Estimation of image local mean near saturation

Abstract

In this thesis a novel method for correcting nonlinear average photon response for partially saturated uniform neighborhoods in noisy digital camera images is presented. The method is based on estimating the true local mean by connecting the ratio of saturated pixels to normally distributed noise, correcting for distribution skewness caused by saturation of some pixels. Normal distributed noise is assumed per central limit theorem.

The method has potential for improving linear filtering, noise reduction, color processing and feature recognition near image signal saturation limit. The method is tested with simulated data. It is concluded that the method presented in the thesis works with locally uniform objects, but it requires correction of fixed-pattern noise and an accompanying method for estimating the degree of local uniformity to prevent undershoot. Suggestions for improving the method are discussed.

Tässä työssä esitetään uusi menetelmä epälineaarisen fotonivasteen korjaamiseksi osittain saturoituneille tasaisille naapurustoille kohinaisissa digitaalikameran kuvissa. Menetelmä perustuu todellisen paikallisen keskiarvon estimointiin liittämällä saturoituneiden pikselien suhteellinen osuus normaalijakautuneeseen kohinaan, korjaten jakauman vinouman, joka aiheutuu joidenkin pikselien saturoitumisesta. Kohina oletetaan normaalijakautuneeksi keskeisen raja-arvolauseen perusteella.

Menetelmällä on potentiaalia lineaarisen suodatuksen, kohinan vähennyksen, värinprosessoinnin ja hahmontunnistuksen parantamiseksi lähellä kuvasignaalin saturoitumisrajaa. Menetelmä on testattu simuloidulla datalla. Päätellään, että työssä esitetty menetelmä toimii hyvin paikallisesti tasaisilla kohteilla, mutta se edellyttää vakiokuvioisen kohinan korjaamista sekä apumenetelmän paikallisen tasaisuuden estimoimiseksi paikallisen keskiarvon aliarvioimisen välttämiseksi. Ehdotuksia menetelmän parantamiseksi käydään läpi.