A review of image denoising techniques: From classical filtering to deep learning and diffusion models

디지털 이미징 기술의 발전에도 불구하고 이미지 획득 및 처리 과정에서 발생하는 노이즈는 여전히 이미지 품질 저하와 후속 분석의 정확도 하락을 초래하는 주요 과제이다. 본 논문은 초기 통계적 필터링 기법에서부터 주파수 분석, 웨이블릿 변환, 베이지안 모델, 그리고 최신 딥러닝 기반 접근법에 이르기까지 이미지 노이즈 제거 기술의 발전 과정을 체계적으로 검토한다. 가우시안, 소금-후추, 포아송 노이즈 등 다양한 노이즈 모델의 통계적 특성을 분석하고, 공간 및 변환 영역 필터링, 비국소적 자기 유사성 기반 방법 (NL-means, BM3D), 그리고 CNN, 트랜스포머, 확산 모델을 활용한 최신 기법들의 성능과 한계를 비교 분석한다. 또한 PSNR과 SSIM 등 정량적 성능 지표의 효용성을 논의하며, 향후 통계적 사전 정보 (priors)를 결합한 하이브리드 모델 및 자기 지도 학습 연구의 방향성을 제시한다. 이를 통해 고품질 영상 구현과 데이터 기반 의사 결정의 신뢰성 향상을 위한 핵심적인 고찰을 제공하고자 한다.