현재 영상 정보 개선을 위한 다양한 영상 필터링 알고리즘들이 제시되고 있으며, 그 중에서 기존의 퍼지 논리를 이용한 필터링 알고리즘은 다른 기존의 필터링 방식에서 잡음이 제거된 후에 블러링 효과와 잡음 제거율이 반비례하는 단점을 개선하기 위해서 퍼지 논리를 적용하였다. 그러나 기존의 퍼지필터 방법은 그레이 영상의 단색 정보만을 잡음의 판단 기준으로 하였기 때문에 칼라 영상에서는 비효율적이다. 따라서 본 논문에서는 기존의 퍼지 논리를 이용한 필터링 알고리즘의 문제점을 개선하는 동시에 컬러 영상에 적용할 수 있는 퍼지 필터 알고리즘을 제안한다. 제시된 퍼지 필터 알고리즘은 영상의 RGB 컬러 정보를 각각의 R, G, B 채널 영상으로 분리하고, 각 채널 영상에 서 마스크가 위치한 기준 픽셀의 잡음 가능성 정도를 퍼지 논리에 적용하여 판단한다. 잡음 정도에 따라서 출력 영상의 화소값을 평균값 또는 중간값으로 결정한다. 제안된 방법을 잡음이 존재하는 칼라 영상에 적용한 결과, 단색 정보를 기준으로 처리하는 기존의 필터 방법에 비해서 효과적인 것을 확인하였다.
현재 영상 정보 개선을 위한 다양한 영상 필터링 알고리즘들이 제시되고 있으며, 그 중에서 기존의 퍼지 논리를 이용한 필터링 알고리즘은 다른 기존의 필터링 방식에서 잡음이 제거된 후에 블러링 효과와 잡음 제거율이 반비례하는 단점을 개선하기 위해서 퍼지 논리를 적용하였다. 그러나 기존의 퍼지 필터 방법은 그레이 영상의 단색 정보만을 잡음의 판단 기준으로 하였기 때문에 칼라 영상에서는 비효율적이다. 따라서 본 논문에서는 기존의 퍼지 논리를 이용한 필터링 알고리즘의 문제점을 개선하는 동시에 컬러 영상에 적용할 수 있는 퍼지 필터 알고리즘을 제안한다. 제시된 퍼지 필터 알고리즘은 영상의 RGB 컬러 정보를 각각의 R, G, B 채널 영상으로 분리하고, 각 채널 영상에 서 마스크가 위치한 기준 픽셀의 잡음 가능성 정도를 퍼지 논리에 적용하여 판단한다. 잡음 정도에 따라서 출력 영상의 화소값을 평균값 또는 중간값으로 결정한다. 제안된 방법을 잡음이 존재하는 칼라 영상에 적용한 결과, 단색 정보를 기준으로 처리하는 기존의 필터 방법에 비해서 효과적인 것을 확인하였다.
Among various methods proposed earlier, fuzzy image filtering is usually one of the favored techniques because it has less blurring effect and the decrease of noise removal rate after filtering. However, fuzzy filtering is ineffective on color images since it is firstly developed with gray scale. Th...
Among various methods proposed earlier, fuzzy image filtering is usually one of the favored techniques because it has less blurring effect and the decrease of noise removal rate after filtering. However, fuzzy filtering is ineffective on color images since it is firstly developed with gray scale. Thus, in this paper, we propose a fuzzy filtering algorithm for color images. First, we divide RGB color information from image into three channels of R, G, and B and judge the possibility of each pixel with mask by fuzzy logic independently. The output pixel value might be the average or median according to the degree of noise. Our experiment successfully verifies the effectiveness of new algorithm in color image.
Among various methods proposed earlier, fuzzy image filtering is usually one of the favored techniques because it has less blurring effect and the decrease of noise removal rate after filtering. However, fuzzy filtering is ineffective on color images since it is firstly developed with gray scale. Thus, in this paper, we propose a fuzzy filtering algorithm for color images. First, we divide RGB color information from image into three channels of R, G, and B and judge the possibility of each pixel with mask by fuzzy logic independently. The output pixel value might be the average or median according to the degree of noise. Our experiment successfully verifies the effectiveness of new algorithm in color image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 기존의 퍼지 필터 방법은 그레이 영상의 단색 정보만을 기준으로 하였기 때문에 칼라 영상에서는 비효율적이다. 따라서 본 논문에서는 기존의 퍼지 논리를 이용한 필터링 알고리즘의 문제점을 개선하는 동시에 컬러 영상에 적용할 수 있는 퍼지 필터 알고리즘을 제안한다.
기존의 필터링 알고리즘은 잡음과 비잡음의 기준이 없었고, 그레이 영상의 단색 정보만을 기준으로 처리하였기 때문에 컬러 영상에는 비효율적인 문제점이 있다. 이러한 문제점을 개선하기 위하여 본 논문에서는 퍼지 논리를 적용하여 칼라 영상에서 잡음을 제거하는 방법을 제안하였다. 잡음 제거를 위해여 Salt pepper 잡음과 Impulse 잡음이 존재하는 영상을 대상으로 실험하였다.
제안 방법
Salt pepper 잡음과 Impulse 잡음을 임의로 생성한 컬러 영상에 R, G, B 채널 각각에 5 × 5 마스크를 기준으로 기존 필터링 알고리즘과 비교하였다.
기존의 필터링 알고리즘은 잡음과 비잡음의 기준이 없고, 그레이 영상의 단색 정보만을 기준으로 하였기 때문에 컬러 영상에는 비효율적인 단점이 있다. 따라서 본 논문에서는 R, G, B 채널 마스크 정보와 퍼지 논리를 이용하여 잡음 가능성 정도를 확인하고, 각 채널의 잡음 가능성 정도를 퍼지논리에 적용하여 잡음 가능성 정도를 결정한다. 그림 2는 영상 일부분의 마스크 정보이며 각 채널마다 명암도가 다른 영상 일부분의 마스크 정보이다.
칼라 영상에서는 같은 위치의 기준 픽셀이라도 R, G, B 각 채널마다 명암도가 다르게 나타난다. 마스크의 기준 픽셀 값의 명암도와 마스크에 존재하는 모든 명암도의 평균을 각 소속 함수에 적용하여 소속도를 구한 뒤, 정의된 추론 규칙에 적용하여 R, G, B 각각의 전반부 소속도를 구한다.
본 논문에서 제안한 방법을 Intel Pentium-IV 3.07GHz CPU와 2.00GB RAM이 장착된 IBM 호환 PC상에서 VC++ 6.0 으로 구현하여 실험하였다. Salt pepper 잡음과 Impulse 잡음을 임의로 생성한 컬러 영상에 R, G, B 채널 각각에 5 × 5 마스크를 기준으로 기존 필터링 알고리즘과 비교하였다.
제안된 방법은 영상의 RGB 컬러 정보를 각각의 R, G, B 채널 영상으로 분리하고 각 채널 영상에서 마스크가 위치한 기준 픽셀의 잡음 가능성 정도를 퍼지 논리에 적용하여 잡음의 정도를 판단하였다. 잡음 정도에 따라서 출력 영상의 화소값을 평균값 또는 중간값으로 결정하였다. 제안된 방법을 잡음이 있는 칼라 영상에 적용한 결과, 단색 정보를 기준으로 처리하는 기존의 필터링 방법에 비해 잡음이 효율적으로 제거되는 것을 확인할 수 있었다.
잡음 제거를 위해여 Salt pepper 잡음과 Impulse 잡음이 존재하는 영상을 대상으로 실험하였다. 제안된 방법은 영상의 RGB 컬러 정보를 각각의 R, G, B 채널 영상으로 분리하고 각 채널 영상에서 마스크가 위치한 기준 픽셀의 잡음 가능성 정도를 퍼지 논리에 적용하여 잡음의 정도를 판단하였다. 잡음 정도에 따라서 출력 영상의 화소값을 평균값 또는 중간값으로 결정하였다.
제안된 퍼지 논리를 이용한 컬러 영상 마스크 필터에서는 컬러 잡음 영상을 R, G, B 채널로 분리하여 각 채널 영상에 대한 기준 픽셀을 대상으로 지정된 범위의 마스크 정보를 추출한다. 칼라 영상에서는 같은 위치의 기준 픽셀이라도 R, G, B 각 채널마다 명암도가 다르게 나타난다.
대상 데이터
이러한 문제점을 개선하기 위하여 본 논문에서는 퍼지 논리를 적용하여 칼라 영상에서 잡음을 제거하는 방법을 제안하였다. 잡음 제거를 위해여 Salt pepper 잡음과 Impulse 잡음이 존재하는 영상을 대상으로 실험하였다. 제안된 방법은 영상의 RGB 컬러 정보를 각각의 R, G, B 채널 영상으로 분리하고 각 채널 영상에서 마스크가 위치한 기준 픽셀의 잡음 가능성 정도를 퍼지 논리에 적용하여 잡음의 정도를 판단하였다.
데이터처리
20개의 영상을 대상으로 제안된 알고리즘과 기존의 알고리즘 인미디언필터, 평균값필터, α-trimmed 필터, max/min 필터, 가우시안 스무딩 필터 방법과 비교 분석하였다.
이론/모형
이러한 특징을 이용하여 퍼지 추론 규칙을 정의한다. 추론 규칙을 기반으로 임계값을 결정하기 위하여 Max-Min 방법으로 추론한다.
성능/효과
잡음 정도에 따라서 출력 영상의 화소값을 평균값 또는 중간값으로 결정하였다. 제안된 방법을 잡음이 있는 칼라 영상에 적용한 결과, 단색 정보를 기준으로 처리하는 기존의 필터링 방법에 비해 잡음이 효율적으로 제거되는 것을 확인할 수 있었다.
제안된 퍼지 논리를 이용한 칼라 영상 필터의 경우에는 영상의 동물이나 배경 등의 경계선이나 동물의 눈과 같은 작은 부위에도 영상의 회손이 적게 나탔고, 잡음도 효과적으로 제거되는 것을 확인할 수 있다. 그림 7은 제안된 방법의 다른 결과 영상이다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상처리 기술의 세부적인 기술 범위는 어떠한가?
1990년대까지만 하더라도 산업체, 의료기관, 과학 연구소 등에서만 사용되던 영상 처리 기술들이 점점 일상생활 속으로 다가오고 있다. 이러한 영상처리 기술의 세부적인 기술 범위로는 영상 변환, 영상 개선, 영상 복원, 영상 압축, 영상 분할, 표현 및 기술, 인식 등과 같이 다양하며, 이러한 영상처리 기술 중 하나로 정확한 정보 추출을 위한 영상 정보의 개선이 필수적이다[1-4]. 영상 정보의 개선은 영상처리 개선의 기본적인 과제이며, 다양한 알고리즘들이 제시되었다.
퍼지 논리를 적용하여 칼라 영상에서 잡음을 제거하는 방법은 어떤 문제점을 개선하기 위해 제안되었는가?
기존의 필터링 알고리즘은 잡음과 비잡음의 기준이 없었고, 그레이 영상의 단색 정보만을 기준으로 처리하였기 때문에 컬러 영상에는 비효율적인 문제점이 있다. 이러한 문제점을 개선하기 위하여 본 논문에서는 퍼지 논리를 적용하여 칼라 영상에서 잡음을 제거하는 방법을 제안하였다.
기존의 필터링 알고리즘에는 무엇이 있는가?
정확한 정보 추출을 위한 영상 정보의 개선을 위해 제안된 기존의 필터링 알고리즘의 종류에는 미디언 필터, 혼합 미디언 필터, 평균값 필터, α-trimmed 평균값 필터, 최대/최소값 필터, 가우시안 스무딩 필터, MMSE 필터 등과 같이 다양하다 [5]. 이런 알고리즘들은 잡음 제거 시 원 영상의 정보를 이용하여 처리하기 때문에 마스크 기반 처리를 이용한다.
참고문헌 (9)
C. D. Watkins, A. Sadun, S. Marenka, "Modern Image Processing: Warping, Morphing, and Classical Techniques," Academic Press, 1993.
G. K. Sierra, J. O. Bulla, M. A. Melgarejo, "An Embedded Type-2 Fuzzy Processor For The Inverted Pendulum Control Problem", IEEE Latin America Transactions, Vol. 9, No. 3, pp.240-246, June 2011.
Mahdi Khezri, Mehran Jahed, "A Neuro--Fuzzy Inference System for sEMG-Based Identification of Hand Motion Commands", IEEE Transactions on Industrial Electonics, Vol. 58, No. 5, May 2011.
William-Chandra Tjhi, Lihui Chen, "Dual Fuzzy Possibilistic Coclustering for Categorization of Documents", IEEE Transactions on Fuzzy Systems, Vol. 17, No. 3, June 2009.
M. Petrou, P. Bosdogianni, "Image Processing," Wiley, 1999.
K. B. Kim, S. J. Lee, S. H. Yoon, "Noise Removal using Fuzzy Mask Filter, Journal of The Korea Society of Computer and Information, Vol.15, No.11, pp.41-45, Nov. 2010.
A. Kandel, G. Langholz, "Fuzzy Control Systems," CRC Press, Inc., 1994.
K. B. Kim, "Nucleus Recognition of Uterine Cervical Pap-Smears using FCM Clustering Algorithm," International Journal of Maritime Information and Communication Sciences, Vol. 6, No. 1, pp. 94-99, Mar. 2008.
W. Pedrycz, "Fuzzy Control and Fuzzy Systems," Research Studies Press Ltd., 1989
※ AI-Helper는 부적절한 답변을 할 수 있습니다.