Image denoising with GPU accelerated Gibbs sampling

Abstract

While Gibbs sampling based image denoising methods have been proven to produce results comparable even to the state-of-the-art methods, Gibbs sampling based methods are slow to execute by their basic construction. This thesis proposes one Gibbs sampling based image denoising method, which utilizes matrix operations and the processing power of the graphical processing unit for speed of execution. Based on test cases presented in this thesis, the proposed method can denoise approximately 0.040 – 0.046 megapixels per second for color photos, which is significantly faster than many similar methods. Based on experiments done for this thesis, the proposed method can perform well with different types of noise even with photos having high detail, without the need for tuning any parameters between use cases.

Vaikka Gibbsin näytteistykseen perustuvien menetelmien on todettu tuottavan jopa huippuluokan menetelmiin verrattavia tuloksia kuvien häiriönpoistossa, voivat nämä menetelmät olla hitaita suorittaa. Tässä opinnäytetyössä esitetään Gibbsin näytteistykeeen pohjautuvat kuvien häiriönpoistaja, joka hyödyntää matriisilaskuja sekä näytönohjaimen laskentatehoa suorituksen nopeuttamiseen. Tässä opinnäytetyössä tehtyjen testien perusteella esitetty menetelmä pystyy poistamaan häiriötä 0.040 – 0.046 megapikselistä sekunnissa värikuvien osalta. Tulos on huomatavasti nopeampi, kuin monet muut vastaavat ratkaisut. Testit indikoivat myös, että esitetty menetelmä voi toimia hyvin erityyppisten häiriön kanssa jopa sellaisten kuvien osalta, joissa on paljon yksityiskohtia, eikä menetelmä vaadi parametrien säätöä erikseen.