영상 신호처리는 다양한 분야에서 활용되고 있으며, 영상 데이터는 전송 과정에서 여러 가지 원인으로 열화가 발생된다. 일반적으로 salt and pepper 잡음 환경에 의해 훼손된 영상의 잡음을 제거하는 대표적인 방법에는 CWMF, A-TMF, AWMF 등이 있으며 이 필터들은 고밀도 잡음 환경에서 잡음제거 특성이 다소 부족하다. 따라서 본 논문에서는 중심화소가 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 국부 마스크를 네 방향으로 세분화하여 선형 보간법을 이용하여 원 화소를 추정하고 추정된 화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다. 제안한 알고리즘은 salt and pepper 잡음(P = 50%)에 훼손된 House 영상에서 26.86[dB]의 높은 PSNR을 보이고 있고, 기존의 CWMF, A-TMF, AWMF에 비해 각각 16.46[dB], 12.28[dB], 12.32[dB] 개선되었다.
영상 신호처리는 다양한 분야에서 활용되고 있으며, 영상 데이터는 전송 과정에서 여러 가지 원인으로 열화가 발생된다. 일반적으로 salt and pepper 잡음 환경에 의해 훼손된 영상의 잡음을 제거하는 대표적인 방법에는 CWMF, A-TMF, AWMF 등이 있으며 이 필터들은 고밀도 잡음 환경에서 잡음제거 특성이 다소 부족하다. 따라서 본 논문에서는 중심화소가 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 국부 마스크를 네 방향으로 세분화하여 선형 보간법을 이용하여 원 화소를 추정하고 추정된 화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다. 제안한 알고리즘은 salt and pepper 잡음(P = 50%)에 훼손된 House 영상에서 26.86[dB]의 높은 PSNR을 보이고 있고, 기존의 CWMF, A-TMF, AWMF에 비해 각각 16.46[dB], 12.28[dB], 12.32[dB] 개선되었다.
Although image signal processing is used in many fields, degradation takes place in the process of transmitting image data by several causes. CWMF, A-TMF, and AWMF are the typical methods to eliminate noises from image data damaged under salt and pepper noise environment. However, those filters are ...
Although image signal processing is used in many fields, degradation takes place in the process of transmitting image data by several causes. CWMF, A-TMF, and AWMF are the typical methods to eliminate noises from image data damaged under salt and pepper noise environment. However, those filters are not effective for noise rejection under highly dense noise environment. In this respect, the present study proposed an algorithm to remove in salt and pepper noise. In case the center pixel is determined to be non-noise, it is replaced with original pixel. In case the center pixel is noise, it segments local mask into 4 directions and uses linear interpolation to estimate original pixel. And then it applies spatial weight to the estimated pixel. The proposed algorithm shows a high PSNR of 24.56[dB] for House images that had been damaged of salt and pepper noise(P = 50%), compared to the existing CWMF, A-TMF and AWMF there were improvements by 16.46[dB], 12.28[dB], and 12.32[dB], respectively.
Although image signal processing is used in many fields, degradation takes place in the process of transmitting image data by several causes. CWMF, A-TMF, and AWMF are the typical methods to eliminate noises from image data damaged under salt and pepper noise environment. However, those filters are not effective for noise rejection under highly dense noise environment. In this respect, the present study proposed an algorithm to remove in salt and pepper noise. In case the center pixel is determined to be non-noise, it is replaced with original pixel. In case the center pixel is noise, it segments local mask into 4 directions and uses linear interpolation to estimate original pixel. And then it applies spatial weight to the estimated pixel. The proposed algorithm shows a high PSNR of 24.56[dB] for House images that had been damaged of salt and pepper noise(P = 50%), compared to the existing CWMF, A-TMF and AWMF there were improvements by 16.46[dB], 12.28[dB], and 12.32[dB], respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 영상에 첨가되는 salt and pepper 잡음의 영향을 완화하기 위하여, 잡음 판단을 통해 중심화소가 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 국부 마스크를 네 방향으로 세분화하고 화소 변화가 가장 작은 방향에 대해 선형 보간법을 이용하여 원 화소를 추정하고 추정된 원 화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다. 그리고 제안된 알고리즘의 잡음 제거 성능의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하였으며, 기존의 방법들과 그 성능을 비교하였다.
본 논문은 salt and pepper 잡음 환경에서 훼손된 영상을 복원하기 위하여 잡음 판단을 거친 후, 중심화소가 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 국부 마스크를 네 방향으로 세분화하고 화소 변화가 가장 작은 방향에 대해 선형 보간법을 이용하여 원 화소를 추정하고 추정된 원 화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다.
제안 방법
본 논문에서 제안한 salt and pepper 잡음 제거 알고리즘은 잡음 판단을 통해 비잡음 신호는 그대로 보존하고, 잡음 신호에 대해서만 필터 처리하는 알고리즘을 제안하였다.
본 논문에서 제안한 알고리즘은 잡음 판단을 거쳐 중심화소가 비잡음인 경우, 원 화소 그대로 보존하고 잡음 신호인 경우, 선형 보간법을 이용하여 중심화소를 추정하고 추정된 중심화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다.
본 논문에서는 512×512 크기의 8비트 그레이 레벨의 House 영상에 대해 salt and pepper 잡음을 첨가하여 시뮬레이션하였으며, 또한 영상의 개선 정도를 평가하기 위하여 PSNR을 사용하여 기존의 CWMF, A-TMF, AWMF로 성능을 비교하였다.
데이터처리
따라서 본 논문에서는 영상에 첨가되는 salt and pepper 잡음의 영향을 완화하기 위하여, 잡음 판단을 통해 중심화소가 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 국부 마스크를 네 방향으로 세분화하고 화소 변화가 가장 작은 방향에 대해 선형 보간법을 이용하여 원 화소를 추정하고 추정된 원 화소에 공간 가중치를 적용하여 처리하는 알고리즘을 제안하였다. 그리고 제안된 알고리즘의 잡음 제거 성능의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하였으며, 기존의 방법들과 그 성능을 비교하였다.
성능/효과
그림 4에서 기존의 방법들은 잡음밀도가 적은 경우 잡음 제거 특성이 우수하였으며 잡음 밀도가 40% 이상으로 높아짐에 따라 잡음 제거 특성이 급격히 미흡해지는 특성을 나타내었다. 그리고 제안한 알고리즘은 훼손된 영상에 선형 보간법 및 공간 가중치를 적용하여 처리한 결과 잡음 밀도가 낮은 영역 및 높은 영역에서도 우수한 PSNR을 나타내었다.
시뮬레이션 결과, Salt and pepper 잡음(P=50%)의 고밀도 잡음에 훼손된 House 영상에서 제안한 알고리즘은 기존의 CWMF, A-TMF, AWMF에 비해 각각 16.46[dB], 12.28[dB], 12.32[dB] 개선되었다. 따라서 제안한 알고리즘은 salt and pepper 잡음의 영향을 완화시켜 운용되고 있는 영상처리 시스템에 유용하게 적용될 것으로 사료된다.
시뮬레이션 결과로부터, CWMF, A-TMF 및 AWMF는 고밀도 잡음 환경에서 다소 미흡한 잡음 제거 특성을 나타내고 있으며, 제안한 알고리즘은 고밀도 잡음 환경에서 우수한 잡음 제거 특성을 나타내었다.
후속연구
32[dB] 개선되었다. 따라서 제안한 알고리즘은 salt and pepper 잡음의 영향을 완화시켜 운용되고 있는 영상처리 시스템에 유용하게 적용될 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
salt and pepper 잡음의 주요 원인에는 무엇이 있는가?
그러므로 영상분석에 앞서 잡음제거 과정은 필수적이다[1, 2]. salt and pepper 잡음의 주요 원인으로는 카메라가 오작동, 저장 매체의 메모리에 오류, 채널 전송 에러 등이 있다[3].
Salt and pepper 잡음을 제거하기 위한 공간영역 방법들의 문제점은?
Salt and pepper 잡음을 제거하기 위하여 많은 방법들이 제안되었고 대표적인 공간영역 방법에는 CWMF (center weighted median filter), A-TMF (alpha-trimmed mean filter), AWMF(adaptive weighted median filter) 등이 있다. 그러나 이러한 필터들은 고밀도 잡음이 첨가된 경우 잡음 제거 특성이 저하된다 [4-8].
Salt and pepper 잡음을 제거하기 위한 방법 중 공간영역 방법에는 무엇이 있는가?
Salt and pepper 잡음을 제거하기 위하여 많은 방법들이 제안되었고 대표적인 공간영역 방법에는 CWMF (center weighted median filter), A-TMF (alpha-trimmed mean filter), AWMF(adaptive weighted median filter) 등이 있다. 그러나 이러한 필터들은 고밀도 잡음이 첨가된 경우 잡음 제거 특성이 저하된다 [4-8].
참고문헌 (8)
R. C. Gonzalez and R.E. woods, Digital Image Processing, 3rd ed. Upper Saddle River, NJ: Prentice Hall, 2008.
K. N. Plataniotis and A. N. Venetsanopoulos, Color Image Processing and Applications, 1st ed. Berlin, Germany: Springer, 2000.
Jung-Hua Wang and Lian-Da Lin, "Improved median filter using min-max algorithm for image processing," Electronics Letters, vol. 33, no. 16, pp. 0146+0152, October 2005.
Xu Long and Nam-Ho Kim, "A Study on the Spatial Weighted Filter in AWGN Environment," JICCE, vol. 17, no.3, pp.724-729, Mar. 2013.
Se-Ik Kwon and Nam-Ho Kim, "A Study on Modified Spatial Weighted Filter in Mixed Noise Environments," JICCE, vol. 19, no.1, pp.237-243, Jan. 2015.
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.
Xu Long and Nam-Ho Kim, "An Improved Weighted Filter for AWGN Removal," JKIICE, vol. 17, no. 5, pp. 1227-1232, May 2013.
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, pp.1-4, Dec. 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.