[논문]국부 통계 특성 및 노이즈 예측을 통한 적응 노이즈 검출 및 제거 방식

응웬 뚜안안; 김범수; 홍민철

doi:10.7840/kics.2013.38a.2.183

[국내논문] 국부 통계 특성 및 노이즈 예측을 통한 적응 노이즈 검출 및 제거 방식
Adaptive Noise Detection and Removal Algorithm Using Local Statistics and Noise Estimation 원문보기

한국통신학회논문지. The journal of Korea Information and Communications Society. 무선통신, v.38A no.2, 2013년, pp.183 - 190

응웬 뚜안안 (숭실대학교 정보통신전자공학부) , 김범수 (숭실대학교 정보통신전자공학부) , 홍민철 (숭실대학교 정보통신전자공학부)

초록
AI-Helper

본 논문에서는 첨부 노이즈에 의해 훼손된 왜곡 영상의 공간 적응적 노이즈 검출 및 제거 기법에 대해 제안한다. 일반적인 영상이 가우시안 분포 특성을 갖는다는 가정 하에 왜곡 영상으로부터 국부 통계 특성을 산출하여 첨부 노이즈 정보를 예측하고, 예측된 노이즈 정보의 통계 특성을 활용하여 첨부 노이즈 정도를 분류하는 기법에 대해 제안한다. 더불어, 노이즈 분류에 따라 보정된 가우시안 필터의 매개변수 및 필터 윈도우 크기를 설정한 적응 노이즈 필터 기법에 대해 기술한다. 실험 결과를 통해 제안 방식의 성능이 기존 방식과 비교하여 객관적, 주관적으로 우수한 능력을 갖고 있음을 확인할 수 있었다.

Abstract ▼ AI-Helper

In this paper, we propose a spatially adaptive noise detection and removal algorithm for a single degraded image. Under the assumption that an observed image is Gaussian-distributed, the noise information is estimated by local statistics of degraded image, and the degree of the additive noise is detected by the local statistics of the estimated noise. In addition, we describe a noise removal method taking a modified Gaussian filter which is adaptively determined by filter parameters and window size. The experimental results demonstrate the capability of the proposed algorithm.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 가우시안 분포를 갖는 첨부 노이즈에 의해 왜곡된 영상으로부터 공간적 국부 통계 특성을 이용하여 노이즈 성분을 예측하고 예측된 노이즈 양에 따라 필터 윈도우 크기를 다르게 설정하여 노이즈 제거를 위한 필터링 정도를 적응적으로 제어하는 기법에 대해 제안한다.
관측 영상으로부터 첨부 노이즈 제거의 효율성을 증대하기 위해서는 노이즈 위치 및 노이즈 양에 대한 예측 신뢰성을 필요로 하며, 노이즈 정보 예측의 신뢰성을 보장하기 위한 다양한 방식이 연구되었다^[7-12]. 본 논문에서는 관측 영상의 국부 통계 특성을 이용하여 노이즈 위치 및 정도를 예측하고, 노이즈 정도에 따라 필터 윈도우 크기를 설정하는 공간 적응 필터 기법에 대해 제안한다.
실험 영상으로는 256 × 256 크기의 “Lena”, “Cameraman” 및 “Goldhill” 영상을 사용하였으며, 각 영상에 다양한 가우시안 노이즈양을 첨가하여 SAWM 필터 기법^[7], 쌍방향 필터 (BF)^[6], 통계 가설 테스트 기법 (SHT) 기법^[8] 및 고속 가우시안 필터 기법 (FAEA)^[9]과 성능 비교를 하였다. 본 논문에서는 위의 영상에 10dB, 20dB 및 30dB 노이즈가 첨부된 결과에 대해서 기술한다. 식 (4) 및 (7)의 필터 보정 상수는 T = G = 0.
본 논문에서는 첨부 노이즈에 대한 사전 정보 없이 관측 영상의 국부 통계 특성에 따라 첨부 노이즈 정보를 예측하고, 이를 기반으로 효과적으로 노이즈 검출 과정 및 노이즈 제거 대한 기법을 제안하였다. 실험 결과 및 분석을 통해 제안 방식이 객관적 및 주관적 성능 평가 측면에서 우수함을 확인할 수 있었다.
본 논문에서는 관측 영상의 공간적 국부 통계 특성을 이용한 적응적인 노이즈 검출 및 제거 방식을 제안하였다. 영상의 국부 통계 특성이 가우시안 분표를 갖는다는 가정 하에 왜곡 영상으로부터 국부 평균 및 분산을 산출하여 왜곡 노이즈 정보를 예측하고, 검출된 노이즈 양에 따라 노이즈 제거를 위한 가우시안 필터의 매개변수 및 필터 크기를 적응적으로 설정하여 효과적으로 노이즈 제거가 이루어졌음을 다양한 실험을 통해 확인할 수 있었다.

제안 방법

일반적으로 노이즈 정보 추정 기법은 크게 블록 단위 또는 화소 단위로 매개 변수를 예측하는 방식으로 분류할 수 있다^[11,12]. 본 논문에서는 가우시안 분포를 갖는 노이즈의 매개 변수를 결정하여 왜곡 영상에 적용할 저주파 통과 (low-pass) 필터로 사용하고, 왜곡 영상과 저주파 통과 필터된 영상과의 오차 신호를 노이즈 성분으로 추정하여 노이즈 검출 및 제거 과정에 활용하였다. 본 논문에서 사용한 저주파 통과를 위한 가우시안 필터는 식 (2) 및 (3)을 이용하였으며, 가중치값 w_m,n은 ‘1’로 균일한 가중치를 사용하였다.
에 노이즈 필터를 적용하여 노이즈 제거 과정을 수행한다. 본 논문에서는 노이즈 제거 필터로 가우시안 저주파 통과 필터를 사용하였으며 매개변수 및 필터 윈도우 크기를 flag_{i, j}에 따라 적응적으로 설정하는 방식을 사용하였다. 본 논문에서 사용한 변형된 가우시안 핕터의 (i,j)번째 화소의 필터 계수는 다음과 같이 기술된다.
본 논문에서 제안한 기법을 다양한 영상들에 다양한 노이즈 양을 첨부해서 실험하였다. 실험 영상으로는 256 × 256 크기의 “Lena”, “Cameraman” 및 “Goldhill” 영상을 사용하였으며, 각 영상에 다양한 가우시안 노이즈양을 첨가하여 SAWM 필터 기법^[7], 쌍방향 필터 (BF)^[6], 통계 가설 테스트 기법 (SHT) 기법^[8] 및 고속 가우시안 필터 기법 (FAEA)^[9]과 성능 비교를 하였다.

대상 데이터

실험 영상으로는 256 × 256 크기의 “Lena”, “Cameraman” 및 “Goldhill” 영상을 사용하였으며, 각 영상에 다양한 가우시안 노이즈양을 첨가하여 SAWM 필터 기법[7], 쌍방향 필터 (BF)[6], 통계 가설 테스트 기법 (SHT) 기법[8] 및 고속 가우시안 필터 기법 (FAEA)[9]과 성능 비교를 하였다.

이론/모형

05를 동일하게 사용하였다. 성능 비교는 노이즈 검출 정확도, PSNR (Peak Signal to Noise Ratio) 및 SSIM (Structural Similarity Image Index)^[14]를 사용하였다. 노이즈 검출 성능을 평가하기 위하여 노이즈 검출 정확도 (D_F)는 다음과 같이 기술된다.

성능/효과

실험 결과에서 확인할 수 있듯이 10dB 가우시안 노이즈에 의해 왜곡된 “Lena” 영상에 대한 비교 방식의 복원 영상은 노이즈 성분의 제거가 효과적이지 않는 반면에“Cameraman” 및 “Goldhill” 영상은 과다한 열화 현상에 기인하여 윤곽선 부분의 중요 정보가 훼손되었음을 확인할 수 있다.
표 1-3에 제안 방식과 기존 방식과의 성능 비교를 나타내었다. 상기 표에서 알 수 있듯이 다양한 노이즈 양 및 영상에 대해 제안 방식의 노이즈 검출 정확도가 높음을 확인할 수 있었으며, 첨부 노이즈 양이 많을수록 노이즈 검출의 정확성이 높아짐을 확인할 수 있었다. 더불어 각 방식을 적용한 복원 영상의 PSNR 측면에서도 제안 방식의 성능이 우수함을 확인할 수 있었으며, 첨부 노이즈양이 작을수록 기존 방식과의 성능 차이가 커짐을 확인할 수 있었다.
상기 표에서 알 수 있듯이 다양한 노이즈 양 및 영상에 대해 제안 방식의 노이즈 검출 정확도가 높음을 확인할 수 있었으며, 첨부 노이즈 양이 많을수록 노이즈 검출의 정확성이 높아짐을 확인할 수 있었다. 더불어 각 방식을 적용한 복원 영상의 PSNR 측면에서도 제안 방식의 성능이 우수함을 확인할 수 있었으며, 첨부 노이즈양이 작을수록 기존 방식과의 성능 차이가 커짐을 확인할 수 있었다. 상기와 같은 이유는 예측된 첨부 노이즈 양에 따라 노이즈 검출 조건을 설정하고, 검출된 노이즈 위치 및 정도에 따라 적응적인 필터링 방식을 적용하여 복원 영상의 과다한 열화 현상을 피할 수 있음에 기인한다.
상기와 같은 이유는 예측된 첨부 노이즈 양에 따라 노이즈 검출 조건을 설정하고, 검출된 노이즈 위치 및 정도에 따라 적응적인 필터링 방식을 적용하여 복원 영상의 과다한 열화 현상을 피할 수 있음에 기인한다. 특히 쌍방향 필터의 경우 첨부 노이즈양이 많은 경우, 노이즈 검출 과정을 없음에도 기타 기존 방식과 비교하여 성능이 우수하지만 노이즈 양이 적을수록 과다한 열화 연상에 의해 성능 저하가 많음을 알 수 확인할 수 있었다. 또한 Lena 영상에 30dB 노이즈가 첨부된 경우, FAEA 및 SHT 방식의 노이즈 검출 성능이 제안 방식과 유사한 성능을 나타내고 있으나 노이즈 제거 필터 성능의 차이로 제안 방식이 향상된 결과를 얻었음을 확인할 수 있었다.
특히 쌍방향 필터의 경우 첨부 노이즈양이 많은 경우, 노이즈 검출 과정을 없음에도 기타 기존 방식과 비교하여 성능이 우수하지만 노이즈 양이 적을수록 과다한 열화 연상에 의해 성능 저하가 많음을 알 수 확인할 수 있었다. 또한 Lena 영상에 30dB 노이즈가 첨부된 경우, FAEA 및 SHT 방식의 노이즈 검출 성능이 제안 방식과 유사한 성능을 나타내고 있으나 노이즈 제거 필터 성능의 차이로 제안 방식이 향상된 결과를 얻었음을 확인할 수 있었다. 더불어 복원 영상의 시각적 평가 방식인 SSIM 측면에서도 다양한 환경에서 기존 방식과 비교하여 향상된 결과가 있었음을 알 수 있었으며, 상기와 같은 결과로부터 제안 방식의 노이즈 검출 기법 및 노이즈 제거 필터 기법의 성능의 우수성을 확인할 수 있다.
또한 Lena 영상에 30dB 노이즈가 첨부된 경우, FAEA 및 SHT 방식의 노이즈 검출 성능이 제안 방식과 유사한 성능을 나타내고 있으나 노이즈 제거 필터 성능의 차이로 제안 방식이 향상된 결과를 얻었음을 확인할 수 있었다. 더불어 복원 영상의 시각적 평가 방식인 SSIM 측면에서도 다양한 환경에서 기존 방식과 비교하여 향상된 결과가 있었음을 알 수 있었으며, 상기와 같은 결과로부터 제안 방식의 노이즈 검출 기법 및 노이즈 제거 필터 기법의 성능의 우수성을 확인할 수 있다.
그림 2-4에 시각적 성능 비교를 위해 실험에 사용한 영상들의 확대 영역들을 표기하였다. 기존 방식과 비교하여 제안 방식의 결과 영상이 열화 현상을 최소화하면서 효과적으로 첨부된 노이즈 성분을 제거했음을 알 수 있다. 실험 결과에서 확인할 수 있듯이 10dB 가우시안 노이즈에 의해 왜곡된 “Lena” 영상에 대한 비교 방식의 복원 영상은 노이즈 성분의 제거가 효과적이지 않는 반면에“Cameraman” 및 “Goldhill” 영상은 과다한 열화 현상에 기인하여 윤곽선 부분의 중요 정보가 훼손되었음을 확인할 수 있다.
상기 결과에서 확인할 수 있듯이 비교 방식들은 영상의 특성에 따라 복원 영상의 결과가 상이한 형태로 표현되지만 제안 방식은 일관성 있는 결과를 보임을 알 수 있다. 상기 결과로부터 제안 방식은 일관성 있게 평탄한 영역에서의 노이즈 제거 성능 및 국부 활동성이 높은 영역에서의 윤곽선 보존성이 매우 우수함을 알 수 있다.
상기 결과에서 확인할 수 있듯이 비교 방식들은 영상의 특성에 따라 복원 영상의 결과가 상이한 형태로 표현되지만 제안 방식은 일관성 있는 결과를 보임을 알 수 있다. 상기 결과로부터 제안 방식은 일관성 있게 평탄한 영역에서의 노이즈 제거 성능 및 국부 활동성이 높은 영역에서의 윤곽선 보존성이 매우 우수함을 알 수 있다.
본 논문에서는 첨부 노이즈에 대한 사전 정보 없이 관측 영상의 국부 통계 특성에 따라 첨부 노이즈 정보를 예측하고, 이를 기반으로 효과적으로 노이즈 검출 과정 및 노이즈 제거 대한 기법을 제안하였다. 실험 결과 및 분석을 통해 제안 방식이 객관적 및 주관적 성능 평가 측면에서 우수함을 확인할 수 있었다.
본 논문에서는 관측 영상의 공간적 국부 통계 특성을 이용한 적응적인 노이즈 검출 및 제거 방식을 제안하였다. 영상의 국부 통계 특성이 가우시안 분표를 갖는다는 가정 하에 왜곡 영상으로부터 국부 평균 및 분산을 산출하여 왜곡 노이즈 정보를 예측하고, 검출된 노이즈 양에 따라 노이즈 제거를 위한 가우시안 필터의 매개변수 및 필터 크기를 적응적으로 설정하여 효과적으로 노이즈 제거가 이루어졌음을 다양한 실험을 통해 확인할 수 있었다. 상기 기법을 이용하여 제안 방식은 일관성 있게 평탄한 영역에서의 노이즈 제거가 이루어졌으며 국부 활동성이 높은 영역에서 윤곽성 보존 능력이 우수함을 확인할 수 있었다.
영상의 국부 통계 특성이 가우시안 분표를 갖는다는 가정 하에 왜곡 영상으로부터 국부 평균 및 분산을 산출하여 왜곡 노이즈 정보를 예측하고, 검출된 노이즈 양에 따라 노이즈 제거를 위한 가우시안 필터의 매개변수 및 필터 크기를 적응적으로 설정하여 효과적으로 노이즈 제거가 이루어졌음을 다양한 실험을 통해 확인할 수 있었다. 상기 기법을 이용하여 제안 방식은 일관성 있게 평탄한 영역에서의 노이즈 제거가 이루어졌으며 국부 활동성이 높은 영역에서 윤곽성 보존 능력이 우수함을 확인할 수 있었다. 현재 대칭한 비가우시안 분포 특성에 대한 모델링 및 노이즈 제거 방식과 관련된 연구를 수행 중에 있으며, 이를 통해 다양한 형태의 노이즈가 효과적으로 제거할 수 있을 것으로 기대된다.

후속연구

상기 기법을 이용하여 제안 방식은 일관성 있게 평탄한 영역에서의 노이즈 제거가 이루어졌으며 국부 활동성이 높은 영역에서 윤곽성 보존 능력이 우수함을 확인할 수 있었다. 현재 대칭한 비가우시안 분포 특성에 대한 모델링 및 노이즈 제거 방식과 관련된 연구를 수행 중에 있으며, 이를 통해 다양한 형태의 노이즈가 효과적으로 제거할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	노이즈 제거 기법의 궁극적인 목표는?	노이즈 제거 기법의 궁극적인 목표는 상세 정보와 경계선을 보존하며 원 영상에 가까운 복원 영상을 생성 하는 것으로서 관련된 다양한 기법들이 제안 되어왔다. 대부분의 영상 시스템의 획득 과정에서 발생하는 노이즈는 가우시안 (Gaussian) 분포 특성을 갖게 되며, 이와 같은 노이즈 특성에 대한 대표적인 기법으로서는 LMS (Least Mean Square)기법이 사용되어 왔다[1].
	디지털 영상은 어떻게 표현되는가?	일반적으로 디지털 영상은 아날로그 신호로의 획득 과정 및 디지털 신호로 변환하는 과정에서 영상 시스템 등에 의해 원 영상에 노이즈가 첨부된 현상으로 표현 된다[1]. 첨부 노이즈에 의해 왜곡된 영상은 영상 압축 과정에서 고주파 성분의 증대로 인해 압축 효율의 저하의 요인이 되며, 영상 인식 시스템에서 인식률의 저하 요인이 될 수 있다.
	노이즈 특성에 대한 대표적인 기법인 LMS의 문제점은?	대부분의 영상 시스템의 획득 과정에서 발생하는 노이즈는 가우시안 (Gaussian) 분포 특성을 갖게 되며, 이와 같은 노이즈 특성에 대한 대표적인 기법으로서는 LMS (Least Mean Square)기법이 사용되어 왔다[1]. 상기 기법은 필터링 과정에서 영상의 윤곽선 열화 현상을 동반한다. 국부 통계 특성 기반의 대표적인 기법은 평균 필터 및 미디언 필터가 사용되었으며, 변형 형태인 가중치 기반 국부 미디어 필터 기법 등이 연구되었으나 열화 현상의 최소화에는 한계점을 갖고 있다[2,3,4,5].

참고문헌 (14)

R. C. Gonzalez and R. E. Wood, Digital Image Processing. Englewood Cliffs, NJ: Prentice-Hall, 2002.
T. A. Nodes, N. C. Gallagher, "Median filters: Some modifications and their Properties," IEEE Trans. Acoust., Speech and Sig. Process., vol. ASSP-30, no. 5, pp. 739-746, Oct. 1982.
G. R. Arce, Nonlinear Signal Processing - A Statistical Approach, Wiley, 2004.
D. Brownrigg, "The weighted median filter," Communication of the ACM, vol. 27, no. 8, pp. 807-818, Aug. 1984.

상세보기
S. J. Ko and S. J. Lee, "Center weighted median filters and their applications to image enhancement," IEEE Trans. Circ. Sys, vol. 15, no. 4, pp. 984-993, Sep. 1991.
C. Tomasi and R. Manduchi, "Bilateral filtering for gray and color images," in Proc. IEEE Int. Conf. on Computer Vision (ICCV), pp. 839-846, Jan. 1998.
X. Zhang and Y. Xiong, "Impulse noise removal using directional difference based noise detector and adaptive weighted mean filter," IEEE Signal Proc. Let., vol. 16, no. 4, pp. 295-298, Apr. 2009.

상세보기
J. H. Lee, Y. H. Kim, and J. H. Nam, "Adaptive noise reduction algorithm based on statistical hypotheses tests," IEEE Trans. Consum. Electr., vol. 54, no. 3, pp. 1406-1414, Aug. 2008.

상세보기
V. R. Vijaykumar, P. T. Vanathi, P. Kanagasabapathy, "Fast and efficient algorithm to remove Gaussian noise in digital images," IAENG Int. J. of Comp. Sci., vol. 37, no. 1, pp. 300-302, Sep. 2010.
W.-S. Song, T.-A. Nguyen, and M.-C. Hong, "An adaptive noise removal method using local statistics and generalized Gaussian filter," J. KICS, vol. 35, no. 1, pp. 17-23, Jan. 2009.
S. I. Olsen, "Noise variance estimation in images: An evaluation," Comp. Vision Graphics Image Process., vol. 55, no. 4, pp. 319-323, April 1993.
D. H. Shin, R. H. Park, S. J. Yang, "Block-based noise estimation using adaptive Gaussian filtering," IEEE Trans. Consum. Electr., vol. 51, no. 1, pp. 218-226, Feb. 2005.

상세보기
G. L. Anderson and A. K. Netravali, "Image restoration based on a subjective criterion," IEEE Trans. Sys. Man. and Cybern, vol. 6, no. 12, pp. 845-853, Dec. 1976.

상세보기
Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, "Image quality assesment: from error visibility to structural similarity," IEEE Trans. Image Process., vol. 13, no. 4, pp. 600-612, Apr. 2004.

상세보기

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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