사회가 고도의 디지털 정보화 시대로 급속히 발전함에 따라 영상 및 음성 데이터 획득, 전송, 저장을 위한 멀티미디어 통신 서비스가 상용화 되어가고 있다. 그러나 여전히 데이터를 처리하는 과정에서 다양한 잡음에 의해 영상의 열화가 발생하고 있으며 이러한 잡음제거에 관한 연구는 지금까지 계속되고 있다. 따라서 본 논문에서는 임펄스 잡음을 제거하기 위해, 잡음 신호의 판단과 제거 등 두 과정으로 구성된 변형된 적응 스위칭 메디안 필터를 제안하였다. 제안한 알고리즘은 잡음 신호만을 제거하고 비잡음 신호는 그대로 보존하여, 우수한 에지 보존특성 및 잡음제거 능력을 나타내었다. 그리고 개선 효과의 판단 기준으로 PSNR(peak signal to noise ratio)을 사용하였으며, 객관적인 판단을 위해 기존의 방법들과 비교하였다.
사회가 고도의 디지털 정보화 시대로 급속히 발전함에 따라 영상 및 음성 데이터 획득, 전송, 저장을 위한 멀티미디어 통신 서비스가 상용화 되어가고 있다. 그러나 여전히 데이터를 처리하는 과정에서 다양한 잡음에 의해 영상의 열화가 발생하고 있으며 이러한 잡음제거에 관한 연구는 지금까지 계속되고 있다. 따라서 본 논문에서는 임펄스 잡음을 제거하기 위해, 잡음 신호의 판단과 제거 등 두 과정으로 구성된 변형된 적응 스위칭 메디안 필터를 제안하였다. 제안한 알고리즘은 잡음 신호만을 제거하고 비잡음 신호는 그대로 보존하여, 우수한 에지 보존특성 및 잡음제거 능력을 나타내었다. 그리고 개선 효과의 판단 기준으로 PSNR(peak signal to noise ratio)을 사용하였으며, 객관적인 판단을 위해 기존의 방법들과 비교하였다.
As society has developed rapidly toward a highly advanced digital information age, a multimedia communication service for acquisition, transmission and storage of image data as well as voice has being commercialized. However, image data is always corrupted by various noises during image processing, ...
As society has developed rapidly toward a highly advanced digital information age, a multimedia communication service for acquisition, transmission and storage of image data as well as voice has being commercialized. However, image data is always corrupted by various noises during image processing, so researches for removing noises have been continued until now. In this paper, in order to remove impulse noise we proposed modified adaptive switching median filter that consists of two stages: noise detection and noise removal. Proposed algorithm only processes noise pixels and these noise pixels are replaced by filter output, so proposed algorithm performs well not only removes noise but also preserves edge information. Also we compare existing methods using PSNR(peak signal to noise ratio) as the standard of judgement of improvement effect and choose conventional algorithms to compare with our proposed method.
As society has developed rapidly toward a highly advanced digital information age, a multimedia communication service for acquisition, transmission and storage of image data as well as voice has being commercialized. However, image data is always corrupted by various noises during image processing, so researches for removing noises have been continued until now. In this paper, in order to remove impulse noise we proposed modified adaptive switching median filter that consists of two stages: noise detection and noise removal. Proposed algorithm only processes noise pixels and these noise pixels are replaced by filter output, so proposed algorithm performs well not only removes noise but also preserves edge information. Also we compare existing methods using PSNR(peak signal to noise ratio) as the standard of judgement of improvement effect and choose conventional algorithms to compare with our proposed method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 임펄스 잡음을 제거하기 위한 변형된 적응 스위칭 메디안 필터를 제안하였다. 제안한 방법은 먼저 임펄스 잡음모델에 의해 잡음 신호를 판단하고, 잡음 신호에 대해서만 필터링처리를 한다.
본 논문에서는 salt and pepper 임펄스 잡음을 제거하는데 salt and pepper 잡음 신호의 화소값은 nmin과 nmax를 가진다. 즉 8비트 영상에서 잡음은 화소값이 0과 255크기를 가지는 신호들이므로 본 논문에서 잡음을 판단할 때, 잡음 영상에서 0과 255를 가지는 화소들을 잡음 신호로 처리한다.
C가 0일 경우는 마스크 내의 잡음 신호가 전부이다. 본 논문에서는 마스크의 크기를 변화시키지 않고 임펄스 잡음 밀도가 높을 때에도 우수한 잡음제거 성능 나타내기 위해, 아래와 같은 방법으로 처리한다.
본 논문에서는 임펄스 잡음에 의해 훼손된 영상을 잡음제거와 동시에 에지를 보존하며 복원하기 위하여, 잡음 신호를 판단하고 비잡음 신호는 보존하고, 잡음 신호에만 필터링 과정을 적용하는 변형된 적응 스위칭 메디안 필터를 제안하였다. 시뮬레이션결과로부터 본 논문에서 제안한 필터는 기존의 방법들에 비하여 잡음밀도가 큰 경우에도 우수한 잡음제거 성능을 나타내었으며, 전 영역에서 높은 PSNR을 얻었다.
제안 방법
본 논문에서 제안한 임펄스 잡음제거 알고리즘은 먼저 임펄스 잡음을 판단하고, 제안한 변형된 적응 스위칭 메디안 필터(3⨉3)로 처리하여 잡음을 제거한다.
본 논문에서는 제안된 필터의 임펄스 잡음제거 성능을 확인하기 위해, salt and pepper 임펄스 잡음에 의해 훼손된 8비트, 512×512 크기의 Boat 영상에 대해 시뮬레이션 하였으며, 제안한 방법과의 성능 비교를 위하여 사용된 기존의 방법은 각각 Min-max 필터, SWM 필터, CWM 필터, SM 필터, ASM 필터 등 이다.
따라서 본 논문에서는 임펄스 잡음을 제거하기 위한 변형된 적응 스위칭 메디안 필터를 제안하였다. 제안한 방법은 먼저 임펄스 잡음모델에 의해 잡음 신호를 판단하고, 잡음 신호에 대해서만 필터링처리를 한다. 그리고 본 논문에서는 높은 잡음밀도 환경에서 마스크의 크기를 변화시키지 않고, 마스크 내에서 처리된 화소집합과 처리되지 않은 화소집합으로 나누어 처리함으로서, 더욱 우수한 잡음제거 성능을 나타내었다.
를 가진다. 즉 8비트 영상에서 잡음은 화소값이 0과 255크기를 가지는 신호들이므로 본 논문에서 잡음을 판단할 때, 잡음 영상에서 0과 255를 가지는 화소들을 잡음 신호로 처리한다. 마스크 내의 잡음을 표시하는 binary mark α는 아래 식 (2)와 같다.
데이터처리
그리고 본 논문에서는 높은 잡음밀도 환경에서 마스크의 크기를 변화시키지 않고, 마스크 내에서 처리된 화소집합과 처리되지 않은 화소집합으로 나누어 처리함으로서, 더욱 우수한 잡음제거 성능을 나타내었다. 잡음제거 특성의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법의 우수한 잡음제거 특성을 나타내었다[4].
성능/효과
그림 3은 각각의 필터들에 의해 복원된 영상에 대한 PSNR을 비교한 것이다. 그 결과로부터 기존의 방법들은 잡음밀도가 높은 영역에서 그 성능이 급격히 저하됨을 알 수 있으나, 제안한 방법들은 모두기존의 방법들보다 우수한 결과를 나타내었다.
제안한 방법은 먼저 임펄스 잡음모델에 의해 잡음 신호를 판단하고, 잡음 신호에 대해서만 필터링처리를 한다. 그리고 본 논문에서는 높은 잡음밀도 환경에서 마스크의 크기를 변화시키지 않고, 마스크 내에서 처리된 화소집합과 처리되지 않은 화소집합으로 나누어 처리함으로서, 더욱 우수한 잡음제거 성능을 나타내었다. 잡음제거 특성의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법의 우수한 잡음제거 특성을 나타내었다[4].
표의 결과로부터, 제안한 방법으로 복원한 영상은 기존의 방법들에 비해 우수한 PSNR 특성을 보였다. 그리고 테스트 영상이 60%의 salt and pepper 임펄스 잡음에 의하여 훼손되었을 때, 기존의 Min-max 필터, SWM 필터, CWM 필터, SM 필터와 ASM 필터는 각각 7.94[dB], 9.52[dB], 10.84[dB], 12.34[dB], 23.79[dB]의 PSNR을 나타내었으며, 본 논문에서 제안한 알고리즘은 28.08[dB]의 높은 PSNR을 나타내었다.
그림 2에서 (a)는 원 영상이며 (b)는 salt and pepper 임펄스 잡음(60%)에 의하여 훼손된 영상이며, (c)∼(g)는 각각 기존의 Min-max(3×3) 필터, SWM(3×3) 필터, CWM(3×3, C=3) 필터, SM(3×3) 필터, ASM(3×3) 필터의 처리 결과이며, (h)는 제안한 필터로 처리한 결과이고, 시뮬레이션에 선택한 threshold T는 4이다. 그림으로부터Min-max 필터와SWM 필터, SM 필터와CWM 필터는 임펄스 잡음에 훼손된 영상의 잡음제거 특성이 미흡하고, ASM 필터는 잡음제거 및 에지 보존에서 기존의 방법들보다 우수하지만, 임펄스 잡음제거 특성이 미흡하였으며, 제안된 필터는 임펄스 잡음제거 및 영상의 에지를 보존하는 특성이 우수함을 나타내고 있다.
본 논문에서는 임펄스 잡음에 의해 훼손된 영상을 잡음제거와 동시에 에지를 보존하며 복원하기 위하여, 잡음 신호를 판단하고 비잡음 신호는 보존하고, 잡음 신호에만 필터링 과정을 적용하는 변형된 적응 스위칭 메디안 필터를 제안하였다. 시뮬레이션결과로부터 본 논문에서 제안한 필터는 기존의 방법들에 비하여 잡음밀도가 큰 경우에도 우수한 잡음제거 성능을 나타내었으며, 전 영역에서 높은 PSNR을 얻었다. 이와 같이, 본 논문에서 제안한 필터는 에지 보존뿐만 아니라 잡음제거 측면에서 기존의 알고리즘들보다 우수한 특성을 나타냄에 따라, 다양한 영상처리 분야에 유용하게 사용되리라 사료된다.
그리고 표 1은 Boat 영상을 기존의 필터들과 제안한 필터로 처리한 결과를 나타낸 것이다. 표의 결과로부터, 제안한 방법으로 복원한 영상은 기존의 방법들에 비해 우수한 PSNR 특성을 보였다. 그리고 테스트 영상이 60%의 salt and pepper 임펄스 잡음에 의하여 훼손되었을 때, 기존의 Min-max 필터, SWM 필터, CWM 필터, SM 필터와 ASM 필터는 각각 7.
후속연구
시뮬레이션결과로부터 본 논문에서 제안한 필터는 기존의 방법들에 비하여 잡음밀도가 큰 경우에도 우수한 잡음제거 성능을 나타내었으며, 전 영역에서 높은 PSNR을 얻었다. 이와 같이, 본 논문에서 제안한 필터는 에지 보존뿐만 아니라 잡음제거 측면에서 기존의 알고리즘들보다 우수한 특성을 나타냄에 따라, 다양한 영상처리 분야에 유용하게 사용되리라 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상에서 임펄스 잡음은 언제 주로 발생하는가?
잡음의 종류는 여러 가지가 있으나, 임펄스 잡음이 가장 대표적이다[1][2]. 영상에서 임펄스 잡음은 영상 획득 시에 카메라가 제대로 작동하지 않거나 혹은 저장 매체의 메모리에 오류가 발생하거나, 영상의 전송에 장애가 생길 때 주로 발생한다[3].
SM 필터의 단점은?
SM 필터는 임펄스 잡음을 제거하기 위한 가장 간단한 형태의 비선형 필터이며, 임의의 마스크를 사용하여 그 내부화소에 대한중간값을 찾는 형태로서, 영상에 중첩된 임펄스 잡음 성분을 제거한다[4]. SM 필터는 임펄스 잡음을 우수하게 제거하는데 반해, 영상의 에지성분에서 오류를 발생시키는 단점이 있다.
메디안 필터의 단점은?
메디안 필터에는 SM(standard median) 필터, SWM(switching median) 필터, CWM(center weighted median) 필터, 그리고 적응 스위칭 메디안(ASM: adaptive switching median) 필터등 다양한 형태의 필터들이 고안되었다[1]-[3]. 그러나 이러한 필터들은 임펄스 잡음의 밀도가 높을 때, 잡음제거 능력에는 한계가 있으며 에지보존 특성이 미흡하다[3].
참고문헌 (6)
R. C. Gonzalez and R. E. Woods, Eds., Digital Image Processing, Prentice Hall, 2007.
K. N. Plataniotis and A. N. Venetsanopoulos, Eds., Color Image Processiang and Applications, Springer, Berlin, Germany, 2000.
Jung-Hua Wang and Lian-Da Lin, "Improved median filter using min-max algorithm for image processing", Electronics Letters, vol. 33, no. 16, pp. 1479-1485, October 2005.
Gao Yinyu and Nam-Ho Kim, "A Study on Image Restoration Algorithm in Random-valued Impulse Noise Environment", International Journal of KIMICS, vol. 9, No. 3, pp. 331-335, June 2011.
Gao Yinyu and Nam-Ho Kim, "Restoration of Images Contaminated by Mixed Gaussian and Impulse Noise using a Complex Method", International Journal of KIMICS, vol. 9, No. 3, pp. 336-340, June 2011.
Z. Wang and D. Zhang, "Progressive Switching Median Filter for the Removal of Impulse Noise from Highly Corrupted Imgaes", IEEE Transactions on Circuits and System II, vol. 46, pp.78-80, 1999.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.