Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

Statistical algorithm and application for the noise variance estimation

영상 잡음의 분산 추정에 관한 통계적 알고리즘 및 응용

  • Kim, Yeong-Hwa (Department of Statistics, Chung-Ang University) ;
  • Nam, Ji-Ho (Department of Statistics, Chung-Ang University)
  • 김영화 (중앙대학교 자연과학대학 수학통계학부) ;
  • 남지호 (중앙대학교 대학원 통계학과)
  • Published : 2009.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Image restoration techniques such as noise reduction and contrast enhancement have been researched for enhancing a contaminated image by the noise. An image degraded by additive random noise can be enhanced by noise reduction. Sigma filtering is one of the most widely used method to reduce the noise. In this paper, we propose a new sigma filter algorithm based on noise variance estimation which effectively enhances the degraded image by noise. Specifically, the Bartlett test is used to measure the degree of noise with respect to the degree of image feature. Simulation results are also given to show the performance of the proposed algorithm.

다양한 원인으로 발생하여 원래의 순수한 영상을 오염시키는 잡음을 제거하는 것은 영상처리 분야에서 가장 중요한 것이며 이를 위한 연구가 활발하게 진행되어 오고 있다. 본 연구에서 다루고자 하는 잡음제거 기법인 시그마 필터는 잡음을 감소하기 위하여 널리 사용되는 기법이다. 본 연구에서는 영상을 오염시키고 있는 잡음의 상대적인 크기를 바틀렛 검정을 사용하여 측정하고, 이를 통하여 잡음의 분산을 추정한다. 또한, 추정된 잡음의 분산의 크기를 시그마 필터에 응용하여 잡음을 효과적으로 제거하는 통계적 알고리즘을 제시한다. 모의실험 결과, 본 연구에서 제안하는 알고리즘의 성능이 잡음의 분산의 수준에 관계없이 현저하게 우수한 것을 알 수 있으며 그 효용성은 시각적으로도 명확하게 확인할 수 있다.

Keywords

References

  1. Amer, A. and Dubois, E. (2005). Fast and reliable structure-oriented video noise estimation. IEEE Transactions on Circuits and Systems for Video Technology, 15, 113-118. https://doi.org/10.1109/TCSVT.2004.837017
  2. Bartlett, M. S. (1937). Properties of sufficiency and statistical tests. Proceedings of the Royal Society of London, Series A, 160, 268-282.
  3. Bosco, A., Bruna, A., Messina, G. and Spampinato, G. (2005). Fast method for noise level estimation and integrated noise reduction. IEEE Transactions on Consumer Electronics, 51, 1028-1033. https://doi.org/10.1109/TCE.2005.1510518
  4. Kim, Y. H. and Lee, J. (2005). Image feature and noise detection based on statistical independent tests and their applications in image processing. IEEE Transactions on Consumer Electronics, 51, 1367-1378. https://doi.org/10.1109/TCE.2005.1561869
  5. Kim, Y. H. and Nam, J. (2007). Image feature detection and contrast enhancement algorithms based on statistical tests. Journal of the Korean Data & Information Science Society, 18, 385-399.
  6. Kim, Y. H. and Nam, J. (2008). Deinterlacing algorithms based on statistical tests. Journal of the Korean Data & Information Science Society, 19, 723-734.
  7. Lee, J., Kim, Y. H. and Nam, J. (2008). Adaptive noise reduction algorithms based on statistical hypotheses tests. IEEE Transactions on Consumer Electronics, 54, 1406-1414. https://doi.org/10.1109/TCE.2008.4637634
  8. Shin, D., Park, R., Yang, S. and Jung, J. (2005). Block-based noise estimation using adaptive Gaussian Filtering. IEEE Transactions on Consumer Electronics, 51, 218-226. https://doi.org/10.1109/TCE.2005.1405723