본 논문에서는 공간 영역의 국부 정보 및 반복 영상으로부터 예측된 노이즈를 이용한 적응 영상 복원 방식을 제안한다. 공간 영역의 국부 제약 정보 설정을 위해 서로 다른 윈도우를 갖는 국부 영역의 평균, 분산 및 최대 값의 비를 이용하였으며, 반복 기법을 이용하여 매 반복 해에서 얻어진 복원 영상으로부터 상기 제약 정보를 설정하게 된다. 더불어 반복 영상으로부터 예측된 노이즈와 국부 제약 정보를 이용하여 국부 완화도 정도를 결정하는 매개 변수를 적응적으로 산출한다. 제안된 방식을 이용하여 복원 영상을 얻기 위해 비 적응 복원 방식보다 빠른 수렴속도를 갖게 됨을 알 수 있으며, 노이즈 특성에 대한 사전 정보 없이 국부적으로 제어된 완화 정도를 지닌 복원 영상을 얻을 수 있었다. 기존 방식과 비교하여 제안방식은 수렴하기 유사한 반복 횟수를 필요로 하며 0.2 dB 이상의 SNR 향상이 있음을 확인할 수 있었다.
In this paper, we propose a spatially adaptive image restoration algorithm using local and statistics and estimated noise. The ratio of local mean, variance, and maximum values with different window size is used to constrain the solution space, and these parameters are computed at each iteration step using partially restored image. In addition, the additive noise estimated from partially restored image and the local constraints are used to determine a parameter for controlling the degree of local smoothness on the solution. The resulting iterative algorithm exhibits increased convergence speed when compared to the non-adaptive algorithm. In addition, a smooth solution with a controlled degree of smoothness is obtained without a prior knowledge about the noise. Experimental results demonstrate that the proposed algorithm requires the similar iteration number to converge, but there is the improvement of SNR more than 0.2 dB comparing to the previous approach.
