최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.12 no.3, 2019년, pp.321 - 326
복거철 (Division of Computer and IT Education, Pai Chai University)
Image denoising methods based on block matching are founded on the experimental observations that neighboring patches or blocks in images retain similar features with each other, and have been proved to show superior performance in denoising different kinds of noise. The methods, however, take into ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
BM3D 기법이란 무엇인가? | 특히 협업필터링(collaborative filtering) 기법은 잡음제거의 성능이 우수하며 대표적으로 BM3D 필터링 기법이 있다[1, 2]. BM3D 기법은 참조블록(reference block)과 비슷한 블록들을 구해서 3차원 그룹으로 정렬하고 선형변환을 실행한 후에 임계치에 못 미치는 값을 제거한 다음 역변환을 실행하여 잡음을 제거하는 방법이다. 최근에는 원래의 기법에 딥러닝 기법을 적용하여 확장하거나[3] 개선된 Wiener 필터링을 적용한 기법과[4] 모폴로지를 이용한 방법[5]이 발표되는 등 잡음제거의 성능이 더욱 향상되었다. | |
본 논문에서 제안하는 방법이 잡음제거의 성능을 높일 수 있는 이유는 무엇인가? | 본 논문에서는 잡음 영상을 이진화평면으로 구성하고 이를 이용하여 이상치를 가지는 화소를 중심으로 참값의 범위를 추정한 후에 이상치를 참값의 범위에 속하는 화소값으로 대치하는 방법을 사용하여 매칭블록의 가우시안 분포의 밀도를 높이는 방법으로 잡음제거의 성능을 높이는 방법을 제시하였다. 제안한 방법은 국부적인 특질을 이용하는 가우시안 필터의 장점과 매칭블록을 이용하는 협업필터의 장점을 모두 적용하므로 잡음제거의 성능을 높일 수 있을 것으로 예상되며, 실제로 여러 영상에 다양한 분포의 잡음을 생성하여 실험을 한 결과 잡음제거의 효과가 우수하였음을 확인하였다. | |
임펄스 잡음에 대해 잡음이 제거되지 않는 현상이 나타나는 이유는 무엇인가? | 그러나 BM3D 기법은 잡음을 제거하려는 블록의 이웃화소들에 대한 정보를 활용하지 않는다. 따라서 모든 잡음에 대해 성능이 우수한 결과를 보이는 대신에 임펄스 잡음(impulse noise)에 대해서는 잡음이 제거되지 않는 현상이 나타나기도 한다. |
K Dabov, A Foi, V Katkovnik, K. Egiazarian, "Image Denoising by Sparse 3-D Transform-domain Collaborative Filtering", IEEE Transactions on Image Processing, vol. 16, no. 8, pp. 2080-2095, 2007.
M. Lebrun, "An Analysis and Implementation of the BM3D Image Denoising Method", Image Processing On Line, vol. 2, pp. 175-213, 2012.
D. Yang, and J. Sun, "BM3D-Net: A Convolutional Neural Network for Transform-Domain Collaborative Filtering", IEEE Sig. Proc. Letters, vol. 25, no. 1, pp. 55-59, 2018.
M. Hasan and M. El-Sakka, "Improved BM3D Image Denoising Using SSIM-optimized Wiener Filter", EURASIP Journal on Image and Video Processing vol. 2018:25, 2018.
Y. Hou1 and D. Shen, "Image Denoising with Morphology-an Size-adaptive Block-matching Transform Domain Filtering", EURASIP Journal on Image and Video Processing, vol 2018:59, 2018.
BM3D implementation using C++. https://github.com/gfacciol/bm3d.
Tampere University, http://www.cs.tut.fi/-foi/GCF-BM3D/.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.