본 연구에서는 임펄스 잡음과 가우시안 잡음 및 혼재된 영상의 잡음을 효과적으로 제거하기 위한 평균 근사 값 필터를 제안한다. 먼저, 잡음을 검출하기 위한 단계로서 적용 마스크 내의 최소 최대값을 제거한 평균을 구한 후, 화소 값과 평균값의 차이가 임계 값 이상인지 알아본다. 화소 값이 임계 값 이상이면 잡음으로 처리하고, 임계 값 이하이면 비 잡음으로 처리한다. 다음으로, 잡음을 제거하기 위한 단계로서 잡음이 포함된 화소의 최소 최대값을 제외한 평균값과 마스크 내 가장 근사한 값을 화소 값으로 출력한다. 이러한 평균 근사 값 필터를 혼재된 잡음 영상에 적용한 결과, 중앙값 필터와 평균값 필터만을 각각 적용했을 때에 비해 0.4[dB] 이상 효과적으로 잡음을 제거할 수 있었다.
본 연구에서는 임펄스 잡음과 가우시안 잡음 및 혼재된 영상의 잡음을 효과적으로 제거하기 위한 평균 근사 값 필터를 제안한다. 먼저, 잡음을 검출하기 위한 단계로서 적용 마스크 내의 최소 최대값을 제거한 평균을 구한 후, 화소 값과 평균값의 차이가 임계 값 이상인지 알아본다. 화소 값이 임계 값 이상이면 잡음으로 처리하고, 임계 값 이하이면 비 잡음으로 처리한다. 다음으로, 잡음을 제거하기 위한 단계로서 잡음이 포함된 화소의 최소 최대값을 제외한 평균값과 마스크 내 가장 근사한 값을 화소 값으로 출력한다. 이러한 평균 근사 값 필터를 혼재된 잡음 영상에 적용한 결과, 중앙값 필터와 평균값 필터만을 각각 적용했을 때에 비해 0.4[dB] 이상 효과적으로 잡음을 제거할 수 있었다.
In this paper, we propose an average approximation filter which can effectively remove the noises of the images. The noises include impulse noises, gaussian noises and mixed noises. The algorithm is as follows. First, as a step of noise detection, we find whether the difference between the pixel val...
In this paper, we propose an average approximation filter which can effectively remove the noises of the images. The noises include impulse noises, gaussian noises and mixed noises. The algorithm is as follows. First, as a step of noise detection, we find whether the difference between the pixel value and the average value is greater than the threshold value or not after getting the average value that removed the minimum and maximum values in the applied mask. If the pixel value is greater than the threshold value, the pixel value is processed as noise. If it is less than or equal to the threshold value, it is processed as non-noise. Next, as the noise reduction step, we output the approximate value in mask as the pixel value and the average value except the minimum and maximum values of the pixel including the noise. As the result of applying this average approximation filter to the mixed noise images, the approximation filter can reduce the noises effectively more than 0.4[dB] as compared with applying the median filter and the average filter, respectively.
In this paper, we propose an average approximation filter which can effectively remove the noises of the images. The noises include impulse noises, gaussian noises and mixed noises. The algorithm is as follows. First, as a step of noise detection, we find whether the difference between the pixel value and the average value is greater than the threshold value or not after getting the average value that removed the minimum and maximum values in the applied mask. If the pixel value is greater than the threshold value, the pixel value is processed as noise. If it is less than or equal to the threshold value, it is processed as non-noise. Next, as the noise reduction step, we output the approximate value in mask as the pixel value and the average value except the minimum and maximum values of the pixel including the noise. As the result of applying this average approximation filter to the mixed noise images, the approximation filter can reduce the noises effectively more than 0.4[dB] as compared with applying the median filter and the average filter, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 임펄스 잡음과 가우시안 잡음 및 임펄스와 가우시안 잡음이 혼재된 영상의 잡음을 제거하기 위한 평균 근사 값 필터를 제안하였다. 먼저, 잡음을 검출하기 위한 단계로서 적용 마스크 내의 최소·최대값을 제거한 평균을 구한 후, 화소 값과 평균값의 차이가 임계 값 이상인지 알아낸다.
이에, 본 논문에서는 이러한 점에 착안하여 영상 인식에 있어서 중요한 단서가 되는 윤곽선 및 시각적으로 중요한 정보를 보존하기 위한 방법을 사고해 왔으며 이를 실현하기 위한 한 가지 방법으로서 획득된 영상에 대한 원래의 잡음을 제거함과 동시에 윤곽선과 시각적으로 중요한 정보를 유지하기 위한 평균 근사 값 필터를 제안하게 되었다. 이를 확인하기 위해 기존에 제시된 필터와의 비교 실험을 통해 개선된 제안 필터의 우수성을 확인하고자 한다.
이러한 필터들은 영상 전체에 대하여 균일하게 적용되어 잡음과 잡음이 섞이지 않은 화소 전체에 작용하여, 그 결과 윤곽선과 시각적으로 중요한 정보를 동시에 열화 시키는 단점을 가지고 있다[10-11]. 이에, 본 논문에서는 이러한 점에 착안하여 영상 인식에 있어서 중요한 단서가 되는 윤곽선 및 시각적으로 중요한 정보를 보존하기 위한 방법을 사고해 왔으며 이를 실현하기 위한 한 가지 방법으로서 획득된 영상에 대한 원래의 잡음을 제거함과 동시에 윤곽선과 시각적으로 중요한 정보를 유지하기 위한 평균 근사 값 필터를 제안하게 되었다. 이를 확인하기 위해 기존에 제시된 필터와의 비교 실험을 통해 개선된 제안 필터의 우수성을 확인하고자 한다.
제안 방법
둘째, 최소 최대값을 제거한 7개 화소의 평균 값(zmavr)을 구한 후 주위 입력 화소의 밝기 값(zxy)과 평균 값(zmavr)의 차를 구한다.
먼저, 잡음을 검출하기 위한 단계로서 적용 마스크 내의 최소·최대값을 제거한 평균을 구한 후, 화소 값과 평균값의 차이가 임계 값 이상인지 알아낸다.
임의의 좌표 (x,y)에서 입력 화소 값을 포함하는 N × N 크기의 마스크를 적용하기 위해 잡음을 검출 과정과 잡음을 제거하는 두 단계로 나누었다.
제안하는 알고리즘은 기존의 잡음 제거 방법인 중앙값 필터의 장점과 평균값 필터의 부분적인 장점을 가지고 있다. 즉, 평균값 필터의 경우 중앙 화소 값을 Sxy영역 내의 평균 근사 값으로 대체함으로써 영상이 임펄스 이외의 다른 잡음으로 인해 흐려지는(bluring) 현상과 물체 경계의 과도한 세선화와 같은 왜곡(distortion) 현상을 감소시킬 수 있다.
대상 데이터
시뮬레이션 실험에 사용한 영상은 그 크기가 256 × 256이고, 농도(밝기)값은 0∼255를 갖는 8 비트 Lenna, Baboon, Peppers영상으로, 각각 임펄스 잡음과 가우시안 잡음을 생성하여 각 잡음의 변화량에 따른 기존 필터와 제안 필터를 적용하였을 때 각각의 성능을 비교 하였다.
데이터처리
제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션 실험을 통하여 기존 방법과의 비교를 행하였다.
이론/모형
시뮬레이션 실험에 사용한 영상은 그 크기가 256 × 256이고, 농도(밝기)값은 0∼255를 갖는 8 비트 Lenna, Baboon, Peppers영상으로, 각각 임펄스 잡음과 가우시안 잡음을 생성하여 각 잡음의 변화량에 따른 기존 필터와 제안 필터를 적용하였을 때 각각의 성능을 비교 하였다. 이 때 정량적으로 성능을 비교하기 위해 다음 식 (5)의 PSNR(Peak Signal to Noise Ratio)과 식 (6)의 MSE(Mean Square Error)를 사용하였다[6].
성능/효과
이에 각 필터의 성능을 정량적으로 확인하기 위하여 표 5, 6, 7과 그림 13, 14, 15를 사용하였다. 그 결과, 제안한 필터와 평균값(Average) 필터는 중앙값(Median) 필터와 Alpha tremmed 필터에 비해 양호한 성능을 나타내고 있다. 그 원인으로서 가우시안 잡음은 어느정도 일정한 규칙적인 잡음이기 때문에 보다 정교한 중앙값 필터가 아닌 평균값 필터만으로도 규칙적인 잡음을 제거할 수 있음을 들을 수 있다.
평균값(Average) 필터와 Alpha tremmed 필터는 50%이상의 잡음에서 더 좋은 결과를 나타냈다. 그 원인으로서 영상에서 잡음이 50%이상 포함될 경우 마스크가 적용되는 Sxy영역 내에 잡음이 많아져 중앙값(Median) 필터와 제안한 필터의 결과 값이 Sxy영역내의 화소 값으로 적용되는 것을 들을 수 있다.
가장 높은 밝기 값과 가장 낮은 밝기 값을 제거하고 평균값을 구하는 것은 잡음이 혼합된 화소의 밝기 값을 제거할 수 있기 때문이다. 따라서 가장 높은 밝기 값과 가장 낮은 밝기 값을 포함한 평균값과 중앙값과의 차이는 가장 높은 밝기 값과 가장 낮은 밝기 값을 포함하지 않은 평균값과 중앙값과의 차이에 비해 그 격차가 더욱 더 크기 때문에 동일한 임계값을 사용했을 때 후자의 잡음 검출 감도가 우수하다고 볼 수 있다. 또한 그림 2와 같이 중앙 화소(pixel) 이웃에 잡음을 포함한 화소가 있는 경우에도 오름차순으로 정렬하여 가장 높은 밝기 값과 가장 낮은 밝기 값을 제거할 수 있기 때문에 식 (4)에 표시한 바와 같이 평균값의 변동이 없다는 것을 알 수 있다.
따라서 표 8, 9, 10과 그림 16, 17, 18 및 그림 19, 20, 21의 결과에서 제안한 필터의 성능은 평균값(Average) 필터와 거의 비슷한 성능을 나타내고 있어 그림 9의 처리 결과와 같이 육안으로도 잡음이 많이 제거 된 아주 선명한 영상을 나타내고 있음을 확인 할 수 있다.
그림 16, 17, 18은 원 영상에 혼재된 잡음을 10%에서 90%까지 각 단계별로 첨가한 후 기존 필터와 제안한 필터를 적용하였을 때 각 필터의 성능을 시각적으로 나타낸 것이고, 이것을 정량적으로 표시한 것이 표 8, 9, 10이다. 이들 결과를 통해 평균값(Average) 필터는 아주 양호한 성능을 나타냈고, 제안한 필터도 평균값 필터와 큰 차이가 없는 양호한 성능을 나타냄을 알 수 있다.
다음으로, 잡음을 제거하기 위한 단계로서 잡음이 포함된 화소의 최소값과 최대값을 제외한 평균값과 마스크 내에 가장 근사한 값을 화소 값으로 출력한다. 이러한 평균 근사 값 필터를 혼재된 잡음 영상에 적용한 결과 중앙값 필터와 평균 필터만을 각각 적용했을 때에 비해 0.4[dB]이상 효과적으로 잡음을 제거할 수 있었다.
그림 19, 20, 21에서 중앙값(Median) 필터의 처리 결과를 보면 전체적으로 잡음이 많이 제거되어 선명해진 것처럼 보이지만 영상의 화소가 전반적으로 왜곡된 것을 알 수 있고, 평균값(Average) 필터는 영상이 흐려져 시각적으로 오류가 발생하는 것을 알 수 있다. 이에 비해 제안 필터는 영상의 에지(edge)영역과 평탄한(smooth)영역을 동시에 보존함으로써 잡음이 제거 되는 것을 확인할 수 있다.
이 때 사용된 마스크의 크기는 3×3이다. 즉, 원 영상에 대해 임펄스 잡음을 인가하여 중앙값(Median) 필터, 평균 값(Average) 필터, Alpha trimmed 필터 및 제안한 필터를 적용하였을 때 각각의 성능을 정량적, 정성적으로 비교한 결과 제안한 필터의 성능이 우수함을 확인 할 수 있었다.
첫째, 마스크가 적용되는 9개 화소(pixel) 영역의 밝기 값(Sxy)들을 정렬하여 나타난 밝기값의 최소 값(zmin)과 최대 값(zmax)을 제거한다.
표 2, 3, 4와 그림 4, 5, 6은 임펄스 잡음의 변화량에 따른 Lenna 영상에 기존 필터와 제안한 필터를 적용하였을 때 각각의 PSNR을 비교하여 나타낸 것으로, 중앙값(Median) 필터와 제안한 필터는 잡음 40%이하에서 보다 양호한 결과를 나타내고 있다. 평균값(Average) 필터와 Alpha tremmed 필터는 50%이상의 잡음에서 더 좋은 결과를 나타냈다. 그 원인으로서 영상에서 잡음이 50%이상 포함될 경우 마스크가 적용되는 Sxy영역 내에 잡음이 많아져 중앙값(Median) 필터와 제안한 필터의 결과 값이 Sxy영역내의 화소 값으로 적용되는 것을 들을 수 있다.
후속연구
향후의 과제로서, 잡음이 혼재된 여러 가지 실험 영상에 대한 제안한 필터 성능의 우수성을 재확인하기 위한 반복적인 실험을 들을 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상처리에 있어서 발생되는 대표적인 잡음은 무엇인가?
영상처리에 있어서 발생되는 잡음은 크게 임펄스 잡음과 적응적인 백색 가우시안 잡음이 대표적이다[4∼5]. 임펄스 잡음과 가우시안 잡음을 제거하기 위한 방법으로 다양한 필터들이 제시되었으며, 대표적으로 최소-최대(Min-max) 필터와 중앙값(Median) 필터 및 평균값(Average) 필터를 들을 수 있으며, 이 중 임펄스 잡음에는 중앙값 필터가, 가우시안 잡음에는 평균값 필터가 가장 많이 사용된다[8-10].
영상의 열화은 어떤 문제를 발생시키는가?
이러한 영상 시스템은 특성에 따라서 영상 데이터를 다양하게 처리하게 되며 주변의 환경 및 장치의 특성에 따라 영상의 열화(화질의 저하)가 발생하게 된다[1∼3]. 발생되는 열화는 영상 정보를 압축, 전송, 저장을 수행하는데 방해 요인으로 작용하며, 원 영상 정보를 훼손하게 된다[4∼8]. 또한 물체를 묘사하여 인식하는 문자, 지문, 얼굴, 위폐 및 교통법규 위반차량 검출과 같은 영상 인식 기술은 영상처리 과정에 있어서 잡음은 예상치 않은 오류를 발생시켜 영상의 화질을 저하시킨다.
영상 시스템이 가지고 있는 문제점은 무엇인가?
여기서 사용되는 영상 기술은 데이터의 압축, 전송, 처리, 저장, 인식 및 복원 등을 기본적으로 포함하고 있다. 이러한 영상 시스템은 특성에 따라서 영상 데이터를 다양하게 처리하게 되며 주변의 환경 및 장치의 특성에 따라 영상의 열화(화질의 저하)가 발생하게 된다[1∼3]. 발생되는 열화는 영상 정보를 압축, 전송, 저장을 수행하는데 방해 요인으로 작용하며, 원 영상 정보를 훼손하게 된다[4∼8].
참고문헌 (11)
정수문, "A Study on the Noise Trimmed Mean Filter," 공주대학교 대학원 석사논문, 2004.
김국승, "Enhancement Nonlinear Mean Filter Impulse Noise Environment," 부경대학교 대학원 석사논문, 2010.
변오성, "A study on the Fuzzy Recurrent Neural Networks for the image noise elimination filter," 한국컴퓨터정보학회지, 제16권, 제6호, pp.61-70, 2011.
Pei-Eng Ng, Kai-Kuang Ma, "A Switching Median Filter with Boundary Noise Detection for Extremely Corrupted Images," IEEE Transactions on Image Processing, Vol.15, No.6, pp.1506-1516, 2006.
Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins, Digital Image Processing, Prentice Hall, pp.379-404, 2007.
Lijie Zhang, Haili Yin "A Method for Removing the Impulse in Image Processing," 2009 Eigth IEEE/ACIS International Conference on Computer and Information Science, pp.565-567, 2009.
Suganya C, Umamaheswari O, "Image Restoration using Noise Adaptive Fuzzy Switching Weighted Median Filter for The Removal of Impulse Noise," Defense Science Research Conference and Expo(DSR), pp.1-4, 2011.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.