 상기 DCT 변환 모듈을 통해 이산코사인 변환된 영역의 블록에서, 도 3의 (b)에 나타낸 바와 같이 에너지 집중도가 높은 일부 계수(회색의 격자로 표현됨)를 선택한다(S102).
에너지 집중도가 높은 계수는 DCT변환의 특징에 따라 발생하는데, DCT 변환시에는 낮은 주파수에 데이터(신호)가 몰리게 되는 에너지 집중현상이 일어난다. 이러한 에너지 집중현상에 따라 도 3의 (b)에서 회색의 격자(화소)로 표현된 부분으로 데이터가 몰리게 되는데, 미리 결정된 수준 이상의 데이터 몰림현상이 발생하는 격자(화소)만을 선택하는 것이다.
그 이후, 보정값 산출모듈(120)에서는 [식 4]를 이용해서 대상 화소 선택모듈(110)을 통해 선택된 화소의 계수만을 이용하여 계산한다.
다음에, 보정값 산출모듈(120)에서 계산된 결과값을 공간 영역 상에 적용한다(S104).
상기와 같이, NL means 방법을 이용한 영상 잡음 제거방법에서 국부적인 유사성을 계산하기 위하여 많은 계산량이 필요한 단점이 있으나, 본 발명에서는 영상을 변환 영역으로 변환하고 변환 영역에서 에너지 집중도가 높은 일부 계수에 대해서만 국부적인 유사성을 계산함으로써, NL means 방법을 이용한 영상 잡음 제거를 효율적으로 구현할 수 있는 특징이 있다.
도 4는 본 발명의 다른 실시예에 따른 NL(Non-local) means 기법을 이용한 효율적인 영상 잡음 시스템의 구성을 개략적으로 나타내는 블럭도이고, 도 5는 본 발명의 다른 실시예에 따른 NL means 기법을 이용한 효율적인 영상 잡음 제거방법을 나타내는 흐름도이다.
도면에 나타낸 바와 같이, 영상 잡음 제거장치(20)는 중복 변환모듈(200), 대상 화소 선택모듈(210) 및 보정값 산출모듈(220)을 포함하여 구성될 수 있다.
중복 변환모듈(200)은 메모리(도시하지 않음)에 저장된 영상을 중복 변환(lapped transform) 방법을 적용하여 중복 변환 영역으로 변환한다(S201).
이후 대상 화소 선택모듈(210)에서는 중복 변환모듈(200)을 통해 중복 변환된 영역의 블록에서, 도 3의 (b)에 나타낸 바와 같이, 에너지 집중도가 높은 일부 계수를 선택한다(S202).
그 이후, 보정값 산출모듈(220)에서는 다음의 관계식을 이용해서 대상 화소 선택모듈(210)을 통해 선택된 화소의 계수만을 이용하여 보정값을 계산한다(S203). 이때, 중복 변환의 높은 에너지 집중도로 인하여 NL means 방법의 성능을 높일 수 있다.
다음에, 보정값 산출모듈(220)에서 계산된 결과값을 공간 영역 상에 적용함으로써(S204), 잡음이 제거된 영상을 제공할 수 있다.
도 6 및 도 7은 본 발명의 NL means 기법을 적용하여 영상의 잡음을 제거한 결과를 예시적으로 나타내는 예시도이다.
본 발명의 NL means을 이용한 영상 잡음 제거 기법의 성능을 분석하기 위하여, 도 6 및 도 7에 나타낸 바와 같이, 768×512 Kodak 표준 영상의 밝기 성분을 이용하여 다양한 조건에서 NL means 방법의 성능을 분석하였다.
먼저, 표 1 및 표 2에는 기존의 화소 단위 및 패치단위로 NL means 방법의 성능을 분석한 결과를 나타냈다.
h 비교블록 cap parrot
4σ 3×3 31.56 32.99
5σ 5×5 31.95 32.65
7σ 7×7 31.52 32.46
h 비교블록 cap parrot
4σ 4×4 31.92 32.49
5σ 6×6 31.81 32.20
7σ 8×8 31.67 32.29
상기 표 1 및 표 2에 나타낸 바와 같이, 화소 단위로 잡음을 제거하는 경우에 비해서, 패치 단위로 잡음을 제거하는 경우, 잡음 제거 성능이 저하되지만 그 차이는 크지 않은 것으로 나타났다.
표 3 및 표 4는, 본 발명에 따른 DCT 영역 및 중복 변환(lapped transform) 영역에서 일부 계수만을 사용하여 성능을 분석한 결과를 나타냈다.
h 비교블록 cap parrot
4σ 4×4 32.22 32.93
7σ 8×8 32.23 33.17
h 비교블록 cap parrot
4σ 4×4 32.19 32.73
7σ 8×8 32.35 33.13
DCT 영역의 일부 계수를 이용한 NL means 결과, 4×4 DCT의 경우 5 개의 계수 사용하고, 8×8 DCT의 경우 16 개의 계수를 사용하였다. 또한, 중복 변환(Lapped transform) 영역에서, 4×4 lapped transform의 경우 6 개의 계수를 사용하고, 8×8 lapped transform의 경우 16 개의 계수를 사용하였다.
도 3의 (b)에 도시한 것과 같이, 블록 크기 4×4 인 경우에 5개 혹은 6개의 계수만을 사용하여 가중치를 구하고, 8×8 블록의 경우 16개의 계수만을 사용하여 가중치를 구한 결과가 전체 계수를 이용하여 가중치를 구한 결과보다 잡음 제거 성능이 우수한 것을 알 수 있다.
이는 영상의 잡음은 고주파 성분이므로 도 3의 (b)에 도시한 것과 같이 고주파 성분 중에서 일부만 제외하고 가중치를 구하면 영상의 잡음 중 일부가 제거되는 효과에 의한 것으로 판단될 수 있다.
또한, 표 5 및 표 6에는 2×2 패치의 상대적 위치가 다른 4가지 경우에 대해서 영상의 잡음을 제거한 후에 평균을 구한 결과를 각각 제시하였다.
h 비교블록 cap parrot
4σ 4×4 32.49 33.33
7σ 8×8 32.48 33.36
h 비교블록 cap parrot
4σ 4×4 32.63 33.19
7σ 8×8 32.64 33.33
상기 표 5에서는 DCT 영역의 일부 계수를 이용한 NL means 적용 후 4개의 offset에 대해서 평균을 구한 결과를 나타내고 있고, 표 6에서는 중복 변환(Lapped transform) 영역의 일부 계수를 이용한 NL means 적용 후 4개의 offset에 대해서 평균을 구한 결과를 나타내고 있다.
상기와 같이, 일부 계수만을 사용하여 잡음을 제거하는 경우, 기존의 전체 계수에 대해 NL means 방법을 적용하여 잡음을 제거하는 결과와 큰 차이가 없음을 확인할 수 있으며, 일부 계수에 대해서만 국부적인 유사성을 계산함으로써 계산량을 줄일 수 있는 특징이 있다.
상기 본 발명의 내용은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10, 20 : 영상 잡음 제거장치
100 : DCT 변환모듈
200 : 중복 변환모듈
110, 210 : 대상 화소 선택모듈
120, 220 : 보정값 산출모듈

Claims (10)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 영상 잡음(noise) 제거방법에 있어서,
    중복 변환(lapped transform)을 이용하여, 잡음이 포함된 영상을 중복 변환 영역으로 변환하는 단계;
    상기 중복 변환된 영역의 블록에서 미리 결정된 에너지 집중도 이상을 가지는 일부 계수를 선택하는 단계;
    선택된 상기 일부 계수에 대해 NL(Non-Local) means 방법을 적용하여, 상기 중복 변환된 영역의 블록에 포함되고 중심에 위치한 패치(patch)에 대한 가중합을 계산하여 보정값을 산출하는 단계; 및
    상기 산출된 보정값을 공간 영역 상에 적용하는 단계를 포함하여 구성됨으로써,
    중복 변환 영역에서 에너지 집중도가 높은 일부 계수에 대해서만 국부적인 유사성을 계산하는 것에 의해 계산량을 감소시키면서 잡음 제거 성능을 향상시킬 수 있도록 구성되는 것을 특징으로 하는 영상 잡음 제거 방법.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 청구항 4항에 기재된 영상 잡음 제거 방법을 이용한 영상 잡음(noise) 제거장치에 있어서,
    잡음이 포함된 영상을 중복 변환(lapped transform) 영역으로 변환하는 중복 변환모듈;
    상기 중복 변환모듈에 의해 중복 변환된 영역의 블록에서 일부 계수를 선택하는 대상 화소 선택 모듈; 및
    상기 대상 화소 선택모듈에 의해 선택된 일부 계수에 대해 NL(Non-Local) means 방법을 적용하여 보정값을 산출하는 보정값 산출 모듈을 포함하여 구성되고,
    상기 보정값 산출모듈에서 산출된 보정값을 공간 영역 상에 적용하도록 구성되는 것을 특징으로 하는 영상 잡음 제거 장치.
KR1020160050947A 2016-04-26 2016-04-26 Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치 KR101753365B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160050947A KR101753365B1 (ko) 2016-04-26 2016-04-26 Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160050947A KR101753365B1 (ko) 2016-04-26 2016-04-26 Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101753365B1 true KR101753365B1 (ko) 2017-07-03

Family

ID=59357981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160050947A KR101753365B1 (ko) 2016-04-26 2016-04-26 Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101753365B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102060656B1 (ko) 2018-07-17 2019-12-30 국방과학연구소 소나 영상의 잡음을 제거하는 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
J. Hu, et al., "A novel nonlocal means denoising method using the DCT", Proceeding of International Conference on Image Processing, Computer Vision and Pattern Recognition, IPCV’11,July 18-21, 2011*
임석운, 이창우, "변환 영역에서 영상의 화질 향상 기법", 2012년도 한국방송공학회 하계 학술대회, 2012.7, 410-413*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102060656B1 (ko) 2018-07-17 2019-12-30 국방과학연구소 소나 영상의 잡음을 제거하는 장치 및 방법

Similar Documents

Publication Publication Date Title
US9123103B2 (en) Method and apparatus for image denoising with three-dimensional block-matching
CN105144232B (zh) 图像去噪方法和***
US7965900B2 (en) Processing an input image to reduce compression-related artifacts
Rajavel Image dependent brightness preserving histogram equalization
CN103077508B (zh) 基于变换域非局部和最小均方误差的sar图像去噪方法
KR101766536B1 (ko) 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치
Oktem et al. Image filtering based on discrete cosine transform
US20110069904A1 (en) Image denoising method
CN105335947A (zh) 图像去噪方法和图像去噪装置
US8260076B1 (en) Constant time filtering
US8594448B2 (en) Bi-selective filtering in transform domain
US9508134B2 (en) Apparatus, system, and method for enhancing image data
KR20050122164A (ko) 에지 플로우 방향성 필터와 커블릿 변환을 이용한 블록현상 제거 방법 및 장치
CN111161177A (zh) 图像自适应降噪方法和装置
KR101877808B1 (ko) 다중 레이어 오버랩 블록 기반의 로컬 히스토그램 평활화를 이용한 영상 콘트라스트 향상 방법 및 장치
CN101957984A (zh) 基于非局部萎缩因子参数估计的图像去噪方法
KR101753365B1 (ko) Ｎｏｎ－ｌｏｃａｌ ｍｅａｎｓ 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치
Zhang et al. Compression noise estimation and reduction via patch clustering
CN105023257B (zh) 基于N‑Smoothlets的图像去噪方法
Sumalatha et al. Hierarchical lossless image compression for telemedicine applications
KR101615122B1 (ko) 적응적인 비국부 평균 노이즈 제거 방법, 이를 수행하기 위한 기록 매체 및 장치
US20230133074A1 (en) Method and Apparatus for Noise Reduction
Hussain et al. An efficient implementation of neighborhood based wavelet thresholding for image denoising
Kawasaki et al. A multiscale retinex with low computational cost
Alanazi An Optimized Implementation of a Novel Nonlinear Filter for Color Image Restoration.

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant