[논문]임펄스 잡음 환경에서 고주파 성분을 보존하기 위한 영상 복원 필터

천봉원; 김남호

doi:10.6109/jkiice.2019.23.4.394

[국내논문] 임펄스 잡음 환경에서 고주파 성분을 보존하기 위한 영상 복원 필터
Image Restoration Filter for Preserving High Frequency Components in Impulse Noise Environments 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.23 no.4, 2019년, pp.394 - 400

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

초록
AI-Helper

잡음 제거는 디지털 영상처리 과정에서 필수적으로 이루어지며, 다양한 분야에서 그 목적과 환경에 맞는 알고리즘을 개발하기 위해 많은 연구가 진행되고 있다. 그러나 기존 임펄스 잡음 제거 방법들은 영상의 에지 성분 및 고주파 성분의 잡음 제거에 다소 미흡한 성능을 보이고 있다. 따라서 본 논문에서는 고주파 성분을 보존하기 위해 잡음 판단에 따른 잡음 밀도에 따라 마스크의 범위를 확장하였다. 선택된 마스크는 임펄스 잡음을 제외한 내부 화소의 메디안 값과 표준편차를 기준으로 화소 범위가 설정된다. 그리고 화소 범위에 존재하는 화소는 거리에 따른 가중치를 적용하여 최종 출력 계산에 사용하였다. 제안한 알고리즘은 기존 방법에 비해 영상의 에지 부분 및 고주파 성분이 많은 영역에서 잡음 제거성능이 우수하였으며, 시뮬레이션을 통해 성능을 비교하였다.

Abstract ▼ AI-Helper

Noise removal is one of the required step in processing digital video and there are many researches to develop algorithm that fits with its purpose and environment. However, present impulse noise removal methods are lacking in its function in terms of removing noise in edge and high frequency factors. Therefore, this research has Extended range of masks depending on density to determine noise so that high frequency factors can be preserved. The range of resolution is set based on median and standard deviation of inside resolution after removing impulse noise. afterwards, those resolution within the range are calculated by adding weight to have the final output value. The suggested algorithm has an enhanced function in removing noise in various areas with many edge and high frequency factors than present methods and their functions are compared through simulation.

Keyword

표/그림 (6)

그림 Fig. 1 Filtering mask
그림 Fig. 2 Test image (a) Lena (b) Enlarged Noise image (Lena) (c) Barbara (d) Enlarged Noise image (Barbara) (e) Baboon (f) Enlarged Noise image (Baboon)
그림 Fig. 3 Enlarged image of simulation result
표 Table. 1 PSNR comparison for each filter(Lena)
표 Table. 2 PSNR comparison for each filter(Barbara)
표 Table. 3 PSNR comparison for each filter(Baboon)

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 고주파 성분이 많은 영상에서 임펄스 잡음에 의해 훼손된 영상을 복원하기 위한 필터 알고리즘을 제안하였다. 제안한 알고리즘은 잡음 판단을 거쳐 임펄스 잡음과 비잡음 신호 두 부분으로 나누어 처리하며, 고주파 성분을 보존하기 위해 마스크 확장 및 화소 범위 설정을 통해 영상 복원을 진행하였다.
본 논문은 고주파 성분 및 에지 성분이 많은 임펄스 잡음을 제거하는 알고리즘을 제안하였다. 제안한 알고리즘은 영상의 특성을 반영하여 기준치를 설정하여, 기준치에 유사한 데이터에 더 높은 가중치를 가하여 출력을 구하며, 영상의 특성을 고려하여 잡음을 제거한다.

제안 방법

본 논문에서는 잡음 판단을 통해 마스크 내부의 잡음 밀도에 따라 마스크를 확장하여 임펄스 잡음을 제거하였다. 제안한 알고리즘은 잡음 판단을 통해 마스크를 확장하여 필터링 마스크로 사용하며, 잡음 밀도가 낮은 경우 기본 마스크를 그대로 사용한다.
본 논문에서는 잡음 판단을 통해 마스크 내부의 잡음 밀도에 따라 마스크를 확장하여 임펄스 잡음을 제거하였다. 제안한 알고리즘은 잡음 판단을 통해 마스크를 확장하여 필터링 마스크로 사용하며, 잡음 밀도가 낮은 경우 기본 마스크를 그대로 사용한다. 잡음 밀도가 중간치인 경우 마스크를 부분적으로 확장하고, 잡음 밀도가 높은 경우 최대한 확장한다.
필터링 마스크는 고주파 성분을 고려하기 위해 화소 범위가 설정되며, 잡음 성분을 제외한 마스크 내부 화소의 메디안 값과 마스크의 표준편차를 바탕으로 화소 범위가 정해진다. 그리고 화소 범위를 만족하는 마스크 내부의 화소에 거리에 따른 가중치를 적용하여 최종 출력을 계산한다.
본 논문은 고주파 성분이 많은 영상에서 임펄스 잡음에 의해 훼손된 영상을 복원하기 위한 필터 알고리즘을 제안하였다. 제안한 알고리즘은 잡음 판단을 거쳐 임펄스 잡음과 비잡음 신호 두 부분으로 나누어 처리하며, 고주파 성분을 보존하기 위해 마스크 확장 및 화소 범위 설정을 통해 영상 복원을 진행하였다. 그리고 조건에 만족하는 화소에 대해 거리에 따른 가중치를 적용하여 최종 출력을 구하였다.
제안한 알고리즘은 잡음 판단을 거쳐 임펄스 잡음과 비잡음 신호 두 부분으로 나누어 처리하며, 고주파 성분을 보존하기 위해 마스크 확장 및 화소 범위 설정을 통해 영상 복원을 진행하였다. 그리고 조건에 만족하는 화소에 대해 거리에 따른 가중치를 적용하여 최종 출력을 구하였다. 만약 입력 화소가 임펄스 잡음이 아닌 경우, 영상의 보존을 위하여 입력 화소를 출력으로 이용하였다.
Step 7. 화소 범위 내부에 존재하는 화소들에 대해 거리에 따른 가중치를 차별적으로 적용하기 위해 공간 필터를 계산한다. 공간 필터 F_i,j는 마스크 내부 좌표에 따라 결정되며 식 (8)과 같이 표현된다[11].
본 논문에서 제안한 알고리즘의 성능을 검증하기 위하여 시뮬레이션을 진행하였으며, 512×512 크기의 8비트 그레이 영상인 Lena 이미지, Barbara 이미지와 Baboon 이미지로 시뮬레이션하였다. 성능 평가를 위해 기존 영상에 잡음 확률 30%인 Salt and Pepper 잡음을 첨가하여 잡음 영상을 얻었으며, 이를 기준으로 기존 방법과 제안한 방법으로 필터링하였다. 각 필터는 N=2인 5×5 크기의 마스크로 처리하였으며, 제안한 알고리즘의 기준치 T₁과 T₂ 는 다음과 같다.
그림 2는 시뮬레이션에 사용된 이미지이며, 기존 방법들과 제안한 알고리즘의 잡음 제거 능력을 효과적으로 판단하기 위하여 필터링 결과를 100×100 크기로 확대하였다. 영상의 확대 위치는 그림 2의 (a), (c), (e)와 같이 Lena 이미지는 (200, 350) 위치를 기준으로, Barbara 이미지는 (350, 200) 위치를, Baboon 이미지는 (150, 350) 위치를 확대하여 비교하였다.
본 논문은 고주파 성분 및 에지 성분이 많은 임펄스 잡음을 제거하는 알고리즘을 제안하였다. 제안한 알고리즘은 영상의 특성을 반영하여 기준치를 설정하여, 기준치에 유사한 데이터에 더 높은 가중치를 가하여 출력을 구하며, 영상의 특성을 고려하여 잡음을 제거한다.

대상 데이터

본 논문에서 제안한 알고리즘의 성능을 검증하기 위하여 시뮬레이션을 진행하였으며, 512×512 크기의 8비트 그레이 영상인 Lena 이미지, Barbara 이미지와 Baboon 이미지로 시뮬레이션하였다.

데이터처리

마스크 내부의 영상 특성을 판단하기 위해 필터링 마스크 M′i,j의 내부 요소의 표준편차를 구한다.

성능/효과

MMF로 처리한 결과 다른 처리 결과에 비해 비교적 스무딩 현상이 적게 발생하였으나, 에지 성분이 많은 Barbara 이미지에서 다소 미흡한 결과를 볼 수 있었으며 영상 전체의 임펄스 잡음의 제거에서 다소 부족한 결과를 보였다.
AWMF로 처리한 결과 임펄스 잡음에 대한 제거 성능은 아주 우수하였으며, 기존 방법들 가운데 가장 뛰어난 성능을 보였다. 하지만 고주파 성분이 많은 영역에서 스무딩 현상이 나타나 다소 미흡한 성능을 보였으며, 에지 보존에 적합하지 않은 결과를 보였다.
제안한 알고리즘으로 처리한 결과 임펄스 잡음을 효과적으로 제거하였으며, 기존의 방법에 비해 고주파 영역에서의 영상 보존이 우수하였음을 볼 수 있었다. 특히 고주파 성분이 많은 부분에서 기존 방법들에 비해 효과적인 모습을 보였으며, 다른 영상에서도 효과적으로 임펄스 잡음을 제거하였음을 확인할 수 있었다.
제안한 알고리즘으로 처리한 결과 임펄스 잡음을 효과적으로 제거하였으며, 기존의 방법에 비해 고주파 영역에서의 영상 보존이 우수하였음을 볼 수 있었다. 특히 고주파 성분이 많은 부분에서 기존 방법들에 비해 효과적인 모습을 보였으며, 다른 영상에서도 효과적으로 임펄스 잡음을 제거하였음을 확인할 수 있었다.
제안한 방법의 PSNR은 잡음 확률 P=30% 인 Lena 영상에서 26.61dB로 기존의 A-TMF, MMF, AWMF에 비해 각각 4.33dB, 3.83dB, 1.50dB 개선되었으며, Barbara 영상에서는 25.52dB로 각각 5.07dB, 4.79dB, 3.93dB, Baboon 영상에서는 23.82dB로 각각 4.82dB, 4.27dB, 3.96dB 개선되었다.
A-TMF로 처리한 결과의 PSNR은 잡음 밀도가 낮은 영역에서는 비교적 높게 측정되었으나, 고주파 성분이 많은 Barbara 영상과 Baboon 영상에서는 다소 부적합한 모습을 보였다.
MMF의 경우 잡음 밀도가 낮은 영상에서 비교적 강한 모습을 보였으나, 잡음 밀도가 높아질수록 PSNR이 크게 감소하여 기존 방법들에 비해 효과적이지 않은 모습을 보였다.
AWMF의 경우 일반적인 영상에서 우수한 잡음 제거 성능을 보이며 잡음의 밀도가 높아지더라도 임펄스 잡음 제거에 적합한 모습을 보였으나, A-TMF와 마찬가지로 고주파 성분이 많은 영상에서 다소 미흡한 성능을 확인할 수 있었다.
반면 제안한 알고리즘으로 처리한 결과 일반적인 영상 뿐만 아니라 고주파 성분이 많은 영상에서 효과적인 잡음 제거 성능을 보였으며, 잡음 밀도가 높은 영상에서도 우수한 PSNR을 확인할 수 있었다.
시뮬레이션 결과 제안한 방법은 기존 방법에 비해 알고리즘이 복잡하여 처리 시간이 긴 면이 있으나, 영상의 고주파 성분이 밀집한 부분에서 블러링 현상을 최소화 하였다. 확대영상을 통해 기존 방법과 비교한 결과 고주파 성분이 많은 영상의 잡음제거 결과가 우수하였으며, 에지 성분의 보존에 적합하였다.
시뮬레이션 결과 제안한 방법은 기존 방법에 비해 알고리즘이 복잡하여 처리 시간이 긴 면이 있으나, 영상의 고주파 성분이 밀집한 부분에서 블러링 현상을 최소화 하였다. 확대영상을 통해 기존 방법과 비교한 결과 고주파 성분이 많은 영상의 잡음제거 결과가 우수하였으며, 에지 성분의 보존에 적합하였다.
제안한 알고리즘은 고주파 성분이 많은 환경에서 기존의 방법보다 영상 복원 성능이 우수한 성능을 나타내었으며 임펄스 잡음에 대한 제거 성능 또한 우수한 결과를 나타내었다. 향후 고주파 성분을 보존하며, 임펄스 잡음을 비롯한 다양한 잡음에 적용 가능한 필터에 대한 연구를 진행할 예정이다.

후속연구

제안한 알고리즘은 고주파 성분이 많은 환경에서 기존의 방법보다 영상 복원 성능이 우수한 성능을 나타내었으며 임펄스 잡음에 대한 제거 성능 또한 우수한 결과를 나타내었다. 향후 고주파 성분을 보존하며, 임펄스 잡음을 비롯한 다양한 잡음에 적용 가능한 필터에 대한 연구를 진행할 예정이다. 제안한 알고리즘은 다양한 잡음을 제거하는 분야에서 유용하게 적용될 것으로 사료된다.
향후 고주파 성분을 보존하며, 임펄스 잡음을 비롯한 다양한 잡음에 적용 가능한 필터에 대한 연구를 진행할 예정이다. 제안한 알고리즘은 다양한 잡음을 제거하는 분야에서 유용하게 적용될 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Salt and Pepper 잡음이 발생하는 이유는 무엇인가?	Salt and Pepper 잡음은 대표적인 임펄스 잡음으로서, 카메라 센서의 에러나 광학 신호의 전기적 변환 과정에서 발생한다. 이러한 S&P 잡음을 제거하기 위하여 다양한 필터가 제시되었으며, 대표적으로 A-TMF(alphatrimmed mean filter)[6], MMF(multistage median filter)[7], AWMF (adaptive weighted median filter)[8]가 있다.
	필터링 마스크의 역할은?	본 논문에서는 잡음 판단을 통해 마스크 내부의 잡음 밀도에 따라 마스크를 확장하여 임펄스 잡음을 제거하였다. 제안한 알고리즘은 잡음 판단을 통해 마스크를 확장하여 필터링 마스크로 사용하며, 잡음 밀도가 낮은 경우 기본 마스크를 그대로 사용한다.
	AWMF로 처리한 결과 문제점은 무엇인가?	AWMF로 처리한 결과 임펄스 잡음에 대한 제거 성능은 아주 우수하였으며, 기존 방법들 가운데 가장 뛰어난 성능을 보였다. 하지만 고주파 성분이 많은 영역에서 스무딩 현상이 나타나 다소 미흡한 성능을 보였으며, 에지 보존에 적합하지 않은 결과를 보였다.

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