선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
가설 설정
- v(t,i,j )은 열화된 영상 그리고 n(t,i,j )은 잡음 값으로써 평균은 0이고 표준편차는 σ을 갖는 각 장면 및 화소별로 독립되고 동일한 가우시안 분포를 갖는다고 가정한다.
제안 방법
- 마지막으로 표 2는 기존의 비지역적 평균 기반 잡음 제거 알고리즘과 제안된 알고리즘의 실행시간 비교 결과이다. 동일한 조건의 시간 비교를 위해서 기존 방법에서도 제안된 방법에서와 같이 2장의 장면 저장장치만을 적용하였다. 제안된 방법의 실행 시간은 시험 영상의 움직임 양에 따라 차이가 있기는 하나 전반적으로 기존 알고리즘[10]에 비해 2배 이상 빠른 것을 확인할 수 있다.
- 본 논문에서는 동영상 잡음 제거에서 우수한 성능을 보이는 비지역적 평균 기반 잡음 제거 알고리즘을 빠르고 효율적으로 개선하여, 성능 면에서는 기존의 알고리즘과 대등하거나 우수하면서도 비용 면에서는 최소의 자원과 연산량만을 사용한다. 제안된 알고리즘은 시공간 영역에서의 잡음 제거를 위해 단지 한 장만의 장면 기억장치를 필요로 하므로 잡음 제거 효과는 우수하지만 여러 장의 장면 기억장치를 필요로 하는 기존 알고리즘[9～12]에 비해 적은 자원을 필요로 한다.
- 비지역적 평균 기반 시공간 잡음 제거 알고리즘을 제안하였다. 제안된 알고리즘을 통하여 움직임이 적은 영역에서는 무한 충격 응답 기반 시간 영역 잡음제거 알고리즘에서와 같이 자연스러운 잡음 제거가 가능하며 움직임이 많은 영역에서는 연산량 측면에서 효율성을 고려하여 개선된 비지역적 평균 기반 잡음 제거 알고리즘을 적용하여 움직임에 의한 흐려짐을 최소화 하면서 잡음 제거를 수행하였다.
- 제안하는 알고리즘은 식(5)와 같은 무한 충격 응답기반 동영상 잡음 제거 알고리즘을 기본 구조로 갖고 있다. 여기에 비지역적 평균 기반 시공간 잡음 제거 알고리즘을 기반으로 연산량 측면에서 효율적인 공간 영역에서의 잡음 제거 알고리즘을 추가하였다. 제안하는 잡음 제거 알고리즘은 다음의 식과 같이 표현된다.
- 제안된 알고리즘은 시공간 잡음 제거를 위하여 단지 한 장의 장면 기억장치만을 사용하여 여러 장의 장면 기억장치를 필요로 하는 기존의 알고리즘에 비해 가용 자원 측면에서 저렴하다. 이에 반해 성능 측면에서는 기존의 알고리즘과 대등하거나촬영 영상에 따라서는 우수한 성능을 보임을 다양한 잡음 정도를 갖는 시험 영상에 대한 실험을 통해 수치적, 시각적 측면에서 각각 비교하였다. 현재 제안된 비지역적 평균 기반 시공간 잡음 제거 알고리즘에 대해 알고 리즘 연산량을 추가로 최적화를 방법에 관한 연구가 추가로 진행되고 있다.
- 본 논문에서는 동영상 잡음 제거에서 우수한 성능을 보이는 비지역적 평균 기반 잡음 제거 알고리즘을 빠르고 효율적으로 개선하여, 성능 면에서는 기존의 알고리즘과 대등하거나 우수하면서도 비용 면에서는 최소의 자원과 연산량만을 사용한다. 제안된 알고리즘은 시공간 영역에서의 잡음 제거를 위해 단지 한 장만의 장면 기억장치를 필요로 하므로 잡음 제거 효과는 우수하지만 여러 장의 장면 기억장치를 필요로 하는 기존 알고리즘[9～12]에 비해 적은 자원을 필요로 한다.
- 비지역적 평균 기반 시공간 잡음 제거 알고리즘을 제안하였다. 제안된 알고리즘을 통하여 움직임이 적은 영역에서는 무한 충격 응답 기반 시간 영역 잡음제거 알고리즘에서와 같이 자연스러운 잡음 제거가 가능하며 움직임이 많은 영역에서는 연산량 측면에서 효율성을 고려하여 개선된 비지역적 평균 기반 잡음 제거 알고리즘을 적용하여 움직임에 의한 흐려짐을 최소화 하면서 잡음 제거를 수행하였다. 제안된 알고리즘은 시공간 잡음 제거를 위하여 단지 한 장의 장면 기억장치만을 사용하여 여러 장의 장면 기억장치를 필요로 하는 기존의 알고리즘에 비해 가용 자원 측면에서 저렴하다.
대상 데이터
- 제안된 방법의 실행 시간은 시험 영상의 움직임 양에 따라 차이가 있기는 하나 전반적으로 기존 알고리즘[10]에 비해 2배 이상 빠른 것을 확인할 수 있다. 실험에 사용된 PC의 사양은 Pentium Core2Quad 2.66GHz, 4GB RAM이었다.
데이터처리
- 제안된 알고리즘을 4가지 종류의 실험용 동영상에 다양한 잡음 설정하여 실험하였으며 기존에 제시된 무한 충격 응답 기반 동영상 잡음 제거 알고리즘[6]과 기존에 제시된 비지역적 평균 기반 동영상 잡음 제거 알고리즘[10]과 성능 비교를 하였다. 잡음 실험 영상은 평균이 0이고 실험에 사용된 표준편차 크기를 갖는 가우 시안 랜덤 변수를 생성하여 원본영상에 첨가하여 생성되었다.
성능/효과
- 반대로 SAD 값이 클수록 움직임이 많은 것이므로큰 n()을 사용하여 공간 영역에서의 잡음 제거 시 연산량을 늘려 잡음 제거 효과를 크게 하는 반면 시간 영역에서의 잡음 제거 비중을 줄이게 된다. 그러므로 무한 충격 응답 기반 알고리즘의 문제점인 큰 움직임에 의한 흐려짐을 최소화할 수 있고 움직임이 있는 부분에서 시간 영역으로 누적 평균을 구하는 과정을 줄일 경우 잡음 제거 효과가 약해지는 문제점을 비지역적 평균 기반 공간 영역에서의 잡음 제거 알고리즘으로 보완할수 있다.
- 다음으로 그림 3부터 그림 6까지는 기존의 비지역적 평균 기반 동영상 잡음 제거 알고리즘과 제안된 알고리즘을 각각의 시험 영상에 적용하여 각 장면별 PSNR (peak signal to noise ratio) 값을 그래프로 나타낸 결과이다. 수치적 성능에 있어서 전반적으로 실선으로 표시된 제안된 방법이 기존의 방법에 비해 점선으로 표시된 기존의 방법에 비해 약간 낮은 PSNR 값을 보이지만 그림 4에서 보는 바와 같이 시험 영상의 움직임이 심하게 많지 않은 tennis 동영상의 경우에는 제안된 방법의 성능이 기존의 방법에 비해 우수함을 확인할 수 있다.
- 이와 같이 비지역적 평균 기반 잡음 제거 알고리즘의 주변 영역을 가변적인 크기를 갖도록 함으로써 연산량을 효율적으로 줄일 수 있다. 반면 감쇄되는 잡음 제거 효과는 시간 영역에서의 무한 충격 응답 기반 잡음 제거로써 보완한다.
- 동일한 조건의 시간 비교를 위해서 기존 방법에서도 제안된 방법에서와 같이 2장의 장면 저장장치만을 적용하였다. 제안된 방법의 실행 시간은 시험 영상의 움직임 양에 따라 차이가 있기는 하나 전반적으로 기존 알고리즘[10]에 비해 2배 이상 빠른 것을 확인할 수 있다. 실험에 사용된 PC의 사양은 Pentium Core2Quad 2.
- 표 1은 잡음 정도에 따른 실험영상별 알고리즘별 전체 장면에서 평균을 구한 PSNR 값의 비교이다. 제안된 알고리즘은 무한 충격 응답 기반 동영상 잡음 제거 알고리즘의 결과에 비해서는 대략 2dB 이상 우수한 성능을 보이며 기존에 제안된 비지역적 평균 기반 잡음 제거 알고리즘에 비해서는 다소 PSNR 값이 작지만 시험 영상과 잡음 정도에 따라 기존 알고리즘에 비해 우수한 성능을 보였다.
- 제안된 알고리즘을 통하여 움직임이 적은 영역에서는 무한 충격 응답 기반 시간 영역 잡음제거 알고리즘에서와 같이 자연스러운 잡음 제거가 가능하며 움직임이 많은 영역에서는 연산량 측면에서 효율성을 고려하여 개선된 비지역적 평균 기반 잡음 제거 알고리즘을 적용하여 움직임에 의한 흐려짐을 최소화 하면서 잡음 제거를 수행하였다. 제안된 알고리즘은 시공간 잡음 제거를 위하여 단지 한 장의 장면 기억장치만을 사용하여 여러 장의 장면 기억장치를 필요로 하는 기존의 알고리즘에 비해 가용 자원 측면에서 저렴하다. 이에 반해 성능 측면에서는 기존의 알고리즘과 대등하거나촬영 영상에 따라서는 우수한 성능을 보임을 다양한 잡음 정도를 갖는 시험 영상에 대한 실험을 통해 수치적, 시각적 측면에서 각각 비교하였다.
후속연구
- 이에 반해 성능 측면에서는 기존의 알고리즘과 대등하거나촬영 영상에 따라서는 우수한 성능을 보임을 다양한 잡음 정도를 갖는 시험 영상에 대한 실험을 통해 수치적, 시각적 측면에서 각각 비교하였다. 현재 제안된 비지역적 평균 기반 시공간 잡음 제거 알고리즘에 대해 알고 리즘 연산량을 추가로 최적화를 방법에 관한 연구가 추가로 진행되고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.