초록
이미지 노이즈 제거 알고리즘은 인공적으로 생성된 노이즈로 오염된 이미지를 사용하여 평가되는데, 이는 실제 노이즈에 대한 성능 평가에서 잘못된 결론을 도출할 수 있습니다. 본 논문에서는 저조도 조건으로 인해 자연적인 노이즈가 발생한 컬러 이미지 데이터셋을 소개하며, 같은 장면의 공간적 및 강도 맞춤형 저노이즈 이미지도 함께 제공합니다. 또한, 저노이즈 이미지에도 소량의 노이즈가 포함되어 있기 때문에, 우리의 이미지에서 실제 노이즈 수준을 추정하는 방법을 제시합니다. 우리는 이 노이즈 추정 방법의 정확성을 실제 노이즈와 인공적 노이즈에 대해 평가하고, Poisson-Gaussian 노이즈 모델을 연구합니다. 마지막으로, Active Random Field, BM3D, Bilevel-MRF, Multi-Layer Perceptron, 그리고 두 가지 버전의 NL-means 등 6개의 노이즈 제거 알고리즘을 우리의 데이터셋을 사용하여 평가합니다. 실험 결과, Multi-Layer Perceptron, Bilevel-MRF, 그리고 소프트 임계값을 적용한 NL-means는 합성 노이즈를 가진 회색 이미지에서 BM3D를 능가하지만, 우리의 데이터셋에서는 뒤떨어지는 것으로 나타났습니다.