Image Denoising via the Adaptive Rank-Cluster Filter

छवियों को अक्सर वास्तविकता के पूर्ण रिकॉर्ड के रूप में माना जाता है, लेकिन उन्हें कैप्चर करने वाले सेंसर भौतिक वस्तुएं हैं जो भौतिकी के नियमों के अधीन हैं। जब एक कैमरा किसी दृश्य को कैप्चर करता है, विशेष रूप से कम रोशनी या उच्च प्रवर्धन (amplification) में, तो परिणामी डेटा शायद ही कभी शुद्ध होता है। यह अक्सर दो अलग-अलग प्रकार के हस्तक्षेप (interference) से दूषित होता है। एक प्रकार सतह पर छिड़के गए नमक और काली मिर्च की तरह, बिखरे हुए चमकीले या गहरे धब्बों के रूप में दिखाई देता है। दूसरा एक दानेदार धुंध है जो विवरणों को नरम कर देता है, जैसे पुराने टेलीविजन स्क्रीन पर स्टैटिक (static) होता है। वास्तविक दुनिया में, ये दोनों रूप अक्सर एक साथ दिखाई देते हैं, जिससे एक जटिल अव्यवस्था पैदा होती है जिसे साफ करना कठिन होता है। वास्तविक चित्र को धुंधला किए बिना इस शोर (noise) को हटाना डिजिटल इमेजिंग में एक मौलिक चुनौती है, विशेष रूप से चिकित्सा निदान जैसे क्षेत्रों में जहाँ एक सूक्ष्म विवरण का छूट जाना गंभीर परिणाम दे सकता है।

दशकों से, छवियों को साफ करने के मानक दृष्टिकोण के लिए डीप लर्निंग पर भरोसा किया गया है, जहाँ कंप्यूटर को चित्रों के विशाल पुस्तकालयों पर प्रशिक्षित किया जाता है ताकि वे यह सीख सकें कि एक स्वच्छ छवि कैसी दिखनी चाहिए। हालांकि ये प्रणालियाँ शक्तिशाली हैं, लेकिन इनके महत्वपूर्ण दोष हैं। उन्हें प्रशिक्षित करने के लिए भारी मात्रा में डेटा की आवश्यकता होती है, वे कभी-कभी ऐसे विवरण बना सकते हैं जो वहां थे ही नहीं, और वे उन शोर पैटर्न के सामने संघर्ष करते हैं जिन्हें उन्होंने पहले कभी नहीं देखा है। इसने उन पुराने, अधिक पारंपरिक तरीकों के लिए स्थान बनाए रखा है जो सीखे हुए पैटर्न के बजाय सरल गणितीय नियमों पर निर्भर करते हैं। ये क्लासिकल फिल्टर तेज़, पूर्वानुमानित हैं और नए विवरणों की कल्पना (hallucinate) नहीं करते हैं, जो उन्हें वास्तविक समय की प्रणालियों और सीमित संसाधनों वाले उपकरणों के लिए आवश्यक बनाता है। हालाँकि, अधिकांश पारंपरिक उपकरण केवल एक विशिष्ट प्रकार के शोर को संभालने के लिए डिज़ाइन किए गए थे। वास्तविक दुनिया में पाए जाने वाले धब्बों और दानेदारपन के मिश्रित संयोजन का सामना करते समय, उनका प्रदर्शन अक्सर गिर जाता है, जिससे छवि या तो बहुत धुंधली हो जाती है या अभी भी बहुत शोर वाली रह जाती है।

इस अंतर को दूर करने के लिए, दिमित्री पोज़्डन्याकोव ने 'एडेप्टिव रैंक-क्लस्टर फिल्टर' नामक एक नई विधि विकसित की। लक्ष्य एक ऐसा उपकरण बनाना था जो मूल छवि के तीखे किनारों और सूक्ष्म बनावट को बरकरार रखते हुए मिश्रित शोर को संभाल सके। शोधकर्ताओं ने इस नए फिल्टर का परीक्षण मीडियन फिल्टर, गौसियन ब्लर और अधिक जटिल नॉन-लोकल मीन्स तकनीकों सहित स्थापित एल्गोरिदम के एक समूह के विरुद्ध किया। उन्होंने अपने परीक्षण चार मानक छवियों पर चलाए, जो सरल ज्यामितमितीय आकृतियों से लेकर एक बबून के बालों जैसे जटिल प्राकृतिक दृश्यों तक विस्तृत थीं, और प्रत्येक को विभिन्न स्तरों के साल्ट-एंड-पेपर स्पेकल्स और गौसियन ग्रेइनिनेस (graininess) के अधीन किया। मूल्यांकन कठोर था, जिसमें न केवल यह मापा गया कि कितना शोर हटाया गया, बल्कि यह भी कि फिल्टर ने छवि की संरचना को कितनी अच्छी तरह संरक्षित किया और इसे करने के लिए कितनी कंप्यूटर शक्ति की आवश्यकता थी।

इस नए फिल्टर का मूल एक छोटे पिक्सेल पड़ोस (neighborhood) को देखने का एक चतुर तरीका है। रंगों को औसत करने या मध्य मान चुनने के बजाय, एल्गोरिदम उस छोटे क्षेत्र के पिक्सेल की चमक को क्रमबद्ध (sort) करता है। फिर यह जाँचता है कि क्या ये पिक्सेल एक सुचारू समूह बनाते हैं या दो अलग-अलग समूह। यदि पिक्सेल एक एकल समूह बनाते हैं, तो फिल्टर मानता है कि क्षेत्र चिकना है और एक मानक मीडियन मान का उपयोग करके उसे साफ करता है। यदि पिक्सेल दो अलग-अलग समूहों में विभाजित होते हैं, तो एल्गोरिदम इसे दो अलग-अलग वस्तुओं के बीच एक किनारा या सीमा के रूप में पहचानता है। इस स्थिति में, यह पिक्सेल को दो क्लस्टरों में विभाजित करने के लिए एक सांख्यिकीय पद्धति का उपयोग करता है और निर्धारित करता है कि केंद्रीय पिक्सेल किस समूह का हिस्सा है, प्रभावी रूप से यह तय करता है कि पिक्सेल बैकग्राउंड का हिस्सा है या वस्तु का। इस निर्णय को एक फजी (fuzzy) गणना के साथ मिलाया जाता है ताकि एक अंतिम मान प्राप्त हो सके जो किनारे को धुंधला करने के बजाय उसका सम्मान करे।

अध्ययन के परिणाम दिखाते हैं कि यह नया दृष्टिकोण गति और गुणवत्ता का एक अनूठा संतुलन प्रदान करता है। मिश्रित शोर वाले परीक्षणों में, नया फिल्टर कई पारंपरिक तरीकों की तुलना में लगातार बेहतर प्रदर्शन करता है, विशेष रूप से रेखाओं और बनावट की तीक्ष्णता को बनाए रखने में। जबकि सबसे उन्नत डीप-लर्निंग-शैली के फिल्टर कभी-कभी उच्चतम संख्यात्मक स्कोर प्रदान करते हैं, वे अक्सर छवि को अप्राकृतिक रूप से चिकना या "प्लास्टिक" जैसा बना देते हैं, जिससे मूल दृश्य की प्राकृतिक बनावट खो जाती है। नया फिल्टर इस कृत्रिम रूप से पूरी तरह बच जाता है। इसने शोर को हटा दिया और छवि को प्राकृतिक दिखने वाला बनाए रखा, जो एक ऐसी गुणवत्ता है जिसे अन्य तरीकों से प्राप्त करना कठिन है। शोधकर्ताओं ने नोट किया कि फिल्टर विशेष रूप से इम्पल्स शोर और गौसियन शोर के संयोजन को संभालने में प्रभावी था, एक ऐसी स्थिति जहाँ कई अन्य फिल्टर विफल हो जाते हैं या महत्वपूर्ण आर्टिफैक्ट्स (artifacts) उत्पन्न करते हैं।।

हालाँकि, यह प्रदर्शन गति के मामले में एक समझौता (trade-off) के साथ आता है। नया फिल्टर सबसे सरल मीडियन फिल्टर की तुलना में काफी धीमा है, जिसे एक छवि को प्रोसेस करने में दस गुना से अधिक समय लगता है। यह गौसियन और विनर (Wiener) फिल्टर से भी धीमा है, जो अपनी कम्प्यूटेशनल दक्षता के लिए जाने जाते हैं। इसके बावजूद, यह नॉन-लोकल मीन्स फिल्टर की तुलना में बहुत तेज़ है, जो परीक्षण किया गया सबसे धीमा तरीका था और जिसे बुनियादी मीडियन फिल्टर की तुलना में लगभग तीस गुना अधिक समय लगा। लेखक का सुझाव है कि जहाँ गति महत्वपूर्ण है, जैसे मोबाइल उपकरणों पर लाइव वीडियो के लिए, सरल फिल्टरों को ही प्राथमिकता दी जा सकती है। लेकिन उन कार्यों के लिए जहाँ छवि की गुणवत्ता और सूक्ष्म विवरणों का संरक्षण सर्वोपरि है, जैसे कि एक्स-रे या अल्ट्रासाउंड जैसी चिकित्सा इमेजिंग में, यह नया फिल्टर एक सम्मोहक विकल्प प्रदान करता है। यह हार्डवेयर-प्रेरित शोर को साफ करने का एक तरीका प्रदान करता है बिना छोटे पैथोलॉजिकल लीजन (pathological lesions) के नुकसान या महत्वपूर्ण कंटूर के धुंधले होने के जोखिम के, यह सुनिश्चित करता है कि अंतिम छवि वास्तविकता का एक विश्वसनीय प्रतिनिधित्व बनी रहे।

अध्ययन निष्कर्ष निकालता है कि यह एडेप्टिव दृष्टिकोण मिश्रित शोर के लिए एक स्थिर और मजबूत समाधान प्रदान करता है, जो एक ऐसी समस्या है जिसने लंबे समय से डिजिटल इमेजिंग को परेशान किया है। सांख्यिकीय क्लस्टरिंग के साथ फजी लॉजिक को जोड़कर, फिल्टर छवि की स्थानीय संरचना के अनुकूल होता है, यह तय करता है कि किसी क्षेत्र को स्मूथ करना है या किनारे को शार्प करना है। शोधकर्ताओं ने अपने कोड और टेस्ट स्क्रिप्ट को सार्वजनिक रूप से उपलब्ध कराया है, जिससे अन्य लोग परिणामों को सत्यापित कर सकें और इस कार्य को आगे बढ़ा सकें। जटिल, अपारदर्शी न्यूरल नेटवर्क द्वारा संचालित इस क्षेत्र में, यह कार्य प्रदर्शित करता है कि सावधानीपूर्वक डिज़ाइन किए गए, गणितीय रूप से पारदर्शी एल्गोरिदम अभी भी सुंदरता और विश्वसनीयता के साथ कठिन समस्याओं को हल कर सकते हैं। निष्कर्ष बताते हैं कि विशिष्ट, उच्च-जोखिम वाले अनुप्रयोगों के लिए जहाँ विवरणों को "हैलुसिनेट" करने का जोखिम अस्वीकार्य है, इस प्रकार का क्लासिकल फिल्टरिंग न केवल प्रासंगिक है, बल्कि आवश्यक भी है।