[논문]고밀도 잡음 환경에서 엔트로피를 이용한 잡음 제거 방법

백지현; 김남호

doi:10.6109/jkiice.2020.24.10.1255

고밀도 잡음 환경에서 엔트로피를 이용한 잡음 제거 방법
Noise Removal Method using Entropy in High-Density Noise Environments 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.10, 2020년, pp.1255 - 1261

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

초록
AI-Helper

현재 모바일 기기의 보급이 점차 확대되어 지고 있다. 그에 따라 영상이나 사진을 활용한 다양한 기술들이 활발히 연구되어지고 있다. 하지만 영상 데이터는 복합적인 이유로 잡음이 발생하게 되며, 잡음의 제거 성능에 따라 영상처리의 정확도가 높아진다. 따라서 전 처리 과정으로 잡음의 제거는 필수불가결한 단계중 하나이다. 영상의 대표적인 임펄스 잡음으로 Salt and Pepper 잡음이 있으며, 이러한 잡음을 제거하기 위해 다양한 연구가 진행되고 있다. 하지만 기존의 알고리즘의 경우 고주파 영역에서 잡음제거 성능이 떨어지고, 평균 필터의 경우 블러 현상이 나타난다. 따라서 본 논문에서는 엔트로피를 이용하여 저주파영역 뿐만 아니라 고주파 영역에서도 효과적으로 Salt and Pepper 잡음을 제거하는 알고리즘을 제안한다. 제안한 알고리즘의 객관적이고 정확한 판단을 위해 MSE 및 PSNR을 이용하여 기존의 알고리즘들과 비교, 분석하였다.

Abstract ▼ AI-Helper

Currently, the spread of mobile devices is gradually increasing. Accordingly, various techniques using images or photos are actively being researched. However, image data generates noise for complex reasons, and the accuracy of image processing increases according to the performance of removing noise. Therefore, noise reduction is one of the essential steps. Salt and pepper noise is a typical impulse noise in the image, and various studies are being conducted to remove the noise. However, existing algorithms have poor noise rejection performance in high frequency areas, and average filters have blurring. Therefore, in this paper, we propose an algorithm that effectively removes salt and pepper noise in the high frequency region as well as the low frequency region using entropy. For objective and accurate judgment of proposed algorithms, MSE and PSNR were used to compare and analyze existing algorithms.

주제어

표/그림 (8)

그림 Fig. 1 Flow chart
그림 Fig. 2 Test image (Lena, Baboon, Barbara) (a) Original image (Lena) (b) Noised image (Lena, 50%) (c) Original image (Baboon) (d) Noised image (Baboon, 50%) (e) Original image (Barbara) (f) Noised image (Barbara, 50%)
그림 Fig. 3 Result image (Lena) (a) MMF(5X5) (b) A-TMF(5X5) (c) MF(5X5) (d) PFA(5X5)
그림 Fig. 4 Result image (Baboon) (a) MMF(5X5) (b) A-TMF(5X5) (c) MF(5X5) (d) PFA(5X5)
그림 Fig. 5 Result image (Barbara) (a) MMF(5X5) (b) A-TMF(5X5) (c) MF(5X5) (d) PFA(5X5)
표 Table. 1 Each PSNR comparison for Lena image
표 Table. 2 Each PSNR comparison for Baboon image
표 Table. 3 Each PSNR comparison for Barbara image

AI 본문요약
AI-Helper

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

제안 방법

본 논문에서는 엔트로피의 표준 정의를 영상 처리관점에서 이용하였다. 데이터를 필터링 마스크, 정보량을 유효 화소라고 정의하였으며, 이를 이용하여 잡음에 해당하는 픽셀의 값을 유추하는 알고리즘을 제안하였다.
따라서 본 논문에서는 필터링 과정에서 발생하는 블러 현상을 줄이기 위해 잡음을 판단하여 원 화소는 그대로 대치하고 잡음 화소라고 판단되는 부분만 필터링을 진행하였다. 또한 고밀도 잡음 영역에서도 우수한 성능을 나타내기 위해 필터링 마스크의 엔트로피(entropy) 값을 구한 후, 마스크 내의 유효 화소들 중 엔트로피 값이 가장 유사한 픽셀들에 가중치를 주어 필터링하는 알고리즘을 제안한다.
또한 고밀도 잡음 영역에서도 우수한 성능을 나타내기 위해 필터링 마스크의 엔트로피(entropy) 값을 구한 후, 마스크 내의 유효 화소들 중 엔트로피 값이 가장 유사한 픽셀들에 가중치를 주어 필터링하는 알고리즘을 제안한다.
본 논문에서는 엔트로피의 표준 정의를 영상 처리관점에서 이용하였다. 데이터를 필터링 마스크, 정보량을 유효 화소라고 정의하였으며, 이를 이용하여 잡음에 해당하는 픽셀의 값을 유추하는 알고리즘을 제안하였다.
다소 부족한 모습을 보인다. 제안한 알고리즘의 경우 잡음 판단을 거쳐 잡음인 경우에만 필터링을 진행하여 원 화소의 손실을 최소화 하였으며, 필터링 마스크의 엔트로피 값과, 각각의 유효 화소들이 잡음화소를 대체할 경우의 엔트로피 값의 차 중 가장 적은 차이를 나타낸 화소들에 가중치를 부여하여 필터링 하는 방법을 제안하였다.
필터링을 진행하기 전, 두 개의 극값을 가지는 Salt and Pepper 잡음의 특성을 이용하여 잡음 판단을 거친 후 잡음일 경우에만 필터링을 진행하는 알고리즘을 제안한다. 이러한 방법의 경우 유효 화소의 보존율을 높일 뿐만 아니라 정확한 정보를 전달하여 필터링 과정에서 발생하는 블러 현상을 완화시켜 에지 보존에 큰 역할을 한다.

데이터처리

본 논문에서는 Lena, Baboon, Barbara 영상에 무작위로 Salt and Pepper 잡음을 입혀 시뮬레이션을 진행하였으며, 제안한 알고리즘의 우수성을 객관적으로 판단하기 위해 기존의 알고리즘들의 결과들과 비교, 분석하였고 PSNR을 이용하여 정확하게 수치화 하였다.
제안하는 알고리즘의 타당성을 판단하기 위한 방법으로 PSNR(peak signal-to-noise ratio), MSE(mean squared error)[5-6]를 이용하여 결과 영상을 수치화하였으며 기존의 알고리즘과 제안된 알고리즘(PFA : proposed filter algorithm)의 성능을 비교, 분석하였다.
제안한 알고리즘의 다양한 시뮬레이션을 거친 결과, 값이 가장 우수하게 나타난 , 인 결과 값으로 진행하였다. 제안한 알고리즘의 성능을 객관적으로 입증하기 위해 기존 알고리즘으로 처리한 결과와 비교하였으며, 객관적인 판단기준으로 PSNR을 이용하였으며 정확한 수치를 표로 나타내었다. 8비트 그레이 영상에서 MSE 및 PSNR을 구하는 식은 다음과 같다.

이론/모형

해당 연구에서 8비트 그레이 영상인 Lena, Baboon, Barbara영상을 이용하여 시뮬레이션을 진행하였다. 제안한 알고리즘의 다양한 시뮬레이션을 거친 결과, 값이 가장 우수하게 나타난 , 인 결과 값으로 진행하였다.

성능/효과

제거되었다고 보기 어렵다. A-TMF의 경우 네 가지 방법들 중 잡음 제거에 가장 미흡한 모습을 보였으며, MF의 경우 A-TMF보다 우수한 성능을 보였지만, MMF와 마찬가지로 고밀도 잡음 영역에서 다소 부족한 성능을 나타내었다. 반면 제안한 알고리즘인 PFA의 경우 저밀도 잡음영역 뿐만 아니라 고밀도 잡음 영역에서도 Salt and Pepper 잡음 제거 성능이나 에지 보존능력이 우수하게 나타내어 원본 영상과 비교하였을 때 가장 유사하게 복원이 되었음을 확인할 수 있다.
PSNR 수치를 나타낸 것이다. MMF의 경우 Baboon과 Barbara 영상에 비해 상대적으로 고주파 성분이 작은 Lena 영상에서 저밀도 잡음 영역 (10~20%)일 때 제안한 알고리즘보다 높은 PSNR 수치를 나타내었다. 하지만 고밀도 잡음 영역(50%)에서 제안한 알고리즘으로 처리한 Lena 영상의 경우 MMF, A-TMF, MF 보다 각각 4.
2[dB] 높게 나타내었다. 따라서 제안한 알고리즘의 경우 전체적으로 기존의 알고리즘들 보다 높은 PSNR 수치를 확인하였다.
A-TMF의 경우 네 가지 방법들 중 잡음 제거에 가장 미흡한 모습을 보였으며, MF의 경우 A-TMF보다 우수한 성능을 보였지만, MMF와 마찬가지로 고밀도 잡음 영역에서 다소 부족한 성능을 나타내었다. 반면 제안한 알고리즘인 PFA의 경우 저밀도 잡음영역 뿐만 아니라 고밀도 잡음 영역에서도 Salt and Pepper 잡음 제거 성능이나 에지 보존능력이 우수하게 나타내어 원본 영상과 비교하였을 때 가장 유사하게 복원이 되었음을 확인할 수 있다.
제안한 알고리즘의 경우 각각의 엔트로피 값을 구하여 비교해야하기 때문에 잡음의 밀도가 높아질수록 연산량이 많아져 알고리즘의 처리 속도가 기존의 필터들에 비해 다소 느려진다는 단점이 존재한다. 하지만 저밀도 잡음 영역과 고밀도 잡음 영역 모두 Salt and Pepper 잡음을 제거하는데 우수한 성능을 보였다.
제안한 알고리즘의 다양한 시뮬레이션을 거친 결과, 값이 가장 우수하게 나타난 , 인 결과 값으로 진행하였다. 제안한 알고리즘의 성능을 객관적으로 입증하기 위해 기존 알고리즘으로 처리한 결과와 비교하였으며, 객관적인 판단기준으로 PSNR을 이용하였으며 정확한 수치를 표로 나타내었다.
MMF의 경우 Baboon과 Barbara 영상에 비해 상대적으로 고주파 성분이 작은 Lena 영상에서 저밀도 잡음 영역 (10~20%)일 때 제안한 알고리즘보다 높은 PSNR 수치를 나타내었다. 하지만 고밀도 잡음 영역(50%)에서 제안한 알고리즘으로 처리한 Lena 영상의 경우 MMF, A-TMF, MF 보다 각각 4.61[dB], 6.96[dB], 6.64[dB] 높았고, Baboon 영상의 경우 1.44[dB], 3.96[dB], 3.88[dB], Barbara 영상의 경우 1.82[dB], 4.26[dB], 4.2[dB] 높게 나타내었다. 따라서 제안한 알고리즘의 경우 전체적으로 기존의 알고리즘들 보다 높은 PSNR 수치를 확인하였다.

후속연구

따라서 제안한 알고리즘의 경우 Salt and Pepper 잡음을 완화시키는 시스템 등에 유용하게 적용될 것이라고 사료된다.

참고문헌 (10)

X. Zhang and Y. Xiong, "Impulse Noise Removal Using Directional Difference Based Noise Detector and Adaptive Weighted Mean Filter," IEEE Signal Processing Letters, vol. 16, no. 4, pp. 295-298, Feb. 2009.

상세보기
B. W. Cheon and N. H. Kim, "Random Impulse Noise Removal Filter using Modified Median Filter," in Conference on Informational and Communication Engineering, Busan, Korea, 2019.
O. Green, "Efficient Scalable Median Filtering Using Histogram-Based Operations," IEEE Transactions on Image Processing, vol. 27, no.5, pp. 2217-2228, Dec. 2017.

상세보기
S. W. Hong and N. H. Kim, "A Study on Median Filter using Directional Mask in Salt & Pepper Noise Environments," Journal of the Korea Institute of Information and Communication Engineering, vol. 19, no. 1, pp. 230-236, Jan. 2015.

원문보기 상세보기
P. E. Ng and K. K. Ma, "A Switching Median Filter With Boundary Discriminative Noise Detection for Extremely Corrupted Images," IEEE Transactions on Image Processing, vol. 15, no. 6, pp. 1506-1516, Jun. 2006.

상세보기
S. I. Kwon and N. H. Kim, "Nonlinear Composite Filter for Gaussian and Impulse Noise Removal," Journal of the Korea Institute of Information and Communication Engineering, vol. 21, no. 3, pp. 629-635, Mar. 2017.

원문보기 상세보기
L. Dong, L. Yang and C. Liang, "Image Filter Method Based On Maximal Entropy Principle," in International Conference on Computer and Information Application, Tianjin, China, 2010.
M. K. Quweider, "Color Image Segmentation with an Entropy-based Cost Function," in 2010 3rd International Congress on Image and Signal Processing, Yantai, Cina, 2010.
C. I. Chang, Y. Du, J. Wang, S. M. Guo, and P. D. Thouin, "Survey and comparative analysis of entropy and relative entropy thresholding techniques," IEE Proceeding - Vision, Image and Signal Processing, vol. 153, no. 6, pp. 837-850, Dec. 2006.

상세보기
M. Cholewa, "Shannon Information Entropy as Complexity Metric of Source Code," in International Conference on Mixed Design of Integrated Circuits and System, Bydgoszcz, Poland, 2017.

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