가우시안 잡음 제거를 위한 최적 가중치 비국소 평균

본 논문은 가우시안 백색 잡음 모델 Y(x)=f(x)+ε(x) 하에서 이미지 복원을 위한 새로운 비국소 평균(NLM) 기반 필터를 제안한다. 기존 NLM은 픽셀 간 유사성을 측정하기 위해 고정된 가우시안 커널을 사용했으며, 커널 대역폭 σ를 사용자가 직접 설정해야 하는 단점이 있었다. 저자들은 이러한 한계를 극복하기 위해 평균제곱오차(MSE)의 편향²와 분산을 합한 상한을 최소화하는 가중치 최적화 접근법을 도입한다. 먼저, 픽셀 x₀의 값을 주변 픽셀들의 가중 평균 ef₍ₕ,w₎(x₀)=∑_{x∈U₍ₓ₀,ₕ₎} w(x)Y(x) 로 표현한다. 여기서 U₍ₓ₀,ₕ₎는 검색 윈도우이며, w는 비음이며 합이 1인 가중치이다. MSE는 편향²+분산 형태로 전개되며, 편향은 |f(x)−f(x₀)| 로 정확히 표현된다. 이를 ρ_f,ₓ₀(x)라 두고, MSE 상한 g_ρ(w)= (∑ w(x)ρ(x))² + σ²∑ w(x)² 를 정의한다. 정리 1에 따르면, ρ가 비음 함수일 때, 제약조건 w≥0, ∑w=1 하에서 g_ρ(w)를 최소화하는 유일한 해는 삼각형 커널 K_tr(t)=(1−|t|)_+ 를 이용한 형태 w_ρ(x)=K_tr(ρ(x)/a) / ∑_{y∈U₍ₓ₀,ₕ₎} K_tr(ρ(y)/a) 이며, a는 M_ρ(a)=σ² 를 만족하는 양수 해이다. M_ρ(t)=∑_{x} (t−ρ(x))_+ 로 정의된다. 이 결과는 기존 고정 가우시안 커널을 대체하여, 가중치가 실제 이미지 밝기 차이에 직접 의존하도록 만든다. 실제 구현에서는 ρ_f,ₓ₀(x) 를 직접 알 수 없으므로, 패치 거리 d(Yₓ,η, Yₓ₀,η)= (1/m)‖Yₓ,η−Yₓ₀,η‖² 를 이용한다. 저자들은 ρ̂(x)=max{ d(Yₓ,η, Yₓ₀,η)−√(2)σ , 0 } 로 ρ를 추정하고, 이를 ρ̂에 대입해 a를 계산한다. 이렇게 얻은 가중치와 추정값 b_f(x₀)=∑_{x∈U₍ₓ₀,ₕ₎} ŵ(x)Y(x) 가 최종 필터가 된다. 알고리즘은 (1) 각 픽셀에 대해 패치 거리 계산, (2) 거리값을 오름차순 정렬, (3) a를 찾기 위해 누적 합을 이용한 조건 검사, (4) 가중치와 최종 추정값 계산 순으로 진행된다. 복잡도는 O(N²·M·logM) 정도이며, 기존 NLM과 비슷하거나 약간 빠른 수준이다. 이론적 결과는 두 가지 주요 정리로 구성된다. 첫 번째 정리(정리 1)는 ρ가 실제 밝기 차이와 충분히 근접하면, 위에서 도출한 w_ρ가 MSE 상한을 최소화하고, a는 σ와 ρ의 분포에 의해 자동 결정된다는 것을 보인다. 두 번째 정리(정리 2)는 ρ̂가 ρ를 충분히 정확히 근사하면, 최종 필터 b_f가 Hölder 연속성을 만족하는 이미지에 대해 최적 수렴률 O(N^{-2β/(2β+2)}) 을 달성한다. 여기서 β는 이미지의 Hölder 지수이며, 이는 비파라메트릭 추정의 이론적 최적 속도와 일치한다. 또한, 검색 윈도우 크기 h가 과도하게 커도 a가 자동으로 조정되어 과다 스무딩을 방지하는 적응성을 제공한다. 실험에서는 표준 테스트 이미지(Lena, Barbara, Cameraman 등)에 σ=10,20,30 수준의 가우시안 잡음을 추가하고, 제안 필터와 기존 NLM, BM3D, K-SVD 등을 비교하였다. PSNR 및 SSIM 지표에서 제안 방법은 평균 0.3~0.7 dB, 0.02~0.04 SSIM 포인트 향상을 보였으며, 특히 텍스처가 풍부한 영역에서 잡음 억제와 세부 보존 사이의 균형이 뛰어났다. 시각적으로도 엣지와 미세 구조가 더 선명하게 복원되는 것이 확인되었다. 결론적으로, 본 논문은 가중치 최적화를 통해 비국소 평균 필터의 핵심 파라미터인 커널 형태와 대역폭을 데이터에 기반해 자동 결정함으로써, 이론적 최적 수렴률과 실용적인 성능 향상을 동시에 달성한 새로운 디노이징 프레임워크를 제시한다. 이 접근법은 기존 NLM의 단순함을 유지하면서도 파라미터 튜닝 없이 최적 성능을 얻을 수 있어, 다양한 이미지 처리 및 컴퓨터 비전 응용에 바로 적용 가능하다.