[논문]저조도 환경의 영상 잡음제거 기술에 관한 연구

이호철; 남궁재찬; 이성원

[국내논문] 저조도 환경의 영상 잡음제거 기술에 관한 연구
A Study on Image Noise Reduction Technique for Low Light Level Environment 원문보기

한국철도학회 논문집 = Journal of the Korean Society for Railway, v.13 no.3 = no.58, 2010년, pp.283 - 289

이호철 (광운대학교 전자정보공과대학 컴퓨터공학과) , 남궁재찬 (광운대학교 전자정보공과대학 컴퓨터공학과) , 이성원 (광운대학교 전자정보공과대학 컴퓨터공학과)

초록
AI-Helper

디지털 카메라의 발전으로 인해 점차 영상을 사용한 철도의 안전관리기법이 그 사용범위를 넓히고 있다. 그러나 선로의 특성상 많은 저조도 환경에서의 영상 취득 과정에서는 심한 잡음이 영상의 화질을 떨어뜨릴 뿐만 아니라 추가적인 영상처리의 오류를 발생시킨다. 최근의 3D 잡음제거 방식은 시간적으로 연속된 영상간의 픽셀을 참조함으로 2D 잡음제거보다 더 나은 잡음 제거 결과를 얻을 수 있으나 움직임 부분에서는 오히려 모션 블러와 같은 열화가 나타나게 된다. 본 논문에서는 저조도 영상에서 적응적 가중평균필터를 이용하여 보다 정확한 움직임 검출을 구현하며, 3D 잡음제거 방식에 2D잡음 제거 방식의 결과를 적응적으로 사용하여 객관적 화질과 주관적 화질을 개선하였다.

Abstract ▼ AI-Helper

Recent advance of digital camera results in that image signal processing techniques are widely adopted to railroad security management. However, due to the nature of railroad management many images are acquired in low light level environment such as night scenes. The lack of light causes lots of noise in the image, which degrades image quality and causes errors in the next processes. 3D noise reducing techniques produce better results by using consecutive sequence of images. On the other hand, they cause degradation such as motion blur if there are motions in the sequence. In this paper, we use an adaptive weight filter to estimate more accurate motions and use the result of the adaptive filter to 3D result to improve objective and subjective mage quality.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 에지부분의 선명도를 유지하면서도 강한 잡음제거 효과를 얻기 위하여 2D 잡음제거에 많이 사용되는 몇몇 필터의 움직임 검출에 미치는 영향을 비교하였으며, 최종적으로 AWA필터를 사용하여 2D 잡음제거의 효과와 움직임 검출 성능을 높이는 두 가지 효과를 얻을 수 있었다.
본 논문에서는 저조도 영상과 같이 잡음이 많은 환경에서의 잡음을 제거하기 위한 3D잡음제거기를 제안한다. 이를 위하여 잡음이 많은 환경에서 움직임 검출 알고리즘의 성능을 개선할 수 있는 전처리 필터의 종류와 특성을 연구하였다.
본 논문은 잡음이 많은 저조도 영상의 효과적인 잡음 제거를 위한 3D 잡음 제거 방식을 제안하였다. 제안된 방식은 3D 잡음 제거 방식의 성능에 많은 영향을 주는 움직임 검출 결과를 개선하기 위하여 2D 잡음제거에 사용되는 필터 결과와 3D 잡음 제거된 결과를 비교하여 움직임을 검출하였다.
본 논문에서는 저조도 영상과 같이 잡음이 많은 환경에서의 잡음을 제거하기 위한 3D잡음제거기를 제안한다. 이를 위하여 잡음이 많은 환경에서 움직임 검출 알고리즘의 성능을 개선할 수 있는 전처리 필터의 종류와 특성을 연구하였다. 또한 움직임 영역에서의 2D 공간잡음 제거 방법이 강한 잡음을 제거하는 과정에서 고주파영역이 소실되어 상대적으로 선명한 시간 잡음 제거 영역과 유리되어 경계부분이 눈에 뜨이는 현상을 줄이기 위한 계수조정 방법을 제안하였다.

제안 방법

2D 잡음 제거 방식의 성능과 그 성능이 움직임 검출 성능에 미치는 영향을 파악하기 위하여 3D 잡음 제거 방식 내에 2D 잡음 제거 방식만 달리하여 실험하였다. Fig.
논문에서는 2D 잡음제거의 성능비교를 위하여 Median, A-LMMSE, AWA, 그리고 A-MEAN의 결과를 비교하였다. Fig.
이를 위하여 기존의 2D 잡음제거에 효과가 있는 LMMSE, AWA, A-MEAN 필터를 비교하여 AWA필터가 2D 잡음제거와 움직임 검출에 모두 효과적임을 보였다. 또한 2D 잡음 제거와 시간적 필터링 잡음제거 영역 사이의 경계효과를 줄이기 위하여 2D 잡음 제거와 시간적 필터링 잡음제거 결과를 혼합하여 출력한다. 실험결과 PSNR과 경계부분의 비교에 의해 우수한 성능을 가짐을 보였다.
이를 위하여 잡음이 많은 환경에서 움직임 검출 알고리즘의 성능을 개선할 수 있는 전처리 필터의 종류와 특성을 연구하였다. 또한 움직임 영역에서의 2D 공간잡음 제거 방법이 강한 잡음을 제거하는 과정에서 고주파영역이 소실되어 상대적으로 선명한 시간 잡음 제거 영역과 유리되어 경계부분이 눈에 뜨이는 현상을 줄이기 위한 계수조정 방법을 제안하였다. 제안된 방법은 일반적인 잡음제거에도 활용이 가능하나 그 구조가 복잡하여 구현비용이 증가하므로 잡음의 정도가 심한 저조도 영상에 더욱 효용가치가 있다.
본 논문에서 제안하는 3D잡음 제거 방법은 기존의 방식에서 움직임 검출부의 성능을 개선하기 위하여 움직임 검출부의 입력단에 적응적인 필터를 적용하였으며, 이때 전체적인 시스템 구조의 단순화를 위하여 2D 잡음제거부의 결과를 재사용하였다. 또한, 움직임 경계에서 2D 잡음제거의 결과와 시간적 필터를 이용한 잡음 제거 결과의 선명도 차이로 인한 경계효과를 줄이기 위한 계수 조정 방법을 제안하였다. Fig.
저조도 환경에서의 영상 획득은 영상 센서의 증폭과정에서 잡음성분이 같이 증폭되므로 잡음이 매우 심한 특징이 있다. 본 논문에서 제안하는 3D잡음 제거 방법은 기존의 방식에서 움직임 검출부의 성능을 개선하기 위하여 움직임 검출부의 입력단에 적응적인 필터를 적용하였으며, 이때 전체적인 시스템 구조의 단순화를 위하여 2D 잡음제거부의 결과를 재사용하였다. 또한, 움직임 경계에서 2D 잡음제거의 결과와 시간적 필터를 이용한 잡음 제거 결과의 선명도 차이로 인한 경계효과를 줄이기 위한 계수 조정 방법을 제안하였다.
D는 실험적으로 4를 사용하였다. 움직임 영역까지의 거리는 가장 가까운 움직임 영역까지의 유클리드 거리를 사용하는 대신 구현상의 용이성을 위하여 수직 및 수평거리 중 짧은 쪽을 사용하였다. 이를 적용한 최종 결과값 g(l,m,t)는 식 (10)과 같다.
경계 영역은 움직임이 검출되지 않은 부분 중 움직임이 검출된 부분과 인접한 부분으로, 이 영역에서는 공간적 잡음 제거 결과와 시간적 잡음 제거 결과의 선명도 차이로 인하여 양 영역이 유리되어 보이는 현상이 발생한다. 이 현상을 줄이기 위해 공간적 잡음 제거 결과와 시간적 잡음제거 결과를 혼합하여 출력한다. 정지 영역은 움직임이 검출되지 않은 영역 중 경계 영역을 제외한 부분으로, 입력영상을 그대로 시간적 잡음 제거 필터의 입력으로 사용한다.
임계치의 값이 작으면 잡음이 움직임으로 오인되는 경우가 많아지며 임계치의 값이 커지면 움직임이 없는 것으로 오인되는 경우가 많아진다. 임계치를 자동으로 결정하는 것은 본 논문의 범위를 넘는 개발이 필요하므로, 본 논문에서는 하나의 임계치 값에 대해 모든 실험영상에 대하여 평균적으로 가장 높은 PSNR이 나오는 값을 다수의 실험을 통하여 채택하였다.
제안된 3D 잡음 제거기의 출력영상은 움직임 영역, 정지 영역, 그리고 경계 영역으로 구성된다. 움직임이 검출된 부분인 움직임 영역은 시간적 3D 잡음제거 필터를 사용할 경우 모션블러를 발생하므로 이를 막기 위하여 공간적 2D 잡음 제거 기법을 적용한 영상만을 출력한다.
제안된 잡음 제거 방식의 성능을 평가하기 위하여 테스트 영상에 잡음을 부가한 후 잡음을 제거하고 원영상과의 PSNR의 비교를 통한 객관적인 평가와 주관적인 평가를 수행하였다.

대상 데이터

그리고 차영상의 결과값이 임계치 이상인 부분을 움직임 영역으로 검출한다. 임계치 T_d는 실험적으로 15를 사용하였다. 임계치의 값이 작으면 잡음이 움직임으로 오인되는 경우가 많아지며 임계치의 값이 커지면 움직임이 없는 것으로 오인되는 경우가 많아진다.

이론/모형

A-LMMSE 필터는 Wiener 필터를 기반으로 하고 있는 잡음제거 필터로 잡음제거에 식 (1)을 사용한다.

성능/효과

PSNR은 Table 1에 정리되어있다. AWA가 가장 우수한 화질을 보여주고 있으며, Median이 가장 낮은 PSNR을 나타내었다. 에지 등의 고주파 성분에 대한 왜곡은 A-Mean이 가장 적게 관찰되었다.
13는 움직임 영역과 정지영역의 선명도 차이로 인한 경계효과를 보여주는 그림으로 제안된 알고리즘에 따라 경계영역을 혼합한 결과 (b)가 혼합하지 않은 결과 (a)에 비해 경계효과가 줄어든 것을 볼 수 있다. 경계영역에 대한 처리는 PSNR이 높은 정지 영역의 값을 2D 필터의 결과와 혼합하므로 전체적인 PSNR을 낮추는 효과가 있으나, 부자연스러운 경계효과가 줄어 주관적 화질은 좋아짐을 알 수 있다.
따라서 제안된 3D 잡음제거기는 잡음이 많은 저조도 영상에서 효율적으로 움직임을 검출하여 잡음을 제거하며. 공간 잡음제거 방법과 시간 잡음제거 방법의 차에 의한 경계 효과를 줄여 주관적인 화질의 개선효과도 이루었다. 본 논문에서는 제안된 3D 잡음 제거기가 기존의 방법에 비하여 높은 PSNR을 가지며, 움직임 영역경계에 대한 관찰을 통해 주관적 화질개선을 이루었음을 보였다.
따라서 제안된 3D 잡음제거기는 잡음이 많은 저조도 영상에서 효율적으로 움직임을 검출하여 잡음을 제거하며. 공간 잡음제거 방법과 시간 잡음제거 방법의 차에 의한 경계 효과를 줄여 주관적인 화질의 개선효과도 이루었다.
공간 잡음제거 방법과 시간 잡음제거 방법의 차에 의한 경계 효과를 줄여 주관적인 화질의 개선효과도 이루었다. 본 논문에서는 제안된 3D 잡음 제거기가 기존의 방법에 비하여 높은 PSNR을 가지며, 움직임 영역경계에 대한 관찰을 통해 주관적 화질개선을 이루었음을 보였다.
또한 2D 잡음 제거와 시간적 필터링 잡음제거 영역 사이의 경계효과를 줄이기 위하여 2D 잡음 제거와 시간적 필터링 잡음제거 결과를 혼합하여 출력한다. 실험결과 PSNR과 경계부분의 비교에 의해 우수한 성능을 가짐을 보였다.
제안된 방식은 3D 잡음 제거 방식의 성능에 많은 영향을 주는 움직임 검출 결과를 개선하기 위하여 2D 잡음제거에 사용되는 필터 결과와 3D 잡음 제거된 결과를 비교하여 움직임을 검출하였다. 이를 위하여 기존의 2D 잡음제거에 효과가 있는 LMMSE, AWA, A-MEAN 필터를 비교하여 AWA필터가 2D 잡음제거와 움직임 검출에 모두 효과적임을 보였다. 또한 2D 잡음 제거와 시간적 필터링 잡음제거 영역 사이의 경계효과를 줄이기 위하여 2D 잡음 제거와 시간적 필터링 잡음제거 결과를 혼합하여 출력한다.
또한 움직임 영역에서의 2D 공간잡음 제거 방법이 강한 잡음을 제거하는 과정에서 고주파영역이 소실되어 상대적으로 선명한 시간 잡음 제거 영역과 유리되어 경계부분이 눈에 뜨이는 현상을 줄이기 위한 계수조정 방법을 제안하였다. 제안된 방법은 일반적인 잡음제거에도 활용이 가능하나 그 구조가 복잡하여 구현비용이 증가하므로 잡음의 정도가 심한 저조도 영상에 더욱 효용가치가 있다.
본 논문은 잡음이 많은 저조도 영상의 효과적인 잡음 제거를 위한 3D 잡음 제거 방식을 제안하였다. 제안된 방식은 3D 잡음 제거 방식의 성능에 많은 영향을 주는 움직임 검출 결과를 개선하기 위하여 2D 잡음제거에 사용되는 필터 결과와 3D 잡음 제거된 결과를 비교하여 움직임을 검출하였다. 이를 위하여 기존의 2D 잡음제거에 효과가 있는 LMMSE, AWA, A-MEAN 필터를 비교하여 AWA필터가 2D 잡음제거와 움직임 검출에 모두 효과적임을 보였다.

후속연구

향후 개선 방안은 움직임 검출에 대한 오차를줄여 움직임에 따른 해당 잡음 제거 기법 수행상의 오류를 줄이고 물체의 모서리 잡음제거에 특화된 알고리즘을 수행하여 보다 나은 결과물을 얻을 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 잡음 제거 방식은 어떻게 나눌 수 있는가?	기존의 잡음 제거 방식은 크게 2D 잡음 제거와 3D 잡음제거 방식으로 나눌 수 있다. 2D 잡음 제거는 중심 픽셀과 주변 픽셀들 간의 상관관계를 이용하여 잡음을 제거하는 방식으로서 주변 픽셀들 간의 중간 값으로 복원하는 Median[5, 11]필터나 평균제곱 오차(mean square error)를 최소화 하는 LMMSE필터[1], 주변 픽셀과 해당 픽셀간의 명도 차에 따라 가중치를 주는 AWA필터[2] 등이 있다.
	2D 잡음 제거란?	기존의 잡음 제거 방식은 크게 2D 잡음 제거와 3D 잡음제거 방식으로 나눌 수 있다. 2D 잡음 제거는 중심 픽셀과 주변 픽셀들 간의 상관관계를 이용하여 잡음을 제거하는 방식으로서 주변 픽셀들 간의 중간 값으로 복원하는 Median[5, 11]필터나 평균제곱 오차(mean square error)를 최소화 하는 LMMSE필터[1], 주변 픽셀과 해당 픽셀간의 명도 차에 따라 가중치를 주는 AWA필터[2] 등이 있다. 2D 잡음 제거 방식은 3D 방식에 비해서 메모리 등의 하드웨어를 줄일 수 있으나 영상의 고주파 영역에서 신호의 손실이 크며 목표 픽셀과 그 주변 픽셀과의 연관성이 잡음으로 인하여 쉽게 손상되므로 정상 신호의 왜곡이 발생한다.
	3D 잡음 제거 방식에서 발생하는 문제는?	3D 잡음 제거 방식[6-8]은 영상의 시간에 따라 시간적인 차이가 있는 여러 영상의 동일 위치의 픽셀간의 상관관계에 따라 잡음 제거를 수행함으로써 정적인 부분에서는 상당히 개선된 잡음 제거 효과를 얻을 수 있다. 반면에 움직임 부분에서는 개체의 움직임 방향을 따라 현재 영상과 이전 혹은 이후 영상의 개체간의 위치 차이가 겹쳐서 나타나는 모션 블러(Motion Blur) 현상이 나타나게 된다. 이를 개선하기 위하여 정적인 영역은 시간필터를, 동적인 영역은 2D의 공간필터를 적응적으로 사용한다.

참고문헌 (11)

E. Dubois and S. Sabri (1984) Noise reduction in image sequences using motion-compensated temporal filtering, IEEE trans. on Comm, 32, pp. 826-831.

상세보기
M.K. Ozkan, M. Ibrahim Sezan, and A. Murat tekalp (1984) Nonlinear edge-preserving filter, IEEE trans acoustics, speech, and signal processing, ASSP-32(3).
D.T. Kuan, A.A. Sawchuk, T.C. Strand, P. Chavel (1985) An adaptive noise smoothing filter for images with signal-dependent noise, IEEE trans. Patt. Anal. Mach. Intel, 7(2), pp. 165- 177.
J. Ming (2004) An adaptive bilateral filtering method for image processing, Opto-Electronic Engineering, 31, pp. 65-69.
G. Woods (2002) Digital Image Processing, Prentice Hall.
Soren Hein (1995) Method and apparatus for adaptively producing noise-reduced digital image sequences. U.S patent, 444,422.
V. Zlokolica (2004) Recursive Temporal Denoising and Motion Estimation of Video, ICIP, pp. 1465-1468.
Siemens (1999) SDA 9400 SCARABAEUS Plus Scan Rate Converter Using Embedded Dram Technoology Units Manual, pp. 23-29.
J.C. Brailean, A.K. Katsaggelos (1995) Simultaneous displacement estimation and restoration of noisy-burrered image sequences, IEEE Trans. on Image Processing, 4, pp. 1236-1251.

상세보기
C.A. Pomalaza-Raez, C.D. McGillem (1984) An adaptive, nonlinear edge-preserving filter, IEEE Trans. on Acoustics and Signal Processing, 32(3), pp. 571-576.

상세보기
S.G. Lee, D.W. Lee, G.D. Kim (2009) A Study on the elimination method of noise image caused by rainfall using machine vision, Journal of the Korean Society for Railway, 12(3), pp. 364-369.

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