Image Prior and Denoising

自然画像の事前確率モデルと画像デノイジング

研究目的
提案手法による処理結果
既存手法との比較
発表論文
関連特許

研究目的

本研究は，自然画像の事前確率モデルの提案と，それを利用した高性能な画像デノイジング手法の実現を目的としている.
自然画像の事前確率モデルは，不良設定問題である画像復元ための正則化の役割を果たす.
画像デノイジングは，画像からノイズを取り除いて画質を向上させる問題であり，あらゆる画像認識処理の前処理として応用が期待されている.

画像デノイジングの概略図

提案手法(ノンローカルPCA)による処理結果

原画像	強いノイズを人工的に付加	処理結果
原画像	強いノイズを人工的に付加	処理結果
劣化画像100枚の平均をとってノイズを除去	PointGrey社のFLEAで撮影	処理結果

既存手法(BM3D, LSSC, EPLL)との比較

高性能な手法として知られる，BM3D [Dabov 2007]，LSSC [Mairal 2009]，EPLL [Zoran 2011]との比較.
Peak Signal-to-Noise Ratio (PSNR)とStructural Similarity (SSIM)による画質評価をしている.

原画像	ノイズを人工的に付加	BM3D PSNR : 35.91[dB] SSIM : 0.9158	LSSC PSNR : 35.79[dB] SSIM : 0.9136	EPLL PSNR : 35.60[dB] SSIM : 0.9124	提案手法 PSNR : 35.91[dB] SSIM : 0.9151
原画像	ノイズを人工的に付加	BM3D PSNR : 31.73[dB] SSIM : 0.9044	LSSC PSNR : 31.61[dB] SSIM : 0.9012	EPLL PSNR : 29.81[dB] SSIM : 0.8754	提案手法 PSNR : 31.71[dB] SSIM : 0.9040
原画像	ノイズを人工的に付加	BM3D PSNR : 24.33[dB] SSIM : 0.7110	LSSC PSNR : 24.62[dB] SSIM : 0.7401	EPLL PSNR : 24.49[dB] SSIM : 0.7316	提案手法 PSNR : 24.64[dB] SSIM : 0.7426