$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

변환 영역에서 Non-local Means 방법을 이용한 효율적인 영상 잡음 제거 기법
Efficient Image Denoising Method Using Non-local Means Method in the Transform Domain 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.53 no.10 = no.467, 2016년, pp.69 - 76  

김동민 (가톨릭대학교 정보통신전자공학부) ,  이창우 (가톨릭대학교 정보통신전자공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 변환 영역에서 non-local means (NL-means) 방법을 이용한 효율적인 영상 잡음 제거 기법을 제안한다. 먼저 고전적인 영상 잡음 제거 기법에서부터 최근 연구되고 있는 영상 잡음 제거 기법에 대한 리뷰를 서술하고 우수한 성능을 보이는 잡음 제거 기법인 NL-means 방법을 이용한 영상 잡음 제거 기법에 대한 성능을 분석한다. NL-means 기법의 가중치를 DCT 및 LiftLT 변환 영역에서 일부 계수만을 이용하여 계산함으로써 NL-means 기법을 효율적으로 구현하는 방법을 제안한다. 제안하는 방법은 계산량을 줄여서 영상 잡음을 효율적으로 제거할 수 있을 뿐만 아니라 변환 영역에서 영상의 특성을 효율적으로 이용하여 잡음 제거시 성능을 향상시킨다. 또한 제안하는 기법은 변환 영역에서 영상의 잡음 제거와 해상도 향상을 동시에 수행할 때 효율적으로 적용할 수 있는 장점이 있다. 모의 실험을 통하여 제안하는 방법이 우수한 성능을 보이는 것을 입증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, an efficient image denoising method using non-local means (NL-means) method in the transform domain is proposed. Survey for various image denoising methods has been given, and the performances of the image denoising method using NL-means method have been analyzed. We propose an effici...

주제어

#Image Denoising   #Non-local Means   #DCT   #LiftLT   #Efficient Implementation  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 NL-means 기법을 사용한 효율적인 영상 잡음 제거 기법을 제안하였다. 제안하는 기법은 변환 영역에서 일부 계수만을 이용하여 NL-means 기법의 가중치를 계산하는 기법인데 계산량을 줄일 수 있을 뿐만 아니라 잡음 제거 성능도 우수함을 확인할 수 있었다.
  • 본 논문에서는 NL-means 기법의 효율적인 구현 방법을 제안한다. 기존의 NL-means 기법은 공간 영역 상에서 화소 주변 블록 간의 유사도를 계산하여 가중치를 계산하고 각 화소간의 가중합을 계산하여 영상의 잡음을 제거하는데 우수한 잡음 제거 성능에 비해서 계산량이 많은 단점이 있다.
  • 이러한 계산량을 줄이기 위하여 영상을 변환 영역으로 변환하고 변환 영역에서 일부 계수만을 이용하여 국부적인 유사성을 계산함으로써 NL-means 기법을 이용한 영상 잡음 제거 기법을 효율적으로 구현할 수 있다[8]. 본 논문에서는 변환 영역에서 계수 계산을 이용한 효율적인 NL-means 기법을 제안한다. 먼저 영상을 DCT를 이용하여 변환한 후에 DCT 영역에서 일부 계수만을 이용하여 NL-means 기법의 가중치를 계산하는 방법을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
본 논문에서 제안한 NL-means 기법을 사용한 효율적인 영상 잡음 제거 기법의 특징은 무엇인가? 본 논문에서는 NL-means 기법을 사용한 효율적인 영상 잡음 제거 기법을 제안하였다. 제안하는 기법은 변환 영역에서 일부 계수만을 이용하여 NL-means 기법의 가중치를 계산하는 기법인데 계산량을 줄일 수 있을 뿐만 아니라 잡음 제거 성능도 우수함을 확인할 수 있었다. 본 논문에서 제안하는 잡음 제거 기법은 영상의 크기 변환과 잡음 제거를 동시에 수행할 때 효율적으로 적용될 수 있고 공간 영역의 방법에 비해서 우수한 성능을 보임을 입증하였다.
불규칙한 잡음을 제거하기 위해 median filter를 사용했을 때 어떤 특징이 있는가? 불규칙한 잡음은 고주파 성분이므로 low-pass filter를 통과시키면 잡음은 줄어들지만 영상에 blur가 생긴다. 이를 개선하기 위하여 median filter를 사용하면 고주파 성분의 손실은 줄일 수 있지만 잡음의 형태에 따라서 성능이 제한될 수 있다[1]. Wavelet filter를 이용하여 영상을 부대역으로 분할하고 고주파 대역의 신호를 영상의 특성에 맞도록 적응적으로 축소시키면 잡음을 제거하면서 영상의 고주파 성분을 일정 부분 보존할 수 있지만 잡음에 따라서 영상의 각 부대역의 통계적인 특성을 계산하기 어려운 단점이 있다[2].
NL-means 기법의 장점은 무엇인가? 이러한 잡음 제거 기법 중에서 BM3D 기법은 가장 우수한 성능을 보이는 영상 잡음 제거 기법으로 알려져 있으며[4], NL-means 기법은 새로운 접근 방법을 사용하여 영상 잡음 제거에 좋은 성능을 보이는 기법으로서[5], 이를 이용한 다양한 잡음 제거 기법이 연구되었다[6～8]. NL-means 기법은 기존의 국부적인 filter가 아니라 새로운 전역적인 filter를 사용한 영상 잡음 제거 기법으로서 화소 주변 블록의 구조적인 유사도에 따라서 가중치를 계산함으로써 영상의 기하학적인 모양을 최대한 유지하면서 잡음을 제거하는 장점이 있다. 최근에는 학습 기반의 잡음 제거 기법에 대한 연구도 활발히 진행되고 있다[9～10].
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. M. C. Motwani, M. C. Gadiya, R. C. Motwani and F. C. Harris, "Survey of image denoising techniques," in Proc. of Global Signal Processing Expo and Conference (GSPx) 2004, Santa Clara, California, USA, Sept. 2004. 

  2. J. Portilla, V. Strela, M. J. Wainwright and E.P. Simoncelli, "Image denoising using scale mixtures of gaussian in the wavelet domain," IEEE Trans. on Image Processing, Vol. 12, no. 11, pp. 1338-1351, Nov. 2003. 

    상세보기 crossref

  3. M. Zhang and B. K. Gunturk, "Multiresolution bilateral filtering for image denoising," IEEE Trans. on Image Processing, Vol. 17, no. 12, pp. 2324-2333, Dec. 2008. 

    상세보기 crossref

  4. K. Dabov, A. Foi and V. Katkovnik and K. Egiazarian, "Image denoising by sparse 3-D transform domain collaborative filtering," IEEE Trans. on Image Processing, Vol. 16, no. 8, pp. 2080-2095, Aug. 2007. 

    상세보기 crossref

  5. A. Buades, B. Coll and J.-M. Morel, "A non-local algorithm for image denoising," in Proc. of Computer Vision and Pattern Recognition 2005 (CVPR 2005), pp. 60-65, June 2005. 

  6. M. Mahmoudi and G. Sapiro, "Fast image and video denoising via nonlocal means of similar neighborhoods," IEEE Signal Processing Letters, Vol. 12, no. 12, pp. 839-842, Dec. 2005. 

    상세보기 crossref

  7. J. V. Manjon, P. Coupe, L. Marti-Bonmati, D. L. Collins and M. Robles, "Adaptive non-local means denoising of MR images with spatially varying noise levels," Journal of Magnetic Resonance Imaging, Vol. 31, no. 1, pp. 192-203, Jan. 2010. 

    상세보기 crossref

  8. D. M. Kim and C. W. Lee, "Efficient image denoising method using non-local means method," in Proc. of 2016 Image Processing and Image Understanding Workshop, Jeju, Korea, Feb. 2016. 

  9. H. C. Burger and C. J. Schuler and S. Harmeling, "Image denoising: Can plain neural networks compete with BM3D?," in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition (CVPR) 2012, pp. 2392-2399, June 2012. 

  10. J. Xie, L. Xu, and E. Chen, "Image denoising and inpainting with deep neural networks.," Advances Neural Inform. Process. Syst., Vol. 26, pp. 1-8, Feb. 2012. 

  11. C. W. Lee, "General methods for L/M-fold resizing of compressed images using lapped transforms," IET Image Process., Vol. 1, no. 3, pp. 295-303, Sept. 2007. 

    상세보기 crossref

  12. H. S. Hou, "A fast recursive algorithm for computing the discrete cosine transform," IEEE Trans. Acoust. Speech, Signal Process., Vol. 35, no. 10, pp. 1455-1461, Oct. 1987. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로