Multiscale noise estimation and removal for digital images
Miguel Colom Barco · Dialnet (Universidad de la Rioja) · 2014
espanolCualquier imagen, ya sea digital o analogica, contiene no solamente informacion de la escena fotogra ada, sino tambien interferencias externas conocidas como ruido. La imagen resultante es la combinacion de la imagen ideal sin ruido, con el propio ruido. La imagen ideal sin ruido es una abstraccion matematica y no esta disponible en la realidad. Por lo tanto, es necesario utilizar metodos que, dada unicamente la imagen deteriorada, sean capaces de caracterizar adecuadamente el ruido. Esta caracterizacion a partir de la imagen ruidosa se conoce como estimacion a ciegas del ruido, ya que no se utiliza ninguna otra informacion adicional aparte de la imagen ruidosa. Una vez caracterizado adecuadamente el ruido, el siguiente paso es obtener una version de la imagen que sea tan el como sea posible a la imagen ideal. Este proceso se conoce como eliminacion de ruido a ciegas, ya que la imagen ideal no esta disponible. Los metodos de eliminacion de ruido aprovechan la propiedad de autosimilaridad de los pequenos bloques que componen la imagen para inferir la geometria de los bloques de la imagen ideal. La eliminacion de ruido es un proceso guiado por la estimacion de ruido previa. Dado que tanto la estimacion como la eliminacion de ruido se realizan a ciegas, es importante que la caracterizacion del ruido sea tan completa como sea posible. En esta tesis se discuten en detalle las diversas tecnicas para la estimacion de ruido, desde las mas simples que unicamente consideran ruido homoscedastico, pasando por las que consideran el modelo poissoniano de ruido, hasta nalmente la nueva tecnica que proponemos para obtener un modelo de ruido complejo, que depende tanto de la intensidad como de la frecuencia. En cuanto a la eliminacion de ruido, esta tesis se centra especialmente en las tecnicas basadas en el modelo bayesiano. La tesis culmina con la presentacion de la Noise Clinic, la herramienta que proponemos para la estimacion y eliminacion automaticas del ruido. La Noise Clinic combina la estimacion automatica de un modelo de ruido complejo con su eliminacion en cada una de las escalas de la imagen. Esto permite restaurar una tipologia extensa de imagenes, incluyendo las comprimidas con JPEG. catalaQualsevol imatge, ja sigui digital o analogica, conte no nomes informacio de l'escena fotogra - ada, sino tambe interferencies externes conegudes com renou. La imatge resultant es la combinacio de la imatge ideal sense renou, amb el renou mateix. La imatge ideal sense renou es una abstraccio matematica i no esta disponible a la realitat. Per tant, cal utilitzar metodes que, donada unicament la imatge deteriorada, siguin capacos de caracteritzar adequadament el renou. Aquesta caracteritzacio a partir de la imatge amb renou es coneix com estimacio a cegues del renou, ates que no s'utilitza cap altra informacio addicional a part de la imatge amb renou. Un cop caracteritzat adequadament el renou, el seguent pas es obtenir una versio de la imatge que sigui tan del com sigui possible a la imatge ideal. Aquest proces es coneix com eliminacio de renou a cegues, ja que la imatge ideal no esta disponible. Els metodes d'eliminacio de renou apro ten la propietat d' autosimilaritat dels petits blocs que componen la imatge per inferir la geometria dels blocs de la imatge ideal. L'eliminacio de renou es un proces guiat per l'estimacio de renou previa. Ates que tant l'estimacio com l'eliminacio de renou es realitzen a cegues, es important que la caracteritzacio del renou sigui tan completa com sigui possible. En aquesta tesi es discuteixen en detall les diverses tecniques per a l'estimacio de renou, des de les mes simples que unicament consideren renou homoscedastic, passant per les que consideren el model poissonia de renou, ns a nalment la nova tecnica que proposem per obtenir un model de renou complex, que depen tant de la intensitat com de la frequencia . Pel que fa a l'eliminacio de renou, aquesta tesi se centra especialment en les tecniques basades en el model bayesia. La tesi culmina amb la presentacio de la Noise Clinic , l'eina que proposem per a l'estimacio i eliminacio automatiques del renou. La Noise Clinic combina l'estimacio automatica d'un model de renou complex amb la seva eliminacio en cadascuna de les escales de la imatge. Aixo permet restaurar una tipologia extensa d'imatges, incloent les comprimides amb JPEG. EnglishAny image, digital or analogic, contains not only information from the scene being photographed but also external interferences known as noise. The resulting image is the combination of the ideal image without noise with noise itself. The ideal image without noise is a mathematic abstraction and it is not available in reality. Thus, it is needed methods that given only the degraded image are capable to properly characterize noise. This characterization using the noisy image is known as blind noise estimation since it does not use any additional information out the the noisy image. Once noise has been properly characterized, the next step is to obtain a version of the image which is as close as possible to the ideal image. This process is known as blind denoising, since the ideal image is not available. Denoising methods exploit the property of autosimilarity of the small blocks that form the image to infer the geometry of the blocks of the ideal image. Denoising is a process guided by previous noise estimation. Given that both noise estimation and denoising are performed blindly, it is important that noise characterization is as complete as possible. In this thesis several techniques for noise estimation are discussed, from the simplest which just consider homoscedastic noise, through those which consider the Poissonian model, to nally the new technique that we propose to obtain a complex noise model that depends on both intensity and frequency. Regarding denoising, this thesis is mainly focuses on Bayesian techniques. The thesis nally reaches with the presentation of the Noise Clinic, the tool which we propose for automatic noise estimation and denoising. The Noise Clinic combines the automatic estimation of a complex noise model with its elimination at each of the scales of the image. This allows to restore a large typology of images, including those compressed with JPEG.