확장되는 검색 범위를 가지는 비 지역적 평균 알고리즘을 이용한 영상 잡음 제거 기법

Abstract

영상 장비를 이용하여 영상 (image) 을 획득 시 당시 환경에 따라 획득한 영상에 품질 저하 현상이 발생하게 된다. 그 중 가장 흔한 현상으로서, 획득한 영상에 의도하지 않는 픽셀 (pixel) 값의 변경이 발생하게 되는데 이를 잡음 (noise) 라고 한다. 정도에 따라 다르지만 잡음 현상은 영상 획득 과정에서 항상 발생하게 되며, 피할 수 없는 존재이다. 따라서 잡음 제거 기법 (denoising) 은 오랜 기간 동안 연구 되어 왔으며, 크게 두 가지 방법으로 나뉠 수 있다. 첫 번째는 공간 축 (spartial domain) 에서 수행되는 잡음 제거 기법이며, 두 번째는 푸리에 변환 (Fourier transform) 등을 이용하여 공간 축에 있는 영상 정보를 주파수 축 (frequency domain) 으로 변환하여 잡음을 제거하는 방법이 있다. 공간 축에서 수행되는 잡음 제거 기법은 고전 기법인 가우시안 필터 (Gaussian filter) 를 시작으로 하여 양 방향 필터 (bilateral filter) 등 다양한 방법들이 소개되었는데, 본 논문에서는 A. Buades et al. 이 제안한 비 지역적 평균 (non-local means) 알고리즘에 대해서 연구한다. 비 지역적 평균 알고리즘은 기존의 공간 축에서 수행되는 잡음 제거 기법들과 마찬가지로 영상이 가지는 특성 - 한 픽셀을 중심으로 이웃한 픽셀들은 중심 픽셀과 매우 유사한 값을 가짐 - 을 이용하여 영상에 존재하는 잡음을 제거한다. 기존의 알고리즘들은 영상에 존재하는 특성 - 모서리 (edge) - 을 잘 살리지 못하는 단점들이 있어서, 잡음 제거를 수행한 이후에 영상이 흐려지는 (blurred) 현상이 발생하였는데, 비 지역적 평균 알고리즘은 영상 패치 (patch) 라는 개념을 도입하여 흐려지는 현상을 최소화 하였다. 게다가 비 지역적 평균 알고리즘은 다른 알고리즘에 비해 구현하기 비교적 쉽기 때문에 가장 널리 사용되는 잡음 제거 기법이다. 비 지역적 평균 알고리즘의 단점으로는 큰 계산 복잡도 (complexity) 를 가지는데, 영상의 전체 픽셀 개수를 Q, 패치의 크기를 S, 검색 범위 (search window) 의 크기를 R 이라고 하면, 비 지역적 평균 알고리즘의 계산 복잡도는 O(QxS^2xR^2)이 된다. J. Salmon 의 연구에 따르면 큰 R이 항상 높은 최대 신호 대 잡음 비 (peak signal-to-noise ratio) 를 보장해 주지 않으며, 일반적으로 R>>S 이기 때문에 계산 복잡도를 줄이기 위해서는 영상의 특성에 따라 적절한 R의 선택이 중요하다. 따라서 본 논문에서는 R을 고정시켜서 알고리즘을 수행하는 것이 아니라, 알고리즘 수행 과정 중에 픽셀들의 값들을 조사하여 R을 자동적으로 늘림에 따라 비 지역적 평균 알고리즘의 성능을 개선한다.