[논문]AWGN 환경에서 표준편차 및 추정치를 통한 잡음 제거 알고리즘

천봉원; 김남호

doi:10.6109/jkiice.2018.22.11.1468

[국내논문] AWGN 환경에서 표준편차 및 추정치를 통한 잡음 제거 알고리즘
Noise Removal Algorithm using Standard Deviation and Estimation in AWGN Environment 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.22 no.11, 2018년, pp.1468 - 1473

천봉원 (Dept. of Control and Instrumentation Eng., Pukyong National University) , 김남호 (Dept. of Control and Instrumentation Eng., Pukyong National University)

초록
AI-Helper

4차 산업혁명의 발전에 따라 통신 및 데이터 처리의 중요성이 높아지고 있으며, 이에 따라 장비의 정확성과 신뢰성에 직접적인 영향을 미치는 영상 및 데이터 처리의 중요성 또한 증가하고 있다. 본 논문에서는 영상의 주파수 성분의 변화에 적응하며 AWGN을 제거하기 위해 표준편차와 추정치의 유추를 통해 최종 출력을 산출하는 알고리즘을 제안하였다. 제안한 알고리즘은 마스크 성분의 표준편차를 통해 유효 화소 범위를 설정하여 추정치를 구하며, 가중치를 적용한 후 필터의 출력에 가감하여 최종 출력을 계산한다. 그리고 제안하는 알고리즘의 성능 평가를 위해 시뮬레이션을 통해 기존 방법과 비교 분석하였으며, 시뮬레이션 결과 영상의 중요 특성을 보존하며 효율적인 잡음 제거 성능을 보였다.

Abstract ▼ AI-Helper

The importance of communication and data processing is increasing with the advance of the Fourth Industrial Revolution. Hence, the importance of video and data processing technologies, which directly influence the accuracy and reliability of equipment, is also increasing. In this research report we propose an algorithm for calculating the final output by estimating the standard deviation and estimate required for removing AWGN while adapting to changes in the frequency factors of video. This algorithm calculates the final output by checking an estimated value against the effective pixel range, which is obtained from the standard deviation of mask factors. Subsequently, the weighted value is computed, taking into account the filter output. To evaluate the functionality of this algorithm, it is compared with the most-commonly used present method through simulation. The simulation results show that the important features of the image are preserved and efficient noise cancellation performance is demonstrated.

주제어

표/그림 (7)

그림 Fig. 1 Example of weight mask
그림 Fig. 2 Block diagram of proposed algorithm
그림 Fig. 3 Barbara image with AWGN (a) Original image (b) Noise image(σ=10)
그림 Fig. 4 Enlarged boat image with AWGN (a) GF (b) A-TMF (c) AWMF (d) PFA
그림 Fig. 5 Enlarged difference boat image with AWGN (a) GF (b) A-TMF (c) AWMF (d) PFA
표 Table. 1 PSNR comparison or each filter(Barbara)
표 Table. 2 PSNR comparison or each filter(Boat)

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 영상의 AWGN의 영향을 완화하기 위해 필터링 마스크의 출력과 중심화소 주변의 영상에 대한 정보를 활용하여 효율적으로 잡음을 제거하는 알고리즘을 제안하였다. 그리고 확대영상 및 차영상, PSNR 비교를 통해 제안한 알고리즘과 기존 방법들과 비교, 분석하여 성능을 평가하였다.
본 논문에서는 AWGN 환경에서 영상의 잡음을 효과적으로 제거하기 위해 필터 출력과 국부 추정치를 이용한 알고리즘을 제안하였다. 제안한 알고리즘은 필터의 출력에 필터 내부의 성분을 통해 구한 추정치를 가감하여 출력을 결정하며 영상의 특성에 따라 가중치를 설정한다.
본 논문은 추정치와 표준편차를 이용하여 AWGN 환경에서 영상의 상세 정보를 보존하며 잡음을 제거하는 알고리즘을 제안하였다. 제안한 알고리즘은 마스크 내부 요소의 표준편차와 범위설정을 통한 추정치의 가감을 통해 최종 출력을 계산하며, 영상의 환경에 적응하여 AWGN의 영향을 최소화 하였다.

제안 방법

본 논문에서는 제안한 알고리즘의 성능을 비교하기 위하여 512 × 512 크기의 8비트 그레이 영상 Barbara영상과 Boat에 대해 시뮬레이션하였으며, 기존 영상에 대해 AWGN을 첨가하여 이를 기존 방법과 제안한 알고리즘으로 필터링한 결과들을 PSNR 및 차영상을 통해 비교, 분석하였다.
본 논문은 추정치와 표준편차를 이용하여 AWGN 환경에서 영상의 상세 정보를 보존하며 잡음을 제거하는 알고리즘을 제안하였다. 제안한 알고리즘은 마스크 내부 요소의 표준편차와 범위설정을 통한 추정치의 가감을 통해 최종 출력을 계산하며, 영상의 환경에 적응하여 AWGN의 영향을 최소화 하였다.
본 논문에서는 AWGN 환경에서 영상의 잡음을 효과적으로 제거하기 위해 필터 출력과 국부 추정치를 이용한 알고리즘을 제안하였다. 제안한 알고리즘은 필터의 출력에 필터 내부의 성분을 통해 구한 추정치를 가감하여 출력을 결정하며 영상의 특성에 따라 가중치를 설정한다. 추정치는 입력 화소를 기준으로 일정 범위 이내에 존재하는 마스크 내부 요소를 통해 구해지며, 영상의 고주파 및 저주파 특성에 따라 기준 범위를 조절하여 추정치를 계산한다.
제안한 알고리즘은 필터의 출력에 필터 내부의 성분을 통해 구한 추정치를 가감하여 출력을 결정하며 영상의 특성에 따라 가중치를 설정한다. 추정치는 입력 화소를 기준으로 일정 범위 이내에 존재하는 마스크 내부 요소를 통해 구해지며, 영상의 고주파 및 저주파 특성에 따라 기준 범위를 조절하여 추정치를 계산한다.

데이터처리

따라서 본 논문에서는 영상의 AWGN의 영향을 완화하기 위해 필터링 마스크의 출력과 중심화소 주변의 영상에 대한 정보를 활용하여 효율적으로 잡음을 제거하는 알고리즘을 제안하였다. 그리고 확대영상 및 차영상, PSNR 비교를 통해 제안한 알고리즘과 기존 방법들과 비교, 분석하여 성능을 평가하였다.

성능/효과

그림 4에서 기존의 (a)의 GF로 처리한 결과와 (b)의 A-TMF, (c)의 AWMF로 처리한 결과는 AWGN을 효과적으로 제거하였으나 고주파 성분이 나타나는 경계면에서 스무딩 현상을 보이며 영상이 흐릿해지며 경계면과 얇은 선을 뚜렷하게 식별하기 어려운 결과를 볼 수 있었다. 반면 제안한 알고리즘으로 처리한 영상인 (d)에서는 고주파 성분과 저주파 성분을 분리하여 AWGN을 제거한 결과 기존 방법에 비해 선명한 영상을 획득할 수 있었으며 경계면과 얇은 성분을 뚜렷하게 인식할 수 있었다.
표 1과 2는 AWGN으로 훼손된 Boat 영상과 Barbara 영상을 기존 방법과 제안한 방법으로 처리한 결과의 PSNR 수치를 나타낸 것이다. PSNR 비교로부터 기존 방법은 AWGN이 높은 영역에서는 잡음 제거에 효과적인 모습을 보였지만, 비교적 낮은 영역에서는 원영상의 성분을 훼손하여 잡음 제거 능력이 미흡한 모습을 확인할 수 있었다. 또한, 고주파 성분이 많은 Barbara 영상에서는 Boat 영상에 비해 영상의의 훼손이 심하여, 미흡한 잡음 제거 능력을 보였다.
그리고 제안한 방법의 PSNR은 σ = 10인 Barbara 영상에서 28.91dB로 기존의 GF, A-TMF, AWMF에 비해 각각 4.52dB, 3.86dB, 3.95dB 개선되었으며, σ = 10인 Boat 영상에서는 31.55dB로 각각 1.51dB, 2.01dB, 2.15dB 개선되었다.
차영상을 통해 확인한 결과 기존 방법은 경계면에서 특히 심한 차이를 보였으며, 고주파 성분의 잡음 처리가 미흡한 점을 확인할 수 있었다. 반면 제안한 알고리즘으로 처리한 영상은 우수한 AWGN제거 특성을 보였으며, 영상의 고주파 성분을 효과적으로 보존하는 모습을 보였다.
또한, 고주파 성분이 많은 Barbara 영상에서는 Boat 영상에 비해 영상의의 훼손이 심하여, 미흡한 잡음 제거 능력을 보였다. 반면 제안한 알고리즘은 고주파 성분을 고려하여 효과적으로 AWGN을 제거하는 모습을 보였으며, 특히 고주파 성분이 많은 Barbara 영상에서 우수한 성능을 나타내었다.
시뮬레이션 결과 제안한 방법은 고주파 성분의 영향을 크게 받는 기존 방법에 비해 우수한 잡음제거 성능을 보였다. 확대영상 및 차영상을 통해 확인한 결과 기존 방법들보다 고주파 성분 및 에지 성분 보존이 우수하였다.
제안한 알고리즘은 AWGN 잡음 환경에서 기존의 방법보다 고주파 성분 및 에지 성분 보존에 우수한 성능을 나타내며, PSNR 또한 높은 수치를 나타내었다. 제안한 알고리즘은 다양한 잡음 환경에서 사용되는 시스템에 유용하게 적용될 것으로 사료된다.
차영상은 원영상과 처리된 영상차간 차의 절대값에 4배수를 하여 얻어진 것이다. 차영상을 통해 확인한 결과 기존 방법은 경계면에서 특히 심한 차이를 보였으며, 고주파 성분의 잡음 처리가 미흡한 점을 확인할 수 있었다. 반면 제안한 알고리즘으로 처리한 영상은 우수한 AWGN제거 특성을 보였으며, 영상의 고주파 성분을 효과적으로 보존하는 모습을 보였다.
시뮬레이션 결과 제안한 방법은 고주파 성분의 영향을 크게 받는 기존 방법에 비해 우수한 잡음제거 성능을 보였다. 확대영상 및 차영상을 통해 확인한 결과 기존 방법들보다 고주파 성분 및 에지 성분 보존이 우수하였다. 그리고 제안한 방법의 PSNR은 σ = 10인 Barbara 영상에서 28.

후속연구

제안한 알고리즘은 AWGN 잡음 환경에서 기존의 방법보다 고주파 성분 및 에지 성분 보존에 우수한 성능을 나타내며, PSNR 또한 높은 수치를 나타내었다. 제안한 알고리즘은 다양한 잡음 환경에서 사용되는 시스템에 유용하게 적용될 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	AWGN은 무엇인가?	통신 시스템에 발생하는 대표적인 잡음인 AWGN(Additive white gaussian noise)은 정규 분포 특성을 보이며, 거의 모든 주파수 영역에서 발생한다. 따라서 AWGN의 제거는 필수적인 과정으로 대부분의 분야에서 전처리에 사용된다[3-4].
	AWGN의 제거하는 기법은?	따라서 AWGN의 제거는 필수적인 과정으로 대부분의 분야에서 전처리에 사용된다[3-4]. AWGN이 부가된 영상에서 이를 개선하기 위한 방법으로 공간영역에서 인접 화소들 사이의 관계를 이용하는 평활화 기법 등을 사용하고 있으며, 대표적으로 정규분포를 기반으로 균일 잡음 제거에 주로 활용되는 저역 통과 필터인 GF(Gaussian filter)[5], 메디안 필터와 평균 필터의 특성을 함께 지니며 알파의 값에 따라서 그 특성이 달라지는 A-TMF(A-tremmed filter)[6]와, 각 화소와 화소들의 평균값의 차이에 따라 적응 가중치를 부여하는 AWMF (Adapted weight mean filter)[7] 등이 있다. 그러나 기존 방법들은 영상의 경계면에서 스무딩 현상을 일으키거나 고주파 영역에서 에지를 비롯한 상세 정보들을 훼손함에 따라 영상의 중요 특성을 손실하는 단점이 있다[8-10].
	AWGN을 제거하기 위한 기존 방식의 문제점은?	AWGN이 부가된 영상에서 이를 개선하기 위한 방법으로 공간영역에서 인접 화소들 사이의 관계를 이용하는 평활화 기법 등을 사용하고 있으며, 대표적으로 정규분포를 기반으로 균일 잡음 제거에 주로 활용되는 저역 통과 필터인 GF(Gaussian filter)[5], 메디안 필터와 평균 필터의 특성을 함께 지니며 알파의 값에 따라서 그 특성이 달라지는 A-TMF(A-tremmed filter)[6]와, 각 화소와 화소들의 평균값의 차이에 따라 적응 가중치를 부여하는 AWMF (Adapted weight mean filter)[7] 등이 있다. 그러나 기존 방법들은 영상의 경계면에서 스무딩 현상을 일으키거나 고주파 영역에서 에지를 비롯한 상세 정보들을 훼손함에 따라 영상의 중요 특성을 손실하는 단점이 있다[8-10].

참고문헌 (10)

D. J. Kim, P. L. Manjusha, "Assessment of Risks in Management Factors," Asia-pacific Journal of Convergent Research Interchange, HSST, ISSN : 2508-9080, vol. 1, no. 2, pp. 1-10, Jun. 2015.
L. Gopal, and Z. Zang, "Kalman filtering for SNR estimation in AWGN and fading channels," in 2009 IEEE 9th Malaysia International Conference on Communications, Kuala Lumpur : Malaysia, pp. 805-808, 2009.
P. Srisaiprai, W. Lee, and V. Patanavijit, "An alternative technique using median filter for image reconstruction based on partition weighted sum filter," in International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, Chiang Mai : Thailand, pp. 1-6, 2016.
S. Lahmiri, and M. Boukadoum, "Hybrid Wiener and Partial Differential Equations Filter for Biomedical Image Denoising," in IEEE International New Circuits and Systems Conference, Vancouver : Canada, pp. 26-29, 2016.
J. J. Hwang, K. H. Rhee, "Gaussian filtering detection based on features of residuals in image forensics," in 2016 IEEE RIVF International Conference on Computing & Communication Technologies, Research, Innovation, and Vision for the Future, Hanoi : Vietnam, pp. 153-157, 2016.
X. Long, N. H. Kim, "An Improved Weighted Filter for AWGN Removal," Journal of the Korea Institute of Information and Communication Engineering, vol. 17, no. 5, pp. 1227-1232, May. 2013.
S. I. Kwon, and N. H. Kim, "Image Restoration Algorithm Considering Pixel Distribution in AWGN Environments," Journal of the Korea Institute of Information and Communication Engineering, vol. 19, no. 7, pp. 1687-1693, Jul. 2015.
A. Eghbali, H. Johansson, and O. Gustafsson, "Optimal least-squares FIR digital filters for compensation of chromatic dispersion in digital coherent optical receivers," Journal of Lightwave Technology, vol. 32, no. 8, pp. 1449-1456, Apr. 2014.

상세보기
T. Bhattacharya, and A. Chatterjee, "Evaluating performance of some common filtering techniques for removal of gaussian noise in images," in 2017 IEEE International Conference on Power, Control, Signals and Instrumentation Engineering, Chennai : India, pp. 1981-1984, 2017.
C. Y. Lee, and N. H. Kim, "A Study on Modified Mask for Edge Detection in AWGN Environment," Journal of the Korea Institute of Information and Communication Engineering, vol. 17, no. 9, pp. 2199-2205, Sep. 2013.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증