본 논문에서는 화상의 에지를 보존하면 가법성 백색잡음제거를 수행하는 적응 위너 필터를 제안한다. 학습용의 복수의 화상을 준비하여 각 화상을 블록으로 분할하여 블록내부의 에지의 성질에 의해 평탄, 수직, 수평, 대각선 방향(45도, 135도)의 5개의 클래스로 분류한다. 그리고, 클래스마다 공분산 행렬을 구하여 위너 필터를 설계한다. 잡음제거에 의한 블록의 클래스 분류는 각 클래스의 공분산 행렬의 고유 벡터를 이용하여 이루어진다. 각 클래스의 고유 벡터와 노이즈가 부가된 관측화상의 블록과의 내적을 구하여 얻어진 내적 값을 근거로 입력 블록을 적절한 클래스로 분류한다. 클래스 분류 후, 입력 블록의 클래스에 대응한 위너 필터로 교체하는 것으로 에지를 보존한 고정밀도의 화상 복원이 가능하였다. 또한 여러 가지 시뮬레이션을 행하여 제안 방법의 유용성도 확인하였다.
This paper proposes the use of an adaptive Wiener filter for edge-preserving image filtering. Images are partitioned into a set of blocks of pixels which is divided into five subsets of blocks according to their edge contents and orientations. Each subset of blocks is used to define a covariance matrix, from which a Wiener filter is derived. Five covariance matrices and Wiener filters are thus obtained. An image-block classifier using the five sets of covariance matrices of the class is designed to classify each incoming block of pixels according to its edge content in the presence of noise. Experimental results are included to verify the usefulness of the proposed method.
