비선형 필터 집합으로 이미지 잡음 제거 성능 극대화

본 논문은 이미지 디노이징 분야에서 기존 필터들의 장점을 결합하는 새로운 비선형 집계 방법을 제안한다. 저자들은 통계 학습에서 제안된 COBRA(Combined Regression Alternative) 알고리즘을 이미지 복원에 적용하여, 여러 사전 필터가 동일 픽셀에 대해 내놓은 예측값 사이의 “합의” 정도를 새로운 근접성 메트릭으로 활용한다. 먼저 서론에서는 이미지 잡음의 다양한 원인과 기존 디노이징 기법들의 한계를 언급한다. 특히 BM3D와 같은 협업 필터링이 뛰어난 성능을 보이지만, 잡음 유형에 따라 여전히 세부 구조가 손실되는 문제를 지적한다. 이러한 배경에서 통계적 집계 아이디어를 도입해 “다수의 눈”이 모여 최적의 결정을 내리게 하는 접근법을 제시한다. 방법론 섹션에서는 M개의 사전 필터 \(f_1,\dots,f_M\) 를 정의하고, 각 픽셀 \(p\) 에 대해 가중치 \(\omega(p,q)\) 를 다음과 같이 설정한다. \