Rauschunterdrückung in einer nicht ausgerichteten Bildfolge

Abstract

Die Entfernung störender Rauschartefakte in Bildern ist ein wichtiger Vorverarbeitungsschritt für viele Aufgabenstellungen in der digitalen Bildverarbeitung. Die meisten Rauschunter-drückungsverfahren arbeiten auf Einzelbildern. Stehen jedoch mehrere Aufnahmen der-selben Szene zur Verfügung, können Redundanzen in dieser Bildfolge dazu verwendet werden, um bessere Resultate zu erzielen. Ein Problem bei der Aufnahme solcher Bild-sequenzen stellt die durch Kamerabewegungen bedingte Verschiebung der Einzelbilder dar. Bestehende Methoden zur Rauschunterdrückung in Bildsequenzen sind daher auf eine aufwändige und oft fehleranfällige Registrierung der verschobenen Einzelbilder angewiesen.<br />Folglich besteht das Ziel dieser Arbeit darin, Bildrauschen in einer Bildsequenz zu unterdrücken ohne eine Bildregistrierung durchzuführen.<br />Die in dieser Arbeit vorgestellte Methode berechnet die Farbe eines Pixels im rauschfreien Bild als eine gewichtete Mittelung aller Pixel der Bildfolge. Um die Gewichtung zu berechnen wird ein Referenzbild aus der Sequenz ausgewählt. Der Einfluss (Gewichtung) eines Bildpunktes der Bildsequenz auf die Mittelung wird durch dessen Farbähnlichkeit zum jeweiligen Pixel des Referenzbildes bestimmt. Pixel mit hohem Einfluss können auch an Stellen im Bild auftreten, welche nicht mit den Pixelkoordinaten im Referenzbild übereinstimmen. Dadurch werden Verschiebungen im Bild toleriert.<br />Im Kontext dieser Arbeit wurde des Weiteren das Problem von atmosphärisch bedingten Trübungen behandelt. Solche Eintrübungen entstehen durch die Streuung des einfallenden Lichtes durch Staub- oder Nebelpartikel. Dadurch erreicht das Licht die Kamera nur in abgeschwächter Form. In dieser Arbeit wurde eine kürzlich vorgestellte Methode zur Verminderung dieser Eintrübungen implementiert, um die Resultate weiter zu verbessern. Unsere Experimente zeigen, dass der in dieser Arbeit vorgestellte Algorithmus bessere Resultate erzielen kann als eine kürzlich präsentierte Methode, welche eine aufwändige Registrierung der Einzelbilder voraussetzt. Weitere Experimente verdeutlichen den Vorteil gegenüber Methoden, welche lediglich auf Einzelbildern operieren. Vor allem bei stark verrauschten Bildern konnten in unseren Experimenten deutlich bessere Resultate erzielt werden.<br />

Eliminating noise in images is an important pre-processing step for many tasks in digital image processing. While most denoising methods operate on single images, better results can be achieved by using a sequence of images depicting the same scene. However, the individual images in such image sequences are usually misaligned due to camera movement throughout the image acquisition. As a consequence, existing methods rely on error-prone image registration techniques as a pre-processing step.<br />Therefore, the goal of this work is to remove noise in image sequences without the need to register the slightly misaligned individual images.<br />Our proposed algorithm works by computing the color of each pixel in the denoised image as a weighted average of all other pixels in the image sequence. To compute the weighting, a reference image is first selected from the image sequence. The influence (weighting factor) of each pixel in the image sequence on the averaging is determined by its color similarity to the corresponding pixel in the reference frame. Since pixels with high influence can also occur at pixel coordinates different to the pixel in the reference frame, our method is robust to misalignments in the image sequence.<br />In the context of this work, we further address the problem of atmospheric haze. Haze occurs due to scattering of the incident light caused by fog or dust. As a consequence, the light that reaches the camera sensor is attenuated. To remove the haze in the images, a recently proposed method for image dehazing is implemented to further improve results. The experimental results show that the proposed method is capable of achieving results that exceed the quality of a recently proposed algorithm that relies on a pre-registration of the input image sequence. Further experiments compare our multi-image denoising method to algorithms that operate on a single image only. Results show that the use of image sequences can considerably improve results, especially in the presence of strong noise.<br />