$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

영상 잡음 제거를 위한 영역 확장 기반 가변 윈도우 크기 결정 알고리즘
Region Growing Based Variable Window Size Decision Algorithm for Image Denoising 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.41 no.5 = no.299, 2004년, pp.111 - 116  

엄일규 (밀양대학교 정보통신공학과) ,  김유신 (부산대학교 컴퓨터 및 정보통신연구소)

초록
AI-Helper 아이콘AI-Helper

웨이블릿 영역에서 Bayesian 추정법을 이용한 잡음 제거를 위해서는 웨이블릿 계수의 prior 모델, 잡음의 확률분포, 웨이블릿 계수에 대한 분산 등의 정보가 필요하다. 잡음 제거의 일반적인 방법은 웨이블릿 계수에 대한 적절한 prior 모델을 설정하고 이에 대한 신호의 분산을 추정하는 것이다. 본 논문에서는 영역 확장 방법을 사용하여 영상의 영역에 따라 분산을 추정하기 위한 창의 크기를 결정하는 방법을 제안한다. 이웃 계수의 범위는 동질성 척도를 정의하여 가장 작은 영역부터 영역을 확장하는 방법을 사용한다. 결정된 가변 이웃 영역을 사용하여 원 신호의 분산을 결정하고 이를 이용하여 웨이블릿 영역에서 Bayesian 추정법을 사용하여 영상의 잡음을 제거한다. 실험 결과를 통하여 제안 방법이 기존의 방법보다 높은 PSNR을 나타냄을 보여 준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It is essential to know the information about the prior model for wavelet coefficients, the probability distribution of noise, and the variance of wavelet coefficients for noise reduction using Bayesian estimation in wavelet domain. In general denoising methods, the signal variance is estimated from...

주제어

#잡음제거   #영역 확장   #가변 윈도우   #웨이블릿  

참고문헌 (9)

  1. M. K. Mihcak, I. Kozintsev, K. Ramchandran, and P. Moulin, 'Low-complexity image denoising based on statistical modeling of wavelet coefficients,' IEEE Signal Processing Letters, vol. 6, pp. 300-303, 1999 

    상세보기 crossref

  2. S. G. Chang, B. Yu, and M. Vetterli, 'Spatially adaptive wavelet thresholding with context modeling for image denoising,' IEEE Trans. Image Processing, vol.9, pp.1522-1531, 2000 

    상세보기 crossref

  3. M. K. Mihcak, I. Kozintsev, K. Ramchandran, 'Spatially Adaptive statistical Modeling of Wavelet Image Coefficients and Its Application to Denosing,' Proc. IEEE Int. Conf. Acous., Speech and Signal Processing, vol.6, pp. 3253-3256, 1999 

    crossref

  4. M. S. Crouse, R. D. Nowak, and R.G. Baraniuk, 'Wavelet-based statistical signal processing using hidden Markov models,'IEEE Trans. Image Processing, vol.46, pp. 886-902, 1998 

    상세보기 crossref

  5. J. K. Romberg, H. Choi, and R. G. Baraniuk, 'Bayesian tree-structured image modeling using wavelet-domain hidden Markov models,' IEEE. Trans. Image Processing, vol.10, no.7, pp. 1056-1068, 2001 

    상세보기 crossref

  6. H. Choi, J. Romberg, R. Baraniuk, and N. Kingsbury, 'Hidden Markov Tree Modeling of Complex Wavelet Transforms,' Proc. IEEE Int. Conf. Acous., Speech and Signal Processing, Istanbul, Turkey, June, 2000 

    crossref

  7. J. K. Romberg, H. Choi, and R. Baraniuk, 'Bayesian tree structured image modeling using wavelet-domain hidden Markov model, ' Proc. SPIE, vol.3816, pp.31-44, 1999 

    crossref

  8. L. Sendur and I. W. Selesnick, 'Bivariate shrinkage with local variance estimation,' IEEE Signal Processing Letters, vol.9, no.12, pp.438-441, 2002 

    상세보기 crossref

  9. Z. Cai, T. H. Cheng, C. Lu, and K. R. Subramanian, 'Efficient wavelet based image denoising algorithm,' Electron. Lett., vol. 37, no.11, pp.683-685, 2001 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로