블록 매칭 및 3D 필터링

Block-matching and 3D filtering
왼쪽: ISO800에서 찍은 원시 이미지에서 원본 잘라내기, 중간:bm3d-199(bm3d-denoise)를 사용하여 노이즈 제거(오른쪽: darktable 2.4.0 프로파일 데노이즈 사용)(비국소적 평균과 웨이브릿 혼합)

블록 매칭 및 3D 필터링(BM3D)은 [1]주로 이미지의 노이즈 감소에 사용되는 3D 블록 매칭 알고리즘입니다.비국소 평균 [2]방법론의 확장 중 하나입니다.BM3D에는 하드 임계값과 Wiener 필터 스테이지의 2개의 캐스케이드가 있으며, 그룹화, 협업 필터링 및 집약과 관련되어 있습니다.이 알고리즘은 변환 [3]사이트의 확장된 표현에 의존합니다.

방법

그룹화

화상 조각은 유사성에 근거해 그룹화되어 있지만, 표준 k-평균 클러스터링이나 그러한 클러스터 분석 방법과는 달리, 화상 조각이 반드시 분리되는 것은 아니다.이 블록 매칭알고리즘은 계산 부하가 낮기 때문에 나중에 집약 단계에서 도움이 됩니다.단, fragment의 사이즈는 동일합니다.fragment는 참조 fragment와의 차이가 지정된 임계값을 밑돌면 그룹화 됩니다.이 그룹화 기술은 블록 매칭이라고 불리며, 일반적으로 디지털 비디오의 다른 프레임에 걸쳐 유사한 그룹을 그룹화하기 위해 사용됩니다. 반면 BM3D는 단일 프레임 내에서 매크로 블록을 그룹화할 수 있습니다.그런 다음 그룹의 모든 영상 조각이 쌓여서 3D 원통 모양의 형상을 형성합니다.

협업 필터링

필터링은 모든 fragment 그룹에서 실행됩니다.+ d 차원[clarification needed] 선형 변환이 적용된 후 Wiener 필터링 등의 변환 영역 수축이 적용된 후 선형 변환을 반전하여 모든 (필터링된) 조각을 재생합니다.

집약

이미지가 2차원 형태로 다시 변환됩니다.겹치는 모든 이미지 조각은 노이즈를 필터링하면서도 고유한 신호를 유지할 수 있도록 가중 평균화됩니다.

내선번호

컬러 이미지

RGB 이미지는 그레이스케일 이미지처럼 처리할 수 있습니다.RGB 영상에 휘도-색도 변환을 적용해야 합니다.그런 다음 대부분의 유용한 정보와 더 높은 SNR을 포함하는 휘도 채널에서 그룹화가 완료됩니다.이 접근방식은 크로미넌스 채널의 노이즈가 휘도 채널의 노이즈와 강하게 관련되기 때문에 유효하며 그룹화가 필요한 컴퓨팅 시간의 약 절반을 차지하기 때문에 컴퓨팅 시간의 약 3분의 1을 절약합니다.

디블러링

BM3D 알고리즘은 두 목적 [4]함수의 내쉬 평형 균형을 사용하여 분리 디블러링 및 노이즈 제거를 수행하도록 확장되었습니다(IDD-BM3D).

컨볼루션 뉴럴 네트워크

컨볼루션 신경망을 통합하고 더 나은 결과를 보여주는 접근법이 제안되었습니다 (더 느린 실행 [5]시간에도 불구하고).연구 목적으로 MATLAB 코드가 공개되었습니다.[6]

실장

레퍼런스

  1. ^ Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 July 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing. 16 (8): 2080–2095. Bibcode:2007ITIP...16.2080D. CiteSeerX 10.1.1.219.5398. doi:10.1109/TIP.2007.901238.
  2. ^ Manjón, José V.; Carbonell-Caballero, José; Lull, Juan J.; García-Martí, Gracián; Martí-Bonmatí, Luís; Robles, Montserrat (2008-08-01). "MRI denoising using Non-Local Means". Medical Image Analysis. 12 (4): 514–523. doi:10.1016/j.media.2008.02.004. ISSN 1361-8415.
  3. ^ Maggioni, M.; Katkovnik, V.; Egiazarian, K.; Foi, A. (January 2013). "Nonlocal Transform-Domain Filter for Volumetric Data Denoising and Reconstruction". IEEE Transactions on Image Processing. 22 (1): 119–133. doi:10.1109/TIP.2012.2210725. ISSN 1057-7149.
  4. ^ Danielyan, Aram; Katkovnik, Vladimir; Egiazarian, Karen (30 June 2011). "BM3D Frames and Variational Image Deblurring". IEEE Transactions on Image Processing. 21 (4): 1715–28. arXiv:1106.6180. Bibcode:2012ITIP...21.1715D. doi:10.1109/TIP.2011.2176954. PMID 22128008.
  5. ^ Ahn, Byeongyong; Ik Cho, Nam (3 April 2017). "Block-Matching Convolutional Neural Network for Image Denoising". arXiv:1704.00524 [Vision and Pattern Recognition Computer Vision and Pattern Recognition].
  6. ^ "BMCNN-ISPL". Seoul National University. Retrieved 3 January 2018.
  7. ^ "LASIP - Legal Notice". Tampere University of Technology (TUT). Retrieved 2 January 2018.
  8. ^ Lebrun, Marc (8 August 2012). "An Analysis and Implementation of the BM3D Image Denoising Method". Image Processing on Line. 2: 175–213. doi:10.5201/ipol.2012.l-bm3d.