동영상 화질의 향상을 위해서는 해상도의 증가 혹은 선명도 증가나 잡음제거와 같은 방법들이 있다. 특히 잡음에 대한 인간의 지각이 특별히 완만한 신호나 배경의 밝기변화에 매우 민감함으로 이러한 잡음들을 효율적으로 제거함으로써 화질개선에 크게 기여할 수 있다. 이에 본 논문에서는 계층적 움직임 추정을 이용한 적응적인 시공간 잡음제거 기법을 제안했다. 제안된 방법은 잡음추정(Noise Estimation), 영역분류(Region ...
동영상 화질의 향상을 위해서는 해상도의 증가 혹은 선명도 증가나 잡음제거와 같은 방법들이 있다. 특히 잡음에 대한 인간의 지각이 특별히 완만한 신호나 배경의 밝기변화에 매우 민감함으로 이러한 잡음들을 효율적으로 제거함으로써 화질개선에 크게 기여할 수 있다. 이에 본 논문에서는 계층적 움직임 추정을 이용한 적응적인 시공간 잡음제거 기법을 제안했다. 제안된 방법은 잡음추정(Noise Estimation), 영역분류(Region Classification), 계층적 움직임 보상 잡음제거(Hierarchical Motion Compensation Noise Reduction) 그리고 재귀적 미디언 필터(Recursive Median Filter)를 사용하여 시간적인 잡음제거와 공간적인 잡음제거를 적응적으로 처리한다. 시간적인 잡음제거를 위해서 계층적 움직임 보상 잡음제거를 한 후, 영역분류를 통해 움직임 보상된 블록을 평탄한 영역과 엣지 영역으로 분류한다. 평탄한 영역으로 분류된 블록은 추가적으로 재귀적 미디언 필터로 공간잡음을 제거한다. 또한 계층적 움직임 추정과 영역분류를 더욱 정확하게 처리하기 위해 잡음추정을 하였다. 잡음추정은 잡음이 제거된 프레임과 잡음이 제거되지 않은 프레임 사이의 차를 이용하여 잡음의 표준편차를 추정하였다. 제안된 방법은 모의 실험결과 기존방법들에 비해 잡음에 의한 시간적인 끌림 현상이나 엣지 뭉그러짐 등이 적고 PSNR이 상대적으로 높았으며, 시각적으로도 뛰어난 화질 향상을 보였다.
동영상 화질의 향상을 위해서는 해상도의 증가 혹은 선명도 증가나 잡음제거와 같은 방법들이 있다. 특히 잡음에 대한 인간의 지각이 특별히 완만한 신호나 배경의 밝기변화에 매우 민감함으로 이러한 잡음들을 효율적으로 제거함으로써 화질개선에 크게 기여할 수 있다. 이에 본 논문에서는 계층적 움직임 추정을 이용한 적응적인 시공간 잡음제거 기법을 제안했다. 제안된 방법은 잡음추정(Noise Estimation), 영역분류(Region Classification), 계층적 움직임 보상 잡음제거(Hierarchical Motion Compensation Noise Reduction) 그리고 재귀적 미디언 필터(Recursive Median Filter)를 사용하여 시간적인 잡음제거와 공간적인 잡음제거를 적응적으로 처리한다. 시간적인 잡음제거를 위해서 계층적 움직임 보상 잡음제거를 한 후, 영역분류를 통해 움직임 보상된 블록을 평탄한 영역과 엣지 영역으로 분류한다. 평탄한 영역으로 분류된 블록은 추가적으로 재귀적 미디언 필터로 공간잡음을 제거한다. 또한 계층적 움직임 추정과 영역분류를 더욱 정확하게 처리하기 위해 잡음추정을 하였다. 잡음추정은 잡음이 제거된 프레임과 잡음이 제거되지 않은 프레임 사이의 차를 이용하여 잡음의 표준편차를 추정하였다. 제안된 방법은 모의 실험결과 기존방법들에 비해 잡음에 의한 시간적인 끌림 현상이나 엣지 뭉그러짐 등이 적고 PSNR이 상대적으로 높았으며, 시각적으로도 뛰어난 화질 향상을 보였다.
In order to enhance image quality in video sequence, there are various methods such as high sampling ratio, image enchancement, and noise reduction. Especially, human perception for noise is very sensitive in the lfat region and background. So, noise reduction in these areas can enhance an image qua...
In order to enhance image quality in video sequence, there are various methods such as high sampling ratio, image enchancement, and noise reduction. Especially, human perception for noise is very sensitive in the lfat region and background. So, noise reduction in these areas can enhance an image quality effectively. For this aim, we proposed adaptive sptio-temporal noise reduction algorithm using hierarchical motion estimation in noisy video environment. The proposed algorithm consists of NE(Noise Estimation), RC(Region Classification),HMCNR(Hierarchical Motion Compensation Noise Reduction), and RMF(Recursive Median Filter). It can handle both spatial noise reduction and temporal noise reduction adaptively. After HMCNR is employed as temporal noise reduciton, motion compensated blocks are classified into non-edge region or edge region in RC part. The spatial noise for the classified block as non-edge region is reduced by using RMF. Noise power isn also estimated by NE for more effective and exact hierarchical motion estimation and RC. It can be estimated from the standard deviation of the resdual image. Experimental results have shown that the proposed noise reduction method has the less both ghost artifact and edge blurring than the existing ones, and has the better performance than the conventional ones in the aspect of PSNR and image quality.
In order to enhance image quality in video sequence, there are various methods such as high sampling ratio, image enchancement, and noise reduction. Especially, human perception for noise is very sensitive in the lfat region and background. So, noise reduction in these areas can enhance an image quality effectively. For this aim, we proposed adaptive sptio-temporal noise reduction algorithm using hierarchical motion estimation in noisy video environment. The proposed algorithm consists of NE(Noise Estimation), RC(Region Classification),HMCNR(Hierarchical Motion Compensation Noise Reduction), and RMF(Recursive Median Filter). It can handle both spatial noise reduction and temporal noise reduction adaptively. After HMCNR is employed as temporal noise reduciton, motion compensated blocks are classified into non-edge region or edge region in RC part. The spatial noise for the classified block as non-edge region is reduced by using RMF. Noise power isn also estimated by NE for more effective and exact hierarchical motion estimation and RC. It can be estimated from the standard deviation of the resdual image. Experimental results have shown that the proposed noise reduction method has the less both ghost artifact and edge blurring than the existing ones, and has the better performance than the conventional ones in the aspect of PSNR and image quality.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.