본 논문에서는 ${alpha}$-stable 확률분포를 갖는 잡음에 열화된 이미지의 화질을 개선하는 알고리즘을 제안한다. 제안한 진폭제한 평균필터(amplitude-limited sample average filter)는 heavy-tailed 가우시안 잡음환경 하에서 maximum likelihood estimator (MLE)임을 증명한다. 그리고, 이 알고리즘에 해당하는 error norm은 Huber의 minimax norm과 일치하고, 위에서 언급한 잡음 환경 하에서 efficacy를 최대화한다는 점에서 최적의 필터임을 보인다. 이 개념을 미리어드(myriad) 필터와 결합하여 진폭제한 미리어드 필터(amplitude-limited myriad filter)를 제안하고 실험을 통하여 이의 성능을 확인한다.
Robust nonlinear image denoising algorithms for the class of ${alpha}$-stable distribution are introduced. The proposed amplitude-limited sample average filter(ALSAF) proves to be the maximum likelihood estimator under the heavy-tailed Gaussian noise environments. The error norm for this estimator is equivalent to Huber#s minimax norm. It is optimal in the respect of maximizing the efficacy under the above noise environment. It is mired with the myriad filter to propose an amplitude-limited myriad filter(ALMF). The behavior and performance of the ALSAF and ALMF in ${alpha}$-stable noise environment are illustrated and analyzed through simulation.
