$\require{mediawiki-texvc}$

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.

SAR 영상에서 웨이블렛 변환을 이용한 스펙클 잡음제거 방법
Speckle Noise Reduction in SAR Images using Wavelet Transform 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.12 no.3, 2007년, pp.123 - 130  

임동훈 (경상대학교 정보통계학과)

초록
AI-Helper 아이콘AI-Helper

SAR 영상은 스펙클 잡음의 승법(multiplicative) 특성으로 인하여 영상 분석하는데 많은 어려움이 있다. 본 논문에서는 웨이블렛 변환을 사용하여 SAR 영상의 스펙클 잡음을 제거하고자 한다. 이를 위해 잡음영상에 대해 로그를 취해 얻은 가법(additive) 잡음 영상에서 웨이블렛 분해 한 후 잡음 성분을 제거하고 원영상을 얻기 위해 지수형태를 취한다. 웨이블렛 변환에서 임계치 처리는 소프트 임계법을 사용하고 VisuShrink, SureShrink, BayesShrink 그리고 수정된 BayesShrink 방법으로 임계값을 선택한다. 영상실험을 통하여 이들 임계값 선택 방법들 간의 비교는 수정된 BayesShrink 방법이 다른 방법들보다 좋은 영상의 질을 유지하고 있으며 또한 PSNR 면에서 좋은 잡음제거 성능을 갖고 있음을 알 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It is difficult to analyse images because of multiplicative characteristics of speckle noises in SAR images. In this paper. wavelet transform is proposed for restoring SAR images corrupted by speckle noise. The multiplicative noise is transformed into a form of additive noise and then the additive n...

주제어

#SAR image   #speckle noise   #wavelet transform   #VisuShrink   #SureShrink   #BayesShrink   #Modified BayesShrink  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 SAR 영상에서 존재하는 스펙클 잡음을 제거하는데 효과적인 웨이블렛 변환을 사용하는 방법에 대해 논의하였다. 이를 위해 승법 잡음을 가법 잡음으로 변환하기 위해 로그를 취한다음 웨이블렛 분해한 후 소프트 임계처리법 (soft thresholding)을 사용하여 VisuShrink, SureShrink, BayesShrink, 수정된 BayesShrink 방법으로 임계값을 선택하여 잡음을 제거하였다.
  • 본 논문에서는 SAR 영상에서 흔히 존재하는 스펙클 잡음을 웨이블렛 변환을 사용하여 제거하는 방법에 대해 논의하고자 한다. 영상에서 에지 (edge)를 보존하면서 잡음을 제거하는 일은 쉽지 않다〔2)〔3〕〔4〕.
  • 본 장에서는 영상실험을 통하여 VisuShrink, SureShrink, BayesShrink, 수정된 BayesShrink 임계값 방법 간에 잡음 제거 성능을 비교하고자 한다.

가설 설정

  • BayesShrink에서 서브밴드의 웨이블렛 계수들은 다음과 같이 GGD(Generalized Gaussian Distribution) 분포를 갖는다는 가정한다.
본문요약 정보가 도움이 되었나요?

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