$\require{mediawiki-texvc}$

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.

[국내논문] 녹화된 아날로그 영상의 화질 개선을 위한 잡음 연관성을 고려한 학습기반 잡음개선 기법
Training-Based Noise Reduction Method Considering Noise Correlation for Visual Quality Improvement of Recorded Analog Video 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.47 no.6 = no.336, 2010년, pp.28 - 38  

김성득 (안동대학교 정보전자공학교육과) ,  임경원 ((주) LG전자 DTV연구소)

초록
AI-Helper 아이콘AI-Helper

녹화된 아날로그 영상에 내재하는 잡음을 효과적으로 제거하기 위해서는 잡음의 실제 특성과 정도를 정확히 파악하는 것이 매우 중요하다. 본 논문에서는 실제 방송되는 아날로그 영상을 녹화하여 잡음의 특성을 분석한 후, 녹화된 아날로그 영상을 위한 효과적인 학습기반 잡음개선 방법을 제안한다. 먼저 녹화된 아날로그 영상의 잡음을 분석하여 무시할 수 없는 잡음의 연관성이 존재하는 것을 보임으로써, 전통적인 부가 백색 가우시안 잡음 (AWGN) 모델에 기반을 둔 잡음의 추정과 잡음 제거 방법이 가지는 한계를 설명한다. 또한 잡음의 연관성을 고려한 자기회귀 모델을 이용해서 녹화된 아날로그 영상에 내재하는 잡음을 추정하고 합성할 수 있음을 보이며, 추정된 자기회귀 모델을 이용해 학습기반 잡음제거 기법에 적용함으로써 비디오 잡음을 제거한다. 실험결과는 제안된 방법이 무시할 수 없을 정도로 잡음 연관성을 가진 실제 녹화된 아날로그 영상의 잡음 제거에 효과적으로 활용될 수 있음을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In order to remove the noise contained in recorded analog video, it is important to recognize the real characteristics and strength of the noise. This paper presents an efficient training-based noise reduction method for recorded analog video after analyzing the noise characteristics of analog video...

주제어

#analog noise reduction   #trained filter   #auto-regressive model  

질의응답

핵심어 질문 논문에서 추출한 답변
국부 분산의 히스토그램을 이용하는 잡음 추정에 있어 어려운 점 중 하나는 무엇인가? 국부 분산의 히스토그램을 이용하는 잡음 추정에 있어서 주목할 만한 어려움 중 하나는 히스토그램의 어떤 부분이 잡음으로 인해 발생했다고 판단하기 어렵다는 점이다. 평탄한 영역에서의 잡음 성분이 국부 분산의 히스토그램에 지배적인 영향을 주고, 국부 분산의 분포는 Gaussian 분포를 따를 것이라는 가정이 잘 성립해야만 정확한 추정이 가능하다.
잡음 추정 방법으로 널리 사용되는 방안은 무엇인가? 전통적인 아날로그 잡음 제거 방안에서는 잡음을 AWGN로 가정하고 잡음의 표준편차를 추정한 후, 잡음의 정도를 고려하여 인접한 화소들을 활용한 공간영역 필터링 혹은 시간영역 필터링을 수행한다[1～9]. 잡음 추정 방법으로는 영상 내에서 매우 평탄한 영역을 선별하고, 해당 국부 영역의 분산으로 잡음 분산을 추정하는 방안이 널리 사용된다. 국부 분산을 활용하는 방법으로는 국부 분산의 히스토그램(histogram)을 구한 후 적절한 임계치를 활용해서 잡음의 분산(혹은 표준편차)을 추정하는 방안[1～3]과 영상을 블록으로 나눈 후 선별된 평탄한 블록의 분산의 평균값 혹은 최소값에 기반을 둔 예측값을 사용하기도 한다[4].
잡음의 추정이 부정확하여 지나치게 높은 잡음 분산이 예측되면 어떠한 결과를 초래할 수 있는가? 잡음의 추정이 부정확하여 실제 잡음 분산보다 낮게 추정되면, 원하는 수준만큼 잡음 제거 성능을 보일 수 없다. 반대로 지나치게 높게 잡음 분산이 예측되면 지나친 필터링으로 인해 원치 않는 영상 번짐 현상을 초래할 수 있기 때문에 잡음 추정의 정확도를 높이는 것은 실제 응용에서 매우 중요한 요소가 될 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. G. de Haan, T. G. Kwaaitaal-Spassova, and O. A. Ojo, "Automatic 2-D and 3-D noise filtering for television receivers," Proc. Int. Workshop HDTV, Oct. 1994. 

  2. G. de Haan, T. G. Kwaaitaal-Spassova, M. Larragy, and O. A. Ojo, "Memory integrated noise reduction IC for television," IEEE Trans. Consumer Electronics, vol. 42. no. 2, pp. 175-181, May 1996. 

    상세보기 crossref

  3. Y. Huang and L. Hui, "An adaptive spatial filter for additive Gaussian and impulse noise reduction in video signals," Proc. Int. Conf. Information, Commun. & Signal Processing and Pacific-Rim Conf. Multimedia, pp. 523-526, Dec. 2003. 

  4. A. Amer and E. Dubois, "Fast and reliable structure-oriented video noise estimation," IEEE Trans. Circuits and Systems for Video Technol., vol. 15, no. 1, pp. 113-118, Jan. 2005. 

    상세보기 crossref

  5. D.-H. Shin, R.-H. Park, S. Yang, and J.-H. Jung, "Block-based noise estimation using adaptive Gaussian filtering," IEEE Trans. Consumer Electronics, vol. 51, no. 1, pp. 218-226, Feb. 2005. 

    상세보기 crossref

  6. M. Ghazal, A. Amer, and A. Ghrayeb, "Structure-oriented spatio-temporal video noise estimation," Proc. IEEE Int. Conf. Acoustics, Speech and Signal Processing, vol. 2, pp. 845-848, May 2006. 

  7. K. Rank, M. Lendl, and R. Unbehauen, "Estimation of image noise variance," IEE Proceedings Vision, Image and Signal Processing, vol. 146, no. 2, pp. 80-84, Aug. 1999. 

    상세보기 crossref

  8. P. Q. Tuan, "Histogram-based noise estimation," Appendix A of his Ph.D. Thesis, Delft University of Technology, 2006. 

  9. J. Sijbers, D. Poot, A. J. Dekker, and W. Pintjens, "Automatic estimation of the noise variance from the histogram of a magnetic resonance image," Phys. Med. Biol., vol. 52, pp. 1335-1348, 2007. 

    상세보기 crossref

  10. C. W. Therrien, Discrete random signals and statistical signal processing, Prentice-Hall, pp. 535-541, 1992. 

  11. B. T. Oh, C.-C. J. Kuo, S. Sun, and S. Lei, "Film grain noise modeling in advanced video coding," Proc. Visual Commun. and Image Processing, 2007. 

  12. L. Shao, H. Zhang, and G. de Haan, "An overview and performance evaluation of classification-based least squares trained filters," IEEE Trans. Image Processing, vol. 17, no. 10, pp. 1772-1782, Oct. 2008. 

    상세보기 crossref

  13. H. Hu and G. de Haan, "Trained bilateral filters and applications to coding artifacts reduction," Proc. IEEE Int. Conf. Image Processing, pp. I.325-328, Sept. 2007. 

  14. J. S. Lim, Two-dimensional signal and image processing, Prentice-Hall, 1990. 

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