최근 산업사회가 고도의 디지털 정보화 시대로 발전함에 따라 영상처리는 여러 분야에 활용되고 있다. 그러나 여전히 데이터를 처리하는 과정에서 다양한 잡음에 의해 영상의 열화가 발생하며, 잡음을 제거하기 위해 여러 가지 방법의 연구가 진행되고 있다. 따라서 본 논문에서는 임펄스 잡음을 제거하기 위해, 표준편차를 이용한 변형된 메디안 필터를 제한하였다. 제안한 알고리즘은 잡음판단과 잡음제거 두 부분으로 나누며, 비 잡음 신호는 그대로 보존하고, 잡음 신호는 필터처리 한다. 그리고 객관적 판단을 위해 기존의 방법들과 비교하였으며, 판단의 기준으로 PSNR(peak signal to noise ratio)을 사용하였다.
최근 산업사회가 고도의 디지털 정보화 시대로 발전함에 따라 영상처리는 여러 분야에 활용되고 있다. 그러나 여전히 데이터를 처리하는 과정에서 다양한 잡음에 의해 영상의 열화가 발생하며, 잡음을 제거하기 위해 여러 가지 방법의 연구가 진행되고 있다. 따라서 본 논문에서는 임펄스 잡음을 제거하기 위해, 표준편차를 이용한 변형된 메디안 필터를 제한하였다. 제안한 알고리즘은 잡음판단과 잡음제거 두 부분으로 나누며, 비 잡음 신호는 그대로 보존하고, 잡음 신호는 필터처리 한다. 그리고 객관적 판단을 위해 기존의 방법들과 비교하였으며, 판단의 기준으로 PSNR(peak signal to noise ratio)을 사용하였다.
Recently, as industrial society is developed as high digital information age, image processing is used in a variety of areas. However, image deterioration is still occurred by several noises in the data processing, and different kinds of researches are in progress for noise removal. Therefore, this ...
Recently, as industrial society is developed as high digital information age, image processing is used in a variety of areas. However, image deterioration is still occurred by several noises in the data processing, and different kinds of researches are in progress for noise removal. Therefore, this paper limited the modified median filter by using standard deviation to removes impulse noise. The proposed algorithms divided into noise detection and noise removal, the noise free pixel is maintained, the noise pixel filtered. And it was compared with the existing methods for its objective judgment, using PSNR(peak signal to noise ratio) as standard criteria.
Recently, as industrial society is developed as high digital information age, image processing is used in a variety of areas. However, image deterioration is still occurred by several noises in the data processing, and different kinds of researches are in progress for noise removal. Therefore, this paper limited the modified median filter by using standard deviation to removes impulse noise. The proposed algorithms divided into noise detection and noise removal, the noise free pixel is maintained, the noise pixel filtered. And it was compared with the existing methods for its objective judgment, using PSNR(peak signal to noise ratio) as standard criteria.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 임펄스 잡음을 효과적으로 제거하기 위하여, 표준편차를 이용한 변형된 메디안 필터 알고리즘을 제안하였다. 그리고 잡음제거 성능의 우수성을 입증하기 위해, PSNR을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
본 논문은 임펄스 잡음환경에서 훼손된 영상을 복원하기 위하여, 표준편차를 이용한 변형된 메디안 필터 알고리즘을 제안하였다.
가설 설정
Step 5. 각 방향성분의 표준편차에서 표준편차가 작을수록 원 영상신호에 가깝다고 가정하며, 최소 표준편차 벡터방향을 선택하여 처리한다.
제안 방법
본 논문에서는 임펄스 잡음을 효과적으로 제거하기 위하여, 표준편차를 이용한 변형된 메디안 필터 알고리즘을 제안하였다. 그리고 잡음제거 성능의 우수성을 입증하기 위해, PSNR을 이용하여 기존의 방법들과 그 성능을 비교하였으며, 제안한 방법은 우수한 잡음제거 특성을 나타내었다.
다단계 메디안 필터 알고리즘은 메디안 필터의 변형이며, 마스크를 수직, 수평, 45°, 135° 네 부분으로 나누어 필터 처리한다.
본 논문에서는 512⨉512 크기의 8 비트 그레이 영상 Lena와 Girl에 대해 slat & pepper 잡음을 첨가하여 시뮬레이션하였다. 또한 영상의 개선 정도를 평가하기 위하여 PSNR을 도입하여 기존의 CWMF, MMF, A_TMF 방법들과 각각 성능을 비교하였다. MSE와 PSNR은 식 (19), (20)와 같이 표현된다.
본 논문에서 제안한 임펄스 잡음제거 알고리즘은 잡음판단과 잡음제거 두 개 부분으로 나뉘며, 비 잡음 신호는 그대로 보존하고, 잡음 신호에 대해서는 필터처리를 한다.
을 가진다. 즉 8비트 영상에서 잡음은 화소 값이 0과 255 크기를 가지는 신호들이므로 본 논문에서는 잡음을 판단할 때, 영상에서 0과 255를 가지는 화소들을 잡음 신호로 판단한다. 잡음을 표시하는 binary mark ai,j는 다음 식 (9)와 같이 표현된다.
대상 데이터
본 논문에서는 512⨉512 크기의 8 비트 그레이 영상 Lena와 Girl에 대해 slat & pepper 잡음을 첨가하여 시뮬레이션하였다.
성능/효과
그림 4는 각각의 필터들에 의해 복원된 영상에 대한 PSNR을 비교한 것이다. 그 결과로부터 기존의 방법들은 잡음밀도가 높은 영역에서 그 성능이 급격히 저하됨을 알 수 있으나, 제안한 방법은 기존의 방법들 보다 우수한 결과를 나타내었다.
시뮬레이션결과, 제안한 알고리즘의 임펄스 잡음 밀도 변화에 따른 잡음제거 특성은 기존의 방법들보다 우수한 PSNR 결과를 나타내었다. 그리고 표의 결과로부터, 임펄스 잡음밀도가 40인 Lena 영상과 Girl 영상에서 각각 22.58[dB]과 23.23[dB]의 높은 PSNR을 보이고 있고, 기존의 알파 트림드 평균 필터, 중간 가중치 메디안 필터, 다단계 메디안 필터에 비해 각각 6.77[dB], 6.49[dB], 10.38[dB]; 7.32[dB], 7.08[dB], 11.03[dB] 개선되었다.
시뮬레이션 결과로부터, A-TMF, MMF는 잡음제거 능력이 미흡하며, CWMF는 잡음 제거 특성이 비교적 우수하지만 제안한 알고리즘은 더욱 우수한 잡음제거 특성을 나타내었다.
시뮬레이션결과, 제안한 알고리즘의 임펄스 잡음 밀도 변화에 따른 잡음제거 특성은 기존의 방법들보다 우수한 PSNR 결과를 나타내었다. 그리고 표의 결과로부터, 임펄스 잡음밀도가 40인 Lena 영상과 Girl 영상에서 각각 22.
후속연구
따라서 제안한 알고리즘은 임펄스 잡음을 제거하여 임펄스 잡음환경에서 운용되고 있는 영상 처리 시스템에 유용하게 적용될 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
표준편차를 이용한 변형된 메디안 필터 알고리즘의 시뮬레이션 결과는 어떠합니까?
시뮬레이션결과, 제안한 알고리즘의 임펄스 잡음 밀도 변화에 따른 잡음제거 특성은 기존의 방법들보다 우수한 PSNR 결과를 나타내었다. 그리고 표의 결과로부터, 임펄스 잡음밀도가 40인 Lena 영상과 Girl 영상에서 각각 22.
잡음을 제거하기 위한 기법 중 하나인 평균필터의 단점은 무엇입니까?
잡음을 제거하기 위하여 많은 기법들이 제안되었으며, 가장 대표적인 기법에는 평균필터(mean filter), 알파 트림드 평균 필터(alpha-trimmed mean filter), 메디안 필터(standard median filter), 중간 가중치 메디안 필터(center weighted median filter), 다단계 메디안 필터 (multistage median filter) 등이 있다[4-7]. 그러나 평균 필터는 영상의 고주파 성분들을 훼손시켜 블러링 현상을 일으키고, 메디안 필터는 임펄스 잡음에는 우수한 특성을 나타나내지만, 영상에 시각적인 오류를 나타낸다.
잡음을 제거하기 위한 다양한 기법에는 무엇이 있습니까?
잡음을 제거하기 위하여 많은 기법들이 제안되었으며, 가장 대표적인 기법에는 평균필터(mean filter), 알파 트림드 평균 필터(alpha-trimmed mean filter), 메디안 필터(standard median filter), 중간 가중치 메디안 필터(center weighted median filter), 다단계 메디안 필터 (multistage median filter) 등이 있다[4-7]. 그러나 평균 필터는 영상의 고주파 성분들을 훼손시켜 블러링 현상을 일으키고, 메디안 필터는 임펄스 잡음에는 우수한 특성을 나타나내지만, 영상에 시각적인 오류를 나타낸다.
참고문헌 (7)
K. N. Plataniotis and A. N. Venetsanopoulos, Eds., Colir Image Processing and Applications, Springer, Berlin, Germany, 2000.
R. C. Gonzalez and R.E. woods, Eds., Digiral Image Processing, Prentice Hall, 2007.
Jiahui Wang and Jingxing Hong, "A New Selt-Adaptive Weighted Filter for Removing Noise in Infrared," IEEE Information Engineering and Computer Science, ICIECS International Conference, 2009.
Y. Dong and S. Xu, "A New Directional Weighted Median Filter for Removal Random-Valued Impulse Noise", IEEE Signal Processing Lett., vol 14, no. 3, pp. 193-196, 2007.
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.
Gao Yinyu and Nam-Ho Kim, "The Modified Filter to Remove Impulse Noise", International Journal of KIICE, vol. 15, no. 4, pp. 1177-1182, May 2011.
He Changwei, Liu Yingxia, Ren Wenjie and Wang Xin, "Wavelet denoising based on multistage median filtering", Journal of Computer Application, vol. 27, no. 9, pp. 2117-2119, Sep. 2007.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.