디지털 영상 처리는 군사, 의료, 영상인식 시스템, 로봇, 산업 등의 여러 분야에서 다양하게 활용되고 있다. 그러나 디지털 영상은 영상을 획득, 전송하는 과정에서 여러 외부 원인에 의해 발생된다. 일반적으로 영상에 중첩되는 잡음에는 발생 원인과 형태에 따라 다양하며, AWGN 및 임펄스 잡음이 대표적이다. 영상처리에서 잡음 제거는 영상 분할, 영상 인식, 특징 추출 등의 전처리 과정에서 필수적이다. 따라서 본 논문은 영상에 첨가된 잡음을 효과적으로 제거하기 위해, 캐니 에지를 이용하여 비에지 영역과 에지 영역을 구분하여 각 영역에 따라 필터를 다르게 적용하여 처리하는 알고리즘을 제안하였다. 그리고 제안한 알고리즘의 우수성을 입증하기 위해, 확대 영상, 에지 영상 및 PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 성능을 비교하였다.
디지털 영상 처리는 군사, 의료, 영상인식 시스템, 로봇, 산업 등의 여러 분야에서 다양하게 활용되고 있다. 그러나 디지털 영상은 영상을 획득, 전송하는 과정에서 여러 외부 원인에 의해 발생된다. 일반적으로 영상에 중첩되는 잡음에는 발생 원인과 형태에 따라 다양하며, AWGN 및 임펄스 잡음이 대표적이다. 영상처리에서 잡음 제거는 영상 분할, 영상 인식, 특징 추출 등의 전처리 과정에서 필수적이다. 따라서 본 논문은 영상에 첨가된 잡음을 효과적으로 제거하기 위해, 캐니 에지를 이용하여 비에지 영역과 에지 영역을 구분하여 각 영역에 따라 필터를 다르게 적용하여 처리하는 알고리즘을 제안하였다. 그리고 제안한 알고리즘의 우수성을 입증하기 위해, 확대 영상, 에지 영상 및 PSNR(peak signal to noise ratio)을 이용하여 기존의 방법들과 성능을 비교하였다.
Digital image processing is widely used in various fields including the military, medical, image recognition system, robot and commercial sectors. But in the process of acquiring and transmitting digital images, noise is generated by various external causes. There are various types of general noise ...
Digital image processing is widely used in various fields including the military, medical, image recognition system, robot and commercial sectors. But in the process of acquiring and transmitting digital images, noise is generated by various external causes. There are various types of general noise depending on the cause and form, but AWGN and impulse noise is one of the leading methods. Removing noise during image processing is essential to the pre-treatment process such as segmentation, image recognition and characteristic extraction. As such, this paper suggests an algorithm that distinguishes the non-edge area and edge area using the Canny edge to apply different filters to different areas in order to effectively remove noise from the image. To verify the effectiveness of the suggested algorithm, it was compared against existing methods using zoom images, edge images and PSNR(peak signal to noise ratio).
Digital image processing is widely used in various fields including the military, medical, image recognition system, robot and commercial sectors. But in the process of acquiring and transmitting digital images, noise is generated by various external causes. There are various types of general noise depending on the cause and form, but AWGN and impulse noise is one of the leading methods. Removing noise during image processing is essential to the pre-treatment process such as segmentation, image recognition and characteristic extraction. As such, this paper suggests an algorithm that distinguishes the non-edge area and edge area using the Canny edge to apply different filters to different areas in order to effectively remove noise from the image. To verify the effectiveness of the suggested algorithm, it was compared against existing methods using zoom images, edge images and PSNR(peak signal to noise ratio).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 영상에 첨가된 AWGN을 효과적으로 제거하기 위해, 캐니 에지를 이용하여 입력 영상을 비에지 영역과 에지 영역으로 나누어 처리하는 알고리즘 제안하였다. 비에지 영역인 경우, 국부 마스크를 평균하여 처리하고, 에지 영역인 경우, 국부 마스크의 에지의 방향 화소들의 가중 평균으로 처리하는 알고리즘을 제안하였다.
본 논문에서는 영상에 첨가된 AWGN의 영향을 완화하기 위하여 영상에 캐니 에지 검출 알고리즘을 적용하고 비에지 영역과 에지 영역에 따라 필터를 다르게 적용하여 훼손된 영상의 에지를 보존하는 효과적인 잡음 제거 알고리즘을 제안하였다.
본 논문에서는 캐니 에지를 활용하여 입력 영상을 비 에지 영역과 에지 영역으로 나누고 각각의 영역에 따라 필터를 다르게 적용하여 처리하는 알고리즘을 제안하였다.
제안 방법
Step 3. Sobel 연산자에 의해 처리된 영상에서 국부 마스크 내의 에지 최대치를 비교하여 에지를 하나의 화소로 변환한다.
국부 마스크 내에 기울기 방향을 참조하여 2개의 이웃 화소와 현재 화소에 대한 에지 크기를 비교하고 가장 큰 화소만을 결정한다.
또한 각 방향에 대한 기울기 값을 이용하여 각 방향에 대한 각도를 그룹화 시켜준다.
따라서 본 논문에서는 영상에 첨가된 AWGN을 효과적으로 제거하기 위해, 캐니 에지를 이용하여 입력 영상을 비에지 영역과 에지 영역으로 나누어 처리하는 알고리즘 제안하였다. 비에지 영역인 경우, 국부 마스크를 평균하여 처리하고, 에지 영역인 경우, 국부 마스크의 에지의 방향 화소들의 가중 평균으로 처리하는 알고리즘을 제안하였다.
평활화 처리를 위해 본 논문에서는 5 × 5 크기의 가우시안 필터를 사용하였으며, 가우시안의 필터의 가중치는 식 (1)과 같다.
대상 데이터
본 논문은 그림 2와 같이 512 ⨉ 512 크기의 8bit 그레이 영상인 Lena, Peppers에 대해 AWGN을 첨가하여 시뮬레이션하였다.
데이터처리
또한 제안한 필터의 객관적은 성능을 평가하기 위해 PSNR을 사용하여 기존의 A-TMF, AWMF, SWF와 성능을 비교하였다.
성능/효과
또한 AWMF는 저주파 영역 및 에지 영역에서 우수한 결과를 나타내었다. 그리고 SWF는 저주파 영역에서 다소 미흡한 특성을 나타내었으나 에지 영역에서 우수한 에지 보존 특성을 나타내었다. 제안한 알고리즘으로 처리한 영상은 화소 변하가 적은 저주파 영역에서 기존의 필터들에 비해 우수한 잡음제거 성능을 나타내었다.
그리고 제안한 알고리즘은 AWGN(σ = 15)인 Lena영상에서 32.00[dB]의 높은 PSNR을 나타내었으며, 기존의 A-TMF, AWMF, SWF에 비해 각각 0.96[dB], 1.09[dB], 1.26[dB] 향상되었다.
그리고 제안한 알고리즘은 AWGN(σ = 15)인 Peppers 영상에서 31.91[dB]의 높은 PSNR을 나타내었으며, 기존의 A-TMF, AWMF, SWF에 비해 각각 1.32[dB], 1.26[dB], 1.54[dB] 향상되었다.
그림 4, 6에서 기존의 필터들은 에지가 아닌 영역에서도 에지 성분이 검출되었으며, 제안한 알고리즘은 처리한 영상은 기존의 필터들에 비해 우수한 에지 보존 성능을 나타내었다.
기존의 A-TMF는 저주파 영역에서 우수한 잡음 제거 성능을 나타내었고 에지 영역에서 에지가 다소 훼손된 결과를 나타내었다. 또한 AWMF는 저주파 영역 및 에지 영역에서 우수한 결과를 나타내었다. 그리고 SWF는 저주파 영역에서 다소 미흡한 특성을 나타내었으나 에지 영역에서 우수한 에지 보존 특성을 나타내었다.
시뮬레이션 결과, 제안한 알고리즘은 AWGN 밀도가 아주 낮은 영역에서 다소 미흡하였으며, 잡음 밀도가 높은 영역에서 기존의 필터들 보다 우수한 PSNR을 나타내었다. 또한 확대 영상의 차영상으로부터 기존의 필터들에 비해 에지 영역에서 우수한 에지 보존 특성을 나타내었다.
시뮬레이션 결과, 제안한 알고리즘은 AWGN 밀도가 아주 낮은 영역에서 다소 미흡하였으며, 잡음 밀도가 높은 영역에서 기존의 필터들 보다 우수한 PSNR을 나타내었다. 또한 확대 영상의 차영상으로부터 기존의 필터들에 비해 에지 영역에서 우수한 에지 보존 특성을 나타내었다.
그리고 SWF는 저주파 영역에서 다소 미흡한 특성을 나타내었으나 에지 영역에서 우수한 에지 보존 특성을 나타내었다. 제안한 알고리즘으로 처리한 영상은 화소 변하가 적은 저주파 영역에서 기존의 필터들에 비해 우수한 잡음제거 성능을 나타내었다.
표 1의 결과로부터 제안한 알고리즘으로 처리한 영상은 기존의 필터들에 비해 우수한 PSNR을 보였다. 그리고 제안한 알고리즘은 AWGN(σ = 15)인 Lena영상에서 32.
표 2의 결과로부터 제안한 알고리즘으로 처리한 영상은 기존의 필터들에 비해 우수한 PSNR을 보였다. 그리고 제안한 알고리즘은 AWGN(σ = 15)인 Peppers 영상에서 31.
질의응답
핵심어
질문
논문에서 추출한 답변
디지털 영상의 단점은?
또한 영상 처리는 군사, 의료, 산업 등의 다양한 영역들에서 활용되고 있다. 그러나 디지털 영상은 처리, 전송, 저장 과정에서 여러 요인에 의해 잡음이 첨가되어 영상의 질이 저하된다. 따라서 잡음 제거에 대한 활발한 연구가 진행되고 있다[1-3].
A-TMF의 특징은?
잡음을 제거하기 위하여 많은 필터들이 제안되었으며, 가장 대표적인 공간 영역 필터에는 A-TMF(alpha-trimmed mean filter), AWMF (adaptive weighted mean filter), SWF (spatial weighted filter) 등이 있다. A-TMF는 화소 변화가 적은 영역에서 우수한 잡음 제거 특성을 나타내지만 화소 변화가 많은 에지 영역에서 잡음 제거 특성이 미흡하다. AWMF는 마스크 내부 화소 차이를 고려한 적응 가중치로 처리하여, 저주파 영역에서 잡음 제거 특성이 우수하다.
제안한 필터 알고리즘으로 처리 했을때 기존의 필터들 보다 좋은 점은?
그리고 SWF는 저주파 영역에서 다소 미흡한 특성을 나타내었으나 에지 영역에서 우수한 에지 보존 특성을 나타내었다. 제안한 알고리즘으로 처리한 영상은 화소 변하가 적은 저주파 영역에서 기존의 필터들에 비해 우수한 잡음제거 성능을 나타내었다.
참고문헌 (7)
C. Y. Lee and N. H. Kim, "A Study on Modified Mask for Edge Detection in AWGN Environment," Journal of Information and Communication Convergence Engineering, vol.17, no.9, pp.2199-2205, Sep. 2013.
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.
X. Long and N. H. Kim, "A Study on the Spatial Weighted Filter in AWGN Environment," Journal of Information and Communication Convergence Engineering, vol.17, no.3, pp.724-729, Mar. 2013.
X. Long and N. H. Kim, "An Improved Weighted Filter for AWGN Removal," Journal of Information and Communication Convergence Engineering, vol.17, no.5, pp.1227-1232, May 2013.
X. Long and N. H. Kim, "A Study on Image Restoration Filter in AWGN Environments," Journal of Information and Communication Convergence Engineering, vol.18, no.4, pp.949-956, Apr. 2014.
Y. Gao and N. H. Kim, "A Study on Improved Denoising Algorithm for Edge Preservation in AWGN Environments," Journal of Information and Communication Convergence Engineering, vol. 16, no. 8, pp.1773-1778, Aug. 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.