[논문]웨이블릿 고주파 균열 서브밴드에서 추정된 잡음전력을 적용한 VisuShrink 기법의 영상 잡음제거

박남천; 우창용

웨이블릿 고주파 균열 서브밴드에서 추정된 잡음전력을 적용한 VisuShrink 기법의 영상 잡음제거
Denoising Images by VisuShrink Technique Using the Estimated Noise Power in the Highest Equal Subband of Wavelet 원문보기

信號處理·시스템學會論文誌 = Journal of the institute of signal processing and systems, v.13 no.1, 2012년, pp.26 - 31

초록
AI-Helper

웨이블릿 분해된 최고주파 대역을 4개의 균일대역으로 서브밴드 분할한 후 이 레벨들의 전력값 중에서 최소값과 단조 변환(monotonic transform)을 이용해서 레벨 적응적 경계값을 구하였다. 이 경계값으로 ST(soft threshold) 연산자에 적용하여 고주파 및 중간 대역의 가우시안 잡음을 제거하였다. 그 결과를 VisuShrink 방법 그리고 monotonic 변환 및 가중값을 이용해서 잡음 제거한 결과와 PSNR로 비교하고 이 기법의 실용성을 밝혔다.

Abstract ▼ AI-Helper

The highest frequency band of wavelet decomposition band is divided into 4 equal subbands and by the minimum power of the subbands and by the monotonic transform, the level adapted threshold is obtained. The adapted threshold is applied to the soft threshold technique to denoise high and middle frequency band noise of image signals. And the results of PSNRs are compared with the results obtained by the VisuShrink technique and by the technique using the monotonic transform and the weight value. The results showed the validity of this technique.

주제어

AI 본문요약
AI-Helper

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

가설 설정

일반적으로 각 고주파 균일 밴드의 전력은 상이하다. 이 중 최소값은 신호 성분이 없는 잡음에 의한 것으로 가정하였다. 여기서 T'은 σ'를 이용한 새로운 경계값이며 레벨 적응적이다.
중간값이다[7]. 이 추정 값은 웨이블릿 변환영역의 최고 수파수 대역에서의 계수들은 신호 성분 보다 잡음에 거의 영향을 받는다고 가정한 경우이다. 따라서 잡음분산이 작을 경우에 이 값을 경계값에 사용하면 추정된 신호의 리스크가 증가한다.

제안 방법

실험에 사용된 영상은 512x5126 크기의 8비트 그레이 레벨 영상이다. powermin를 구하기 위해서 웨이블릿 변환된 최고주파수 대역인 HH밴드를 그림2와 같이 4밴드로 나누어 각 밴드의 전력을 측정하였다. 이 중에서 최 소 전 력값을 powetmin로 두고 이 값을 식 (13)의σ'값 결정에 사용하였다.
[14] 에서는 단조변환 및 ST를 이용해서 레벨 적응의 영상잡음을 제거 하였다. 이 논문에서는 웨이블릿 변환된 최고주파 대역을 4개의 균일 대역으로 서브밴드 분할 한 후의 각 레벨의 전력 정보와 단조 변환을 이용해서 레벨 적응적 경계값을 구하고 이 경 계 값으로 ST(soft threshold) 연산자에 적용하여 고주파 및 중간대역의 가우시안 잡음을 제거하며 그 결과를 VisuShrink방법 그리고 monotonic 변환과 가중값을 이용해서14] 잡음을 제거한 결과와 PSNR로 비교한다.
이 논문에서는 웨이블릿 변환된 최고주파 대역을 4개의 균일대역으로 서브밴드 분할한 후의 각 레벨의 전력 정보와 단조 변환을 이용해서 레벨 적응적 경계값을 구하였다. 이 경계값을 ST(soft threshold) 연산자에 적용하여 고주파 및 중간대역의 가우시안 잡음을 제거하여 VisuShrink방법 그리고 monotonic 변환과 가중값을 이용해서 잡음 제거한 결과와 PSNR로 비교하였다.

대상 데이터

웨이블릿 변환을 위해서는 D10 필터를 사용하여 그림 1과 같이 2레벨로 변환하였다. 실험에 사용된 영상은 512x5126 크기의 8비트 그레이 레벨 영상이다. powermin를 구하기 위해서 웨이블릿 변환된 최고주파수 대역인 HH밴드를 그림2와 같이 4밴드로 나누어 각 밴드의 전력을 측정하였다.

데이터처리

이 경계값을 ST(soft threshold) 연산자에 적용하여 고주파 및 중간대역의 가우시안 잡음을 제거하여 VisuShrink방법 그리고 monotonic 변환과 가중값을 이용해서 잡음 제거한 결과와 PSNR로 비교하였다. 논문에서 제시한 기법에 의한 잡음 제거 결과는 Visushrink 기법이나 monotonic 변환과 가중값을 이용한 경우보다 잡음레벨에 따라 약 l-5dB 의 PSNR이 개선되었다.
이 경계값을 이용해서 잡음 제거한 결과를 식 (13)의 단조 변환에 의한 잡음제거 효과[14] 그리고 식 (6) 및 (7)의 유니버셜 경계값을 이용한 Visushrink에 의한 잡음 제거 효과와 비교하였으며 평가 척도는 PSNR을 사용하였다. 웨이블릿 변환을 위해서는 D10 필터를 사용하여 그림 1과 같이 2레벨로 변환하였다.

이론/모형

이다. SURE 경계값은 Stein's unbiased risk estimator를 이용해서 구한다[7-9].

성능/효과

이 논문에서 제시한 기법에 의한 잡음제거 결과는 Visushrink 기법이나 monotonic 변환과 가중값을 이용한 경우보다 잡음레벨에 따라 약 l-5dB의 PSNR이 개선되었다. 그리고 잡음제거 후의 영상은 잡음영상보다 잡음레벨에 따라 약 4-10dB의 PSNR이 개선되었다. 이러한 특성은 BLE- GSM [15] 그리고 SURE-LET 기법 [16]과 유사한 잡음 제거 특성을 보였다.
이 논문에서 제시한 기법에 의한 잡음제거 결과는 Visushrink 기법이나 monotonic 변환과 가중값을 이용한 경우보다 잡음레벨에 따라 약 l-5dB의 PSNR이 개선되었다. 그리고 잡음제거 후의 영상은 잡음영상보다 잡음레벨에 따라 약 4-10dB의 PSNR이 개선되었다. 이러한 특성은 BLE- GSM [15] 그리고 SURE-LET 기법 [16]과 유사한 잡음 제거 특성을 보였다.
여기서 Visushrink는 식⑹ 및 식 ⑺을 이용한 결과, monotonice monotonic 변환과 가중값을 이용해서 구한 경계값[14]을 이용한 결과, 그리고 monotonic_pow 은이 논문에서 제시하는 기법을 이용한 잡음제거의 결과이다. 이 논문에서 제시한 기법에 의한 잡음제거 결과는 Visushrink 기법이나 monotonic 변환과 가중값을 이용한 경우보다 잡음레벨에 따라 약 l-5dB의 PSNR이 개선되었다. 그리고 잡음제거 후의 영상은 잡음영상보다 잡음레벨에 따라 약 4-10dB의 PSNR이 개선되었다.
여기서 Visushrink는 식⑹ 및 식 ⑺을 이용한 결과, monotonice monotonic 변환과 가중값을 이용해서 구한 경계값[14]을 이용한 결과, 그리고 monotonic_pow 은이 논문에서 제시하는 기법을 이용한 잡음제거의 결과이다. 이 논문에서 제시한 기법에 의한 잡음제거 결과는 Visushrink 기법이나 monotonic 변환과 가중값을 이용한 경우보다 잡음레벨에 따라 약 l-5dB의 PSNR이 개선되었다. 그리고 잡음제거 후의 영상은 잡음영상보다 잡음레벨에 따라 약 4-10dB의 PSNR이 개선되었다.

후속연구

이 기법은 베이스 추정이나 잉여변환을 사용하지 않으므로 계산량이 작지만 잡음제거 효과는 양호하기 때문에 실시간처리에 특히 유용하게 이용될 수 있을 것으로 생각된다. 앞으로 이 기법에 적응하는 타 연산자를 활용하면 보다 잡음제거 특성을 개선할 수 있을 것으로 생각된다.
이러한 특성은 BLE- GSM [15] 그리고 SURE-LET 기법 [16]과 유사한 잡음 제거 특성을 보였다. 이 기법은 베이스 추정이나 잉여변환을 사용하지 않으므로 계산량이 작고 잡음제거효과가 양호하므로 실시간처리에 특히 유용하게 이용될 수 있을 것으로 생각된다.
이러한 특성은 BLE-GSM 그리고 SURE-LET 기법과 유사한 잡음제거 특성을 보였다. 이 기법은 베이스 추정이나 잉여변환을 사용하지 않으므로 계산량이 작지만 잡음제거 효과는 양호하기 때문에 실시간처리에 특히 유용하게 이용될 수 있을 것으로 생각된다. 앞으로 이 기법에 적응하는 타 연산자를 활용하면 보다 잡음제거 특성을 개선할 수 있을 것으로 생각된다.

참고문헌 (19)

Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, 1993, pp. 40-47.
W. K. Pratt, Digital Image Processing, John Wiley & Sons Inc, 1991.
R. C. Gonzalez, R. E. Woods, Digital Image Processing, Addison-Wesley, 1992.
B. Vidakovic, P. Muller, "An Introduction to Wavelets", In: Bayesian Interferencein Wavelet-based Model, P. Muller and B. Vidakovic (eds.), Springer, 1999, pp.1-18 .
R. R. Coifman, D. I. Donoho, "Translation-Invariant De-Noising", In:Wavelets and Statistics, A. Antoniodis, G. Oppenheim (eds.), Springer, 1995, pp. 125-150.
A. Aldroubi, M. Unser "Wavelets in Medicine and Biology", CRC Press 1996, pp. 191-196.
D. L. Donoho, I. M. Johnstone, "Ideal Spatial Adaptation by Wavelet Shrinkage", Biometrika, 81. 3. 1994, pp. 425-455.

상세보기
H. Y. Gao, "Wavelet Shrinkage Denoising Using the Non-Negative Garrot", Journal of Computational and Graphical Statistics, 7(4), Dec. 1998, pp. 469-488.

상세보기
S. Mallat, a Wavelet Tour of Signal Processing, 2nd. Academic Press, 1999, pp. 434-524.
D. L. Donoho, I. M. Johnstone, "Adapting to Unknown Smoothness via Wavelet Shrinkage", J.A.S.A. vol. 90, No. 432, Dec. 1995, pp. 1200-1224.

상세보기
G. Nason, "Wavelet regression by Cross-Validation", J. Roy. Statist. Soc. Ser. B, 58, 1996, pp 463-479.
Y. Wang, "Function Estimation via Wavelet Shrink -age for Long-Memory Data", Ann. Statist., 24, 2, 1996, pp. 466-484.

상세보기
N. Saito, "Simultaneous Noise Suppression and Signal Compression Using a Library of Orthonormal bases and the Minimum Description Length Criterion", In: Wavelets in eophysics, Foufoua-Georgiou and Kumar (eds.), Academic Press, 1994.
우창용. 박남천"웨이블릿 기저의 영상신호에서 단조 변환으로 추정된 잡음편차를 사용한 VisuShrink 기법의 잡음제거" 신호처리 시스템학회 논문지 제5권 2호 2004. 4
Javier Portilla, Vasily Strela, Martin J. Wainwright, and Eero P Simoncelli, "Image Denoising Using Scale Mixture of Gaussians in The Wavelet Domain" IEEE Trans. Image Processing Vol. 12, No. 11, November 2003.
Thierry Blu Florian Luisier "The SURE-LET Approach to Image Denoising" IEEE Trans. Image Processing Vol.16 No 11 Nov. 2007.
Akram Aldroubi and Michael Uncer "Wavelets in Medicine and Biology" CRC Press
S.V. Vasegh"Avanced Digital Signal Processing and Noise Reduction" Wiley, Second edition, 2000.
D. L. Donoho, "De-Noising by Soft-Thresholding", IEEE. Trans. Information Theory, Vol 41. No 3. May 1995. pp. 613-627.

상세보기

저자의 다른 논문 :

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