Image Denoising via the Adaptive Rank-Cluster Filter

画像はしばしば現実の完璧な記録として扱われますが、それらを捉えるセンサーは物理法則に従う物理的な物体です。カメラがシーンを捉える際、特に低照度下や増幅率が高い場合、得られるデータは決して純粋なものではありません。それは頻繁に、2つの異なる種類の干渉によって汚染されます。一方のタイプは、表面に振りかけられた塩や胡椒のように、画像全体に散らばったランダムで明るい、あるいは暗い斑点として現れます。もう一方は、古いテレビ画面の静止画のような、細部をぼやけさせる粒状の霞（かすみ）です。現実の世界では、これら2つの形態のノイズはしばしば同時に現れ、洗浄が困難な複雑な混乱状態を作り出します。このノイズを除去しながら、実際の画像をぼかさないようにすることは、デジタルイメージングにおける根本的な課題であり、特に、微細な詳細を見逃すことが重大な結果を招きかねない医療診断のような分野において重要です。

数十年にわたり、画像を洗浄するための標準的なアプローチは、コンピュータが膨大な画像のライブラリを用いて、クリーンな画像がどのようなものであるべきかを推測する方法を学習する、ディープラーニング（深層学習）に依存してきました。これらのシステムは強力ですが、重大な欠点があります。学習のために膨大な量のデータを必要とし、存在しない詳細を捏造してしまうことがあり、見たことのないノイズパターンに直面すると苦戦します。このことは、学習されたパターンではなく、単純な数学的ルールに依存する、より伝統的な手法の地位を維持させてきました。これらの古典的なフィルターは高速で予測可能であり、新しい詳細を「幻覚」として作り出すこともないため、リアルタイムシステムやリソースの限られたデバイスにおいて不可欠です。しかし、これらの伝統的なツールの多くは、特定の1種類のノイズのみを扱うように設計されていました。斑点状のノイズと粒状のノイズが混在する現実世界の複雑な組み合わせに直面したとき、その性能はしばしば崩壊し、画像がぼやけすぎるか、あるいは依然としてノイズが残りすぎる状態になってしまいます。

このギャップに対処するため、ドミトリー・ポズドニャコフ（Dmitry Pozdnyakov）は、「アダプティブ・ランク・クラスター・フィルター（Adaptive Rank-Cluster filter）」と呼ばれる新しい手法を開発しました。その目的は、混合ノイズを処理しながら、元の画像の鋭いエッジや微細なテクスチャを維持できるツールを作成することでした。研究者たちは、メディアンフィルター、ガウスぼかし、そしてより複雑な非局所平均法（non-local means）を含む、確立された一連のアルゴリズムに対して、この新しいフィルターをテストしました。彼らは、単純な幾何学的形状から、ヒヒの毛並みのような複雑な自然のシーンに至るまで、4つの標準的な画像を用いてテストを行い、それぞれに様々なレベルのソルト・アンド・ペッパー・スペックル（ごま塩ノイズ）とガウス状の粒状ノイズを加えました。評価は厳格に行われ、ノイズがどれだけ除去されたかだけでなく、フィルターが画像の構造をどれだけ保持できたか、そしてその作業にどれだけの計算能力を必要としたかについても測定されました。

この新しいフィルターの核心は、処理中のピクセルの周囲にある小さな近傍領域を捉える巧妙な方法にあります。単に色の平均値を取ったり、中央の値を選んだりするのではなく、このアルゴメントは、その極小領域内のピクセルの明るさをソート（並べ替え）します。次に、これらのピクセルが1つの滑らかなグループを形成しているのか、それとも2つの明確なグループに分かれているのかをチェックします。もしピクセルが単一のグループを形成している場合、フィルターはその領域が滑らかであると判断し、標準的なメディアン値を使用して洗浄します。もしピクセルが2つの明確なグループに分かれている場合、アルゴリズムはこれをエッジ（境界線）または異なる物体間の境界として認識します。この場合、アルゴリズムは統計的な手法を用いてピクセルを2つのクラスターに分割し、中央のピクセルがどちらのグループに属するかを決定します。つまり、そのピクセルが背景の一部なのか、それとも物体の一部なのかを判断するのです。この決定は、エッジをぼかすのではなく、エッジを尊重するようにファジーな計算と組み合わされて、最終的な値が生成されます。

研究結果は、この新しいアプローチが速度と品質の独自のバランスを提供していることを示しています。混合ノイズを含むテストにおいて、この新しいフィルターは、特に線の鋭さやテクスチャの保持において、多くの伝統的な手法を一貫して上回りました。最も高度なディープラーニング系のフィルターは、数値的なスコアでは最高値を出すことがありましたが、それらはしばしば画像を不自然に滑らか、あるいは「プラスチックのような」質感にしてしまい、元のシーンの自然な粒感を失わせてしまいました。新しいフィルターは、このような人工的な外観を完全に回避しました。それはノイズを除去しながら、画像が自然に見えるように管理しており、これは他の手法では達成が難しい品質です。研究者たちは、このフィルターがインパルスノイズとガウスノイズの組み合わせを扱う際に特に効果的であることを指摘しました。これは、他の多くのフィルターが失敗するか、あるいは顕著なアーティファクト（偽像）を生じさせてしまうシナリオです。

しかし、この性能には速度とのトレードオフが伴います。新しいフィルターは、最も単純なメディアンフィルターよりも大幅に遅く、画像の処理に10倍以上の時間を要します。また、計算効率が高いことで知られるガウスフィルターやウィーナーフィルターよりも低速です。それでも、テストされた中で最も遅かった非局所平均法と比較すれば、その速度は遥かに速いです（非局所平均法は、基本的なメディアンフィルターの約30倍の時間を要しました）。著者は、ライブビデオをモバイルデバイスで配信する場合など、速度が極めて重要なアプリケーションにおいては、より単純なフィルターが依然として好まれる可能性があると示唆しています。しかし、X線や超音波検査のような医療画像のように、画質と微細な詳細の保持が最優先されるタスクにおいては、この新しいフィルターは魅力的な選択肢となります。それは、ハードウェアに起因するノイズを、小さな病変を見逃したり重要な輪郭をぼかしたりするリスクなしに除去する方法を提供し、最終的な画像が現実の信頼できる表現であることを保証します。

本研究は、この適応的なアプローチが、長年デジタルイメージングを悩ませてきた混合ノイズに対して、安定した堅牢な解決策を提供することを結論付けています。統計的なクラスタリングとファジー論理を組み合わせることで、このフィルターは画像の局所的な構造に適応し、領域を滑らかにするかエッジを鋭くするかを即座に判断します。研究者たちは、結果の検証やさらなる発展を可能にするため、コードとテスト用スクリプトを公開しました。複雑で不透明なニューラルネットワークが支配的なこの分野において、この研究は、注意深く設計された数学的に透明性の高いアルゴリズムが、依然として困難な問題をエレガントかつ信頼性高く解決できることを証明しています。研究結果は、詳細を「幻覚」として作り出すリスクが許容できないような、特定の高リスクなアプリケーションにおいて、この種の古典的なフィルタリングが単に有効であるだけでなく、不可欠であることを示唆しています。