[논문]Rank-Order 방법을 이용한 개선된 임펄스 잡음 제거

고경우; 이철희; 하영호

[국내논문] Rank-Order 방법을 이용한 개선된 임펄스 잡음 제거
Improved Cancellation of Impulse Noise Using Rank-Order Method 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.46 no.4 = no.328, 2009년, pp.9 - 15

고경우 (경북대학교 전자전기컴퓨터학부) , 이철희 (안동대학교 컴퓨터공학) , 하영호 (경북대학교 전자전기컴퓨터학부)

초록
AI-Helper

본 논문에서는 rank-order 방법을 이용한 임펄스(impulse) 잡음 제거 알고리즘을 제안한다. 제안된 방법은 빠르고 간단하게 잡음을 제거할 수 있는 알고리즘으로 크게 두 부분으로 나눌 수 있다. 첫 번째는 퍼지(fuzzy) 기술을 이용한 임펄스 잡음 검출 과정이다. 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 모든 화소가 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다. 이때 잡음 검출 마스크에서 rank-order를 사용하여 기존의 방법에 비해 보다 정확하게 잡음을 검출할 수 있다. 두 번째는 임펄스 잡음 제거 과정으로, 각 화소에 할당된 잡음 확률에 따라 화소를 변환하여 잡음이 제거된 출력 영상을 획득하는 과정이다. 실험을 통해 기존의 방법과 제안한 방법을 비교 분석하였으며, 제안한 방법이 보다 정확하게 잡음인 화소를 검출할 수 있음을 확인하였다. 또한 출력 영상에서도 보다 높은 PSNR 수치를 나타내었다.

Abstract ▼ AI-Helper

This paper proposes a cancellation algorithm of impulse noise using a rank-order method. The proposed method is a fast and simple algorithm that is composed of two parts. The first part involves noise detection using a fuzzy technique, where an image is divided into RGB color channels. Then every pixel in each color channel is investigated and assigned a probability indicating its chances of being a noise pixel. At this time, the rank order method using a noise-detection mask is utilized for accurate noise detection. Thereafter, the second part involves noise-cancellation, where each noise-pixel value in an image is replaced in proportion to its fuzzy probability. Through the experiments, both the conventional and proposed methods were simulated and compared. As a result, it is shown that proposed method is able to detect noisy pixels more accurately, and produce resulting images with high PSNR values.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 Luo의 문제점을 해결하기 위해 rank-order 방법을 이용하여 잡음인 화소를 정확하게 검출하는 방법을 제안하였다. 제안된 알고리즘은 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 히스토그램을 분석하여 잡음의 범위를 지정한 후, 모든 화소에 대해 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다.
즉, 잡음인 화소가 잡음이 아닌 것으로 판명되기 때문에, 이 화소는 아무런 변화 없이 결과 영상에 그대로 나타나게 된다. 따라서 이러한 문제점을 해결하기 위해 본 논문에서는 3x3 마스크에서 rank-order를 이용하여 보다 정확하게 잡음인 화소를 검출하는 방법을 제안하였다.
본 논문에서는 효율적으로 임펄스 잡음을 제거하기 위해 rank-order 방법을 이용해 잡음인 화소를 정확하게 검출하는 방법을 제안하였다. 제안된 알고리즘은 컬러 영상에도 확대 적용하였으며, 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 모든 화소가 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다.

가설 설정

제안하였다.圆 이 방법에서 임펄스 잡음이라는 것은 영상의 최대값과최소값으로 구성된 잡음 (salt-and-pepper noise) 으로, 영상의 전역에 균일하게 분포한다고 가정한다. 즉, 영상 내의 각 화소는 밝은 임펄스 잡음(화소값 255)에 의해 훼손될 확률과 어두운 임펄스 잡음(화소값 0)에 의해 훼손될 확률이 동일함을 의미한다.
즉, 영상 내의 각 화소는 밝은 임펄스 잡음(화소값 255)에 의해 훼손될 확률과 어두운 임펄스 잡음(화소값 0)에 의해 훼손될 확률이 동일함을 의미한다. 또한 영상의 화소값은 지역적으로 평탄하게 변하고, 잡음인 화소는 일반적으로 영상의 히스토그램에서 양쪽 가장자리에 위치한다고 가정한다.

제안 방법

Luo의 방법에서는 흑백 영상에 대해서만 임펄스 잡음을 제거하였지만, 본 논문에서는 컬러 영상에 대해서도 잡음 제거 알고리즘을 확대 적용하였다. 우선 입력된 컬러 영상을 RGB 채널로 분리하고, 각 채널별로 히스토그램을 조사하여 잡음인 영역을 선택한다.
영상 내에서(I; j) 위치에서의 화소값을 Xij 라 하고, 중심이 xa 인 3x3 마스크를 Wy 라 한다면, xn 가 임펄스 잡음일 확률을 계산하기 위해서 우선 영상의 히스토그램을 분석한다. 그리고 히스토그램 내에서 임펄스 잡음의 위치를 지정하고, 현재 화소가 지정된 위치 내에 존재하는지 아닌지를 확인한다. 만약 현재 화소가 임펄스 잡음의 위치에 존재하지 않는다면 Xii 는 잡음이 아닌 화소로 판단한다.
15와 25로 지정하였다. 또한 각 테스트 영상에 대해 전체 화소수의 么)%를 임펄스 잡음으로 훼손시켰으며, 잡음은 전체 영상에 균일하게 분포하도록 하였다. 그림 8은 실험에 사용된 테스트 영상이며, 그림 9는 알고리즘의 성능을 평가하기 위해 인위적으로 잡음을 추가한 영상이다.
우선 영상의 각 화소가 잡음인지 아닌지를 판단하기 위해 잡음이 추가된 영상에 대해 히스토그램을 조사하였다.硏7) 그림 I。과 그림 I】은 각각 为% 잡음이 추가된 Lena 영상과 Camp 영상에 대한 히스토그램이다.
잡음 제거 알고리즘을 확대 적용하였다. 우선 입력된 컬러 영상을 RGB 채널로 분리하고, 각 채널별로 히스토그램을 조사하여 잡음인 영역을 선택한다. 그 후 제안한 rank-order 방법을 이용하여 잡음인 화소를 변환하게 된다.
제안된 알고리즘은 컬러 영상에도 확대 적용하였으며, 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 모든 화소가 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다. 이때 잡음 검출 마스크에서 rank-order를 사용하여 현재 화소와 이웃 화소의 차이값을 오름차순으로 정렬한 후, 영상에 대해 적응적으로 ran次를 적용하였다. 그 결과 기존의 방법에 비해 보다 정확하게 잡음을 검출할 수 있었다.
검출하는 방법을 제안하였다. 제안된 알고리즘은 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 히스토그램을 분석하여 잡음의 범위를 지정한 후, 모든 화소에 대해 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다. 이 과정에서 잡음 검출 마스크에 rank-crter를 사용하여 현재 화소와 이웃 화소의 차이 값을 오름차순으로 정렬한 후, 영상에 대해 적응적으로 rank를 적용한다.
검출하는 방법을 제안하였다. 제안된 알고리즘은 컬러 영상에도 확대 적용하였으며, 입력된 영상을 RGB 채널로 분리한 후, 각 채널의 모든 화소가 잡음인지 아닌지를 판단하여 잡음일 확률을 계산하고 할당한다. 이때 잡음 검출 마스크에서 rank-order를 사용하여 현재 화소와 이웃 화소의 차이값을 오름차순으로 정렬한 후, 영상에 대해 적응적으로 ran次를 적용하였다.

대상 데이터

기존의 방법인 Luo의 방법과 제안된 방법의 성능을 비교 분석하기 위해 256x256 크기의 테스트 영상을 이용하였으며, 상한 문턱치값 7} 과 하한 문턱치값 을 각각 15와 25로 지정하였다. 또한 각 테스트 영상에 대해 전체 화소수의 么)%를 임펄스 잡음으로 훼손시켰으며, 잡음은 전체 영상에 균일하게 분포하도록 하였다.

이론/모형

15. Reconstructed Camp images using rank-order method (color images).
14. Reconstructed Lena images using rank-order method (color images).
우선 입력된 컬러 영상을 RGB 채널로 분리하고, 각 채널별로 히스토그램을 조사하여 잡음인 영역을 선택한다. 그 후 제안한 rank-order 방법을 이용하여 잡음인 화소를 변환하게 된다. 전체적인 과정을 그림 7에 나타내었다.
화질의 향상 정도를 수치적으로 고찰하기 위해 PSNR(Peak Signal to Noise Rati。)을 이용하여 표 1에 나타내었다

성능/효과

이때 잡음 검출 마스크에서 rank-order를 사용하여 현재 화소와 이웃 화소의 차이값을 오름차순으로 정렬한 후, 영상에 대해 적응적으로 ran次를 적용하였다. 그 결과 기존의 방법에 비해 보다 정확하게 잡음을 검출할 수 있었다. 실험을 통해 기존의 방법과 제안한 방법을 비교 분석하였으며, 제안한 방법이 보다 정확하게 잡음인 화소를 검출할 수 있음을 확인할 수 있었다.
이 과정에서 잡음 검출 마스크에 rank-crter를 사용하여 현재 화소와 이웃 화소의 차이 값을 오름차순으로 정렬한 후, 영상에 대해 적응적으로 rank를 적용한다. 그 결과 제안한 방법이 보다 정확하게 잡음인 화소를 검줄할 수 있음을 확인할 수 있었으며, 복원 영상도 우수한 성능을 보임을 확인하였다.
확대 적용한 결과이다. 그림에서 알 수 있듯이 제안한 알고리즘은 컬러 영상에서도 쉽고 효율적으로 잡음을 제거할 수 있음을 확인할 수 있다.
실험을 통해 기존의 방법과 제안한 방법을 비교 분석하였으며, 제안한 방법이 보다 정확하게 잡음인 화소를 검출할 수 있음을 확인할 수 있었다. 또한 잡음이 제거된 복원 영상에도 기존의 방법 및 중간값 필터 결과에 비해 우수한 성능을 보임을 확인하였다&rsquo;
그 결과 기존의 방법에 비해 보다 정확하게 잡음을 검출할 수 있었다. 실험을 통해 기존의 방법과 제안한 방법을 비교 분석하였으며, 제안한 방법이 보다 정확하게 잡음인 화소를 검출할 수 있음을 확인할 수 있었다. 또한 잡음이 제거된 복원 영상에도 기존의 방법 및 중간값 필터 결과에 비해 우수한 성능을 보임을 확인하였다’
보다 상세한 비교를 위해 중간값 필터를 사용한 결과도 표 1에 나타내었다. 표에서 알 수 있듯이, 제안한 방법이 기존의 방법 및 중간값 필터에 비해 우수한 성능을 보임을 확인할 수 있.다.

참고문헌 (7)

R. C. Gonzalez and R. E. Woods, Digital Image Processing, Prentice Hall, pp. 230-243, 2002
T. Sun and Y. Neuvo, "Detail-Preserving Median based Filters in Image Processing." Pattern Recognition Letters, vol. 15, pp. 341-347, Apr. 1994

상세보기
T. Chen, K. K. Ma, and L. H. Chen, "Tri-State Median Filter for Image Denoising," IEEE Transactions on Image Processing, vol. 8, no. 12, pp. 1834-1838, Dec. 1999

상세보기
J. Y. Chang and J. L. Chen, "Classifier-Augmented Median Filters for Image Restoration," IEEE Transactions on Instrumentation and Measurement, vol. 53, no. 2, pp. 351-356, Apr. 2004

상세보기
E. Abreu, M. Lightstone, S. K. Mitra, and K. Arakawa, "A New Efficient Approach for the Removal of Impulse Noise from Highly Corrupted Images," IEEE Transactions on Image Processing, vol. 5, no. 6, pp. 1012-1025, June 1996

상세보기
W. Luo, "Efficient Removal of Impulse Noise from Digital Images," IEEE Transactions on Consumer Electronics, vol. 52, no. 2, pp. 523-527, May 2006

상세보기
이호영, 김영태, 김희수, 배태면, 하영호, "칼라 히스토그램 기반 영상검색을 위한 효율적인 칼라 특징 정보 추출," 한국 통신학회, vol. 25, no. 8B, pp. 1413-1423, Aug. 2000

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증