현재, 디지털 시대의 급속 발전과 함께 디지털 장치에 대한 수요가 급격히 성장되면서 영상의 화질에 대한 기대가 증가되고 있다. 그러나 영상은 여러 가지 원인에 의해 훼손되며, 그 주요원인은 잡음에 의한 것이다. 따라서 잡음제거에 대한 필요성이 대두되고 있으며, 잡음제거를 위한 활발한 연구가 진행되고 있다. 영상은 AWGN(additive white Gaussian noise)에 의해 많이 훼손되며, 평균 필터(mean filter) 등 기존의 방법들은 잡음제거 특성이 다소 미흡하다. 본 논문에서는 AWGN을 효과적으로 제거하기 위하여, 공간 가중치와 변형된 적응 가중치를 결합한 알고리즘을 제안하였다. 시뮬레이션 결과, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
현재, 디지털 시대의 급속 발전과 함께 디지털 장치에 대한 수요가 급격히 성장되면서 영상의 화질에 대한 기대가 증가되고 있다. 그러나 영상은 여러 가지 원인에 의해 훼손되며, 그 주요원인은 잡음에 의한 것이다. 따라서 잡음제거에 대한 필요성이 대두되고 있으며, 잡음제거를 위한 활발한 연구가 진행되고 있다. 영상은 AWGN(additive white Gaussian noise)에 의해 많이 훼손되며, 평균 필터(mean filter) 등 기존의 방법들은 잡음제거 특성이 다소 미흡하다. 본 논문에서는 AWGN을 효과적으로 제거하기 위하여, 공간 가중치와 변형된 적응 가중치를 결합한 알고리즘을 제안하였다. 시뮬레이션 결과, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
Recently, the expectation of quality about images over the increasing demand of digital devices is increasing with the development of the technology of the digital. But the images are degraded by a variety of causes, and the main reason is the noises. Therefore, the necessity of denoising comes to t...
Recently, the expectation of quality about images over the increasing demand of digital devices is increasing with the development of the technology of the digital. But the images are degraded by a variety of causes, and the main reason is the noises. Therefore, the necessity of denoising comes to the fore, and the research for denoising is progressing dynamically. The images are mainly degraded by AWGN(additive white Gaussian noise), and the characteristics of denoising of existing methods such as mean filter are insufficient. In this paper, an algorithm combined by the spatial weighted filter and the modified adaptive weighted filter is proposed in order to effectively remove the AWGN. In the simulation result, the proposed algorithm showed excellent denoising capabilities.
Recently, the expectation of quality about images over the increasing demand of digital devices is increasing with the development of the technology of the digital. But the images are degraded by a variety of causes, and the main reason is the noises. Therefore, the necessity of denoising comes to the fore, and the research for denoising is progressing dynamically. The images are mainly degraded by AWGN(additive white Gaussian noise), and the characteristics of denoising of existing methods such as mean filter are insufficient. In this paper, an algorithm combined by the spatial weighted filter and the modified adaptive weighted filter is proposed in order to effectively remove the AWGN. In the simulation result, the proposed algorithm showed excellent denoising capabilities.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 AWGN을 효과적으로 제거하기 위하여, 마스크의 공간거리 차이 정보를 고려한 공간 가중치와 마스크 내의 화소들의 차이 정보를 고려한 변형된 적응 가중치를 결합한 알고리즘을 제안하였다. 그리고 잡음제거 성능의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
본 논문에서는 영상에 첨가된 AWGN을 효과적으로 제거하기 위해, 개선한 가중치 필터 알고리즘을 제안하였다. 제안된 알고리즘은 공간 가중치와 변형된 적응 가중치 마스크를 결합하여 잡음을 제거하였다.
제안 방법
AWGN 환경에서 기존의 방법들에 비해 영상의 왜곡을 줄이는 동시에 우수한 잡음제거 성능을 나타내기 위하여 추정한 마스크 공간 가중치와 변형된 적응 가중치를 결합하여 잡음을 제거하였다.
본 논문에서는 AWGN을 효과적으로 제거하기 위하여, 마스크의 공간거리 차이 정보를 고려한 공간 가중치와 마스크 내의 화소들의 차이 정보를 고려한 변형된 적응 가중치를 결합한 알고리즘을 제안하였다. 그리고 잡음제거 성능의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
본 논문에서는 영상에 첨가된 AWGN을 효과적으로 제거하기 위해, 개선한 가중치 필터 알고리즘을 제안하였다. 제안된 알고리즘은 공간 가중치와 변형된 적응 가중치 마스크를 결합하여 잡음을 제거하였다.
대상 데이터
그리고 제안한 알고리즘의 잡음제거 특성을 보여주기 위해, 처리된 영상에서 Barbara 250라인, Boat 200라인을 선택하여 원 영상과 처리영상의 차를 3배 확대하여 오차 프로파일로 나타내었다. 오차 프로파일 결과로부터 MF, AWMF로 처리한 영상은 저주파 영역에서 상대적으로 적은 오차를 나타내었고, 화소 값이 급격히 변하는 고주파 영역에서는 큰 오차를 나타내었다.
본 논문에서는 512⨉512 크기의 8 비트 그레이 영상 Barbara와 Boat에 대해 시뮬레이션하였다. 제안한 알고리즘의 성능을 평가하기 위하여 PSNR을 이용하여 평균 필터, 알파 트림드 평균 필터, 적응 가중치 평균 필터들과 각각 비교하였다.
데이터처리
본 논문에서는 512⨉512 크기의 8 비트 그레이 영상 Barbara와 Boat에 대해 시뮬레이션하였다. 제안한 알고리즘의 성능을 평가하기 위하여 PSNR을 이용하여 평균 필터, 알파 트림드 평균 필터, 적응 가중치 평균 필터들과 각각 비교하였다. MSE와 PSNR은 식 (12), (13)과 같이 표현된다.
성능/효과
반면 A-TMF로 처리한 영상은 고주파 영역에서 오차를 적게 나타내었고, 저주파 영역에서는 오차를 크게 나타내었다. 그러나 제안한 알고리즘으로 처리한 영상은 마스크 공간 가중치와 마스크 내부 화소차이를 고려한 적응 가중치를 결합하여 처리함으로서 모든 영역에서 적은 오차를 나타내었다. 그림 4는 영상 Barbara와 Boat에서 AWGN 변화에 따른 기존의 필터들과 제안한 필터의 처리결과를 나타낸 것이며, 그 결과 수치를 표1, 2에 나타내었다.
그림4의 결과로부터 기존의 방법들은 잡음밀도가 높은 영역에서 그 성능이 급격히 저하됨을 알 수 있으며, 제안한 방법은 알고리즘이 다소 복잡하지만 기존의 방법들 보다 우수한 처리결과를 나타내었다.
시뮬레이션결과, 제안한 방법은 AWGN의 표준편차가 15인 Barbara 영상에서 27.35[dB]의 높은 PSNR 수치를 보이고 있고, 기존의 MF, A-TMF, AWMF에 비해 각각 2.65[dB], 1.89[dB], 2.70[dB] 개선되었다.
그리고 제안한 알고리즘의 잡음제거 특성을 보여주기 위해, 처리된 영상에서 Barbara 250라인, Boat 200라인을 선택하여 원 영상과 처리영상의 차를 3배 확대하여 오차 프로파일로 나타내었다. 오차 프로파일 결과로부터 MF, AWMF로 처리한 영상은 저주파 영역에서 상대적으로 적은 오차를 나타내었고, 화소 값이 급격히 변하는 고주파 영역에서는 큰 오차를 나타내었다. 반면 A-TMF로 처리한 영상은 고주파 영역에서 오차를 적게 나타내었고, 저주파 영역에서는 오차를 크게 나타내었다.
후속연구
따라서 제안한 알고리즘은 AWGN을 제거하여 영상을 복원하기 위한 시스템에 유용하게 적용될 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상의 질이 저하되는 이유는 무엇인가?
현재 여러 영역에서 디지털 영상처리는 정보를 획득하는 중요한 수단으로 되고 있다. 그러나 통신기술의 발전에 따라, 영상의 처리, 전송, 저장하는 과정에서 여러 가지 요인에 의해 잡음이 첨가되어 영상의 질이 저하된다. 이에따라 잡음에훼손된 영상의질을 향상하기위해 활발한 연구가 진행되고 있다[1]-[4].
영상에 첨가되는 잡음은 어떤 것인가?
영상에 첨가되는 잡음은 주로, AWGN, 임펄스 잡음 등 다양한 종류가 있으며, 그 중 AWGN 제거에 관한 연구가 많이 진행되고 있다.
영상에 첨가되는 잡음을 제거하는 대표적인 공간영역에서의 기법은 무엇인가?
잡음을 제거하기 위하여 많은 기법들이 제안되었으며, 가장 대표적인 공간영역에서의 기법에는 평균 필터(mean filter), 메디안 필터(standard median filter), 알파 트림드 평균 필터(alpha-trimmed mean filter), 적응가중치 평균 필터(adaptive weighted mean filter) 등이 있다[1]-[5]. 메디안 필터는 임펄스 잡음에는 우수한 특성을 나타나내지만, AWGN에는 잡음제거 특성이 미흡하다.
참고문헌 (5)
K. N. Plataniotis and A. N. Venetsanopoulos, Eds., Colir Image Processing and Applications, Springer, Berlin, Germany, 2000.
Oten, Remzi and De Figueiredo, Rlui J P, "Adaptive Alpha-Trimmed Mean Filters Under Deviations From Assumed Noise Model", IEEE Trans., Image Processing, vol. 13, no. 5, pp. 627-639, May 2004.
M. juneja and P. S. Sandhu, "Design and Development of an Improved Adaptive Median Filtering Method for Impulse Noise Detection," IEEE International journal of Computer and Electrical Engineering, vol. 1, pp. 627-630. Dec. 2009.
Y. Dong and S. Xu, "A New Directional Weighted Median Filter for Removal of Random-Valued Impulse Noise", IEEE Signal Processing Lett., vol. 14, no. 3, pp. 193-196, 2007.
Jiahui Wang and Jingxing Hong, "A New Selt-Adaptive Weighted Filter for Removing Noise in Infrared images", IEEE Information Engineering and Computer Science, ICIECS International Conference, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.