[논문]디지털 자동초점을 위한 반복적 Unsharp Mask 필터

신정호

디지털 자동초점을 위한 반복적 Unsharp Mask 필터
Iterative Unsharp Mask Filter for Digital Auto-Focusing 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.47 no.5=no.335, 2010년, pp.145 - 152

신정호 (한경대학교 웹정보공학과)

초록
AI-Helper

본 논문에서는 초점 열화를 제거하기 위해서 반복적 Unsharp mask (UM) 필터를 이용한 디지털 자동초점 기법을 제안한다. 제안한 디지털 자동초점 기술은 영상열화를 추정하기 위해서 점확산함수를 추정하지 않고 단순한 필터를 사용하기 때문에 계산량이 적은 장점을 갖는다. 본 기법은 반복적 필터 구조로 영상을 복원하기 때문에 사용자의 주관적 기준 및 영상의 객관적 지표를 사용하여 필터링의 반복 회수를 제한할 수 있다. 또한 반복적 UM 기반의 영상개선 방법이 기존의 반복적 영상복원 기술과 등가임을 보인다. 마지막으로 본 논문에서 제안한 알고리듬의 성능평가를 위해서 기존의 영상복원 기반의 디지털 자동초점 기술과의 비교 실험을 수행하였고, 이를 통하여 제안한 디지털 자동초점 기법이 주관적으로나 객관적으로 우수함을 보였다.

Abstract ▼ AI-Helper

This paper presents a digital auto-focusing algorithm using iterative unsharp mask filter. The proposed digital auto-focusing algorithm has the advantage of low computational complexity because it uses a simple filter instead of calculating the point spread function for the estimation of image degradation. The proposed iterative algorithm can control the number of iterations for image restoration according to the objective and the subjective criterion. We show that the proposed algorithm is mathematically equivalent to the conventional image restoration. Finally, in order to evaluate the performance of the proposed algorithm, various experiments are performed so that the proposed algorithm can provide good results in the sense of subjective and objective views.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에는 디지털 자동초점을 위한 반복적 UM 필터 기법을 제안하였다. 제안한 방법은 영상 열화를 추정하기 위해서 점 확산함수를 추정하지 않고 단순한 필터를 사용하기 때문에 계산량이 적은 장점을 가진다.
본 논문에서 제안한 반복적 UM 필터를 기존의 UM 필터와 Van CItter의 방법을 비교하여 제안한 반복적 UM 필터의 장점을 제시하고자 한다.
본 논문에서는 초점 열화 제거기술의 실용적 적용을 위해서 초점 열화 추정 등의 계산을 수행하지 않아서 상대적으로 계산량이 적은 UM 필터를 사용하는 영상개선 방법을 제안한다. 본 논문에서 제안하는 디지털 자동초점을 위한 반복적 UM 필터 기법의 특징은 다음과 같다.
방법이 존재한다. 이 방법은 열화 추정 (blur identification)의 문제로 상당한 계산량을 증대시키며 영상복원 기술로 분류할 수 있기 때문에 기존의 영상복원과의 비교에서 다루고자 한다.
값을 결정해야 하는 단점이 있다. 이와 같은 단점을 개선하고 디지털 자동초점에 응용하기 위하여 기존의 UM 필터를 반복적으로 사용하여 초점열화를 제거하는 기술을 제안한다.

제안 방법

II장에서는 기존의 UM 기반 필터와 영상 복원 기술에 대해 설명하고 이를 개선하여 반복적인 UM 필터를 제안한다. HI장에서는제안한 반복적 UM 필터를 기존의 UM 필터 및 반복적 영상복원 기술과 비교한다. IV장에서 실험 결과를 제시하고, 마지막으로 V장에서 결론을 맺는다.
따라서 반복적으로 계산되는 식(3)의 결과가 각 반복의 단계에서 영상의 고주파 성분을 강조하는 형태로 영상이 개선되는 것으로 볼 수 있다. 그러나 제안한 반복적 UM 필터 기술은 각 반복의 단계에서 如一Hh)항을 계산함으로써 원 영상을 추정하기 위한 영상공간에서의 벡터 방향을 유지하면서 영상을 개선한다. 또한 기존의 UM 필터와는 다르게 초기에 최적의 丑■와 /의 값을 결정할 필요 없이 반복적으로 필터링을 수행한다.
그러나 제안한 반복적 UM 필터 기술은 각 반복의 단계에서 如一Hh)항을 계산함으로써 원 영상을 추정하기 위한 영상공간에서의 벡터 방향을 유지하면서 영상을 개선한다. 또한 기존의 UM 필터와는 다르게 초기에 최적의 丑■와 /의 값을 결정할 필요 없이 반복적으로 필터링을 수행한다. 이와 같이 제안한 반복적 UM 필터 기술은 초기 매개 변수 및 열화함수 추정을 생략하기 때문에 계산상의 관점에서 기존의 UM 필터와 영상복원 기술을 사용하는 경우보다 유리하다고 볼 수 있다.
주줄된 계단응답에 대한 연립방정식을 계산하기 위해서 특이값분해를 이용하여 2차원 형태의 점확산 함수를 추정한다. 마지막으로 추정된 점확산 함수를 영상복원 필터에 적용하여 영상 복원을 수행한다. 이와 같이 점 확산함수 추정을 사용하는 영상복원 기법은 열화를 추정하는 과정이 복잡하며 상당한 계산량도 소모되는 단점을 가진다.
본 논문에서 제안하는 반복적 UM 필터는 기존의 UM 필터를 반복적으로 적용하여 구현한다. 제안하는 반복적 UM 필터는 식(1)을 변형하여 다음과 같이 표현할 수 있다.
본 실험에서는 동일한 조건에서의 비교를 위하여 반복적 UM 필터와 반복적 정칙화 영상 복원 방법에서 동일하게 100번의 필터링을 수행하였다. 그림 3(d)는 기존의 UM 방법을 사용하여 개선한 영상으로 고주파 가중치를 크게 적용해서 과도하게 에지가 강조되는 overshoot 효과가 발생하였다.
본 절에서는 제안한 반복적 UM 필터와 전통적인 영상복원 기술을 비교한다.
본절에서는 초점 열화를 제거하기 위하여 점 확산함수를 추정하지 않고 기존의 UM 필터를 반복적으로 적용하여 디지털 자동초점을 구현하는 방법을 제시한다. 식 (1)의 UM 필터는 열화된 영상 g에 고주파 성분 (、y—Hy)을 가 중치 %를 적용하여 에지부분을 강조하는 단순한 필터이다.
영상복원 기술을 이용한 디지털 자동초점 기술로서 영상의 열화를 등방성으로 가정하고 점확산 함수를 추정하여 복원하는 기술이 제안되었다⑵ 한편 UM (unsharp mask) 필데可와 같은 단순한 영상 개선 필터를 사용하여 영상 열화를 제거하는 방법의 halo 효과와 같은 문제점을 개선하기 위하여 가변크기 필터를 사용하는 UM 필터링团 방법과 최적 UM 필터回를 사용하여 적응적으로 영상을 개선하는 방법이 제안되었다.
제안한 알고리듬의 성능을 평가하기 위해서 두 가지실험을 수행하였다. 첫 번째 실험은 제안한 반복적 UM 알고리듬의 성능을 객관적으로 비교하기 위해서 표준 영상에 초점 열화함수를 사용하여 열화시킨 후 기존의 UM 방법과 반복적 정칙화 영상 복원 방법을 사용해서 복원한 결과를 비교하였다.
이용하여 계단 응답을 주줄한다. 주줄된 계단응답에 대한 연립방정식을 계산하기 위해서 특이값분해를 이용하여 2차원 형태의 점확산 함수를 추정한다. 마지막으로 추정된 점확산 함수를 영상복원 필터에 적용하여 영상 복원을 수행한다.
한편 제안한 반복적 UM 필터를 초점 열화를 제거하기 위한 목적으로 사용하는 경우에 열화를 추정하지 않는 경우와 블라인드 영상 복원과 같이 영상의 열화를 추정하여 복원하는 방법으로 구분할 수 있다.

데이터처리

수행하였다. 첫 번째 실험은 제안한 반복적 UM 알고리듬의 성능을 객관적으로 비교하기 위해서 표준 영상에 초점 열화함수를 사용하여 열화시킨 후 기존의 UM 방법과 반복적 정칙화 영상 복원 방법을 사용해서 복원한 결과를 비교하였다. 본 실험에서는 그림 2와 같은 표준 영상을 사용하여 실험을 수행하였다.

성능/효과

된다. 결과적으로 본 논문에서 제안하는 반복적 UM 필터는 반복적 영상 복원 기술의 효시인 Van Cittert의 방법과 동일함을 알 수 있다.
둘째, 반복적인 구조로 UM 필터링을 수행하여 초점 열화 영역을 복원하기 때문에 사용자의 주관적 기준 및 영상의 객관적 지표를 사용하여 필터링의 반복 회수를 제한할 수 있다.
이와 같이 영상 복원 기술을 사용하는 경우에는 점 확산함수를 추정할 때 발생한 오차는 복원된 영상에 많은 영향을 미치게 된다. 따라서 본 논문에서 제안한식 (3)과 (4)와 같이 점 확산함수의 추정을 수행하지 않고 적절한 저주파 필터H를 선택하여 반복적으로 초점 열화를 개선하는 것이 효과적일 수 있다. 그림 4(c)는 점확산함수를 추정한 후 영상복원 알고리듬으로 초점 열화를 복원한 결과를 나타내고, (d)는 식 (3)의 제안한 방법을 사용한 결과로서 H는 9x9 Gaussina 열화(o■늬.
제안한 방법은 영상 열화를 추정하기 위해서 점 확산함수를 추정하지 않고 단순한 필터를 사용하기 때문에 계산량이 적은 장점을 가진다. 본 논문에서 제안하는 반복적 UM 기반의 영상 개선 방법이 기존의 반복적 영상복원 기술과 등가임을 보였으며, 실험을 통하여 기존의 영상복원 기술 및 UM 필터와 비교하여 동일하거나 개선된 결과 롤 얻을 수 있음을 확인하였다.
셋째, 본 논문에서 제안하는 반복적 UM 기반의 영상개선 방법이 기존의 반복적 영상복원 기술과 등가임을 보인다.
또한 기존의 UM 필터와는 다르게 초기에 최적의 丑■와 /의 값을 결정할 필요 없이 반복적으로 필터링을 수행한다. 이와 같이 제안한 반복적 UM 필터 기술은 초기 매개 변수 및 열화함수 추정을 생략하기 때문에 계산상의 관점에서 기존의 UM 필터와 영상복원 기술을 사용하는 경우보다 유리하다고 볼 수 있다. 그러나 정확한 매개 변수와 열화함수를 추정하지 않기 때문에 다소 부정확한 결과를 초래할 수 있다.
표 1에서 제시한 PSNR을 살펴보면, 본 논문에서 제안한 반복적 UM 알고리듬이 가장 우수한 성능을 나타냄을 알 수 있다. 한편 각 알고리듬을 수행하는 데 필요한 계산량의 관점에서 비교하면 반복적 UM 필터 기술은 기존의 UM 필터에 비교하여 반복의 수를 곱한 만큼의 계산량이 증가하게 된다.

후속연구

향후 연구에서는 반복적 UM 필터의 종료 조건 및 각 반복의 단계에서 적절한 가중치를 자동으로 계산하는 방법에 대한 연구가 필요하다. 또한 잡음이 인가된 경우 정칙화 영상 복원 방법과 같이 평활화함수를 고려한 방법回 등의 개선이 필요하다.

참고문헌 (9)

D. Kundur and D. Hatzinakos, "Blind image deconvolution," IEEE Signal Processing Magazine, vol. 13, no. 3, pp. 43-64, May 1996.

상세보기
김동균, 박영욱, 이진희, 백준기, "디지털 자동 초점을 위한 등방성 점확산함수 추정" 전자공학회논문지, 46권, SP편, 1호, pp. 7-13, 2009년 1월.
A. K. Jain, Fundamentals of Digital Image Processing, Prentice-Hall, 1989.
이태희, 송우진, "가변크기필터를 통해 halo artifact를 줄이는 sharpening." 전자공학회 하계종합학술대회 논문집, 31권, 1호, 2008년.
S. H. Kim and J. P. Allebach, "Optimal unsharp mask for image sharpening and noise removal," J. Electronic Imaging, vol. 14, no. 2, pp. 1-13, June 2005.
A. K. Katsaggelos, "Iterative image restoration algorithms," Optical Engineering, Vol. 28, pp. 735-748, Jul. 1989.
P. H. Van Cittert, "Zum Einfluss der Spaltbreit auf die Intensitatsverteilung in Spektrallineien II," Z. Physik, vol. 69, pp. 298-308, 1931.

상세보기
J. Biemond, R. Lagendijk, and R. Mersereau, "Iterative methods for image deblurring," Proceedings of the IEEE, vol. 78, no. 5, May 1990.
R. L. Lagendijk, J. Biemond, and D. E. Boekee, "Identification and Restoration of Noisy Blurred Image Using the Expectation-Maximization Algorithm," IEEE Trans. Acoustics, Speech, Signal Proc., vol. 38 no. 7, pp. 1180-1191, July 1990.

상세보기

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