최근 다양한 분야에서 디지털 장비의 사용이 증가함에 따라 영상 및 신호처리의 중요성이 높아지고 있다. 하지만 디지털 신호는 송수신 과정에서 많은 종류의 잡음이 발생하며 고장의 원인이 되고 있다. 이러한 이유로 여러 분야에서 잡음 제거를 전처리 과정으로서 필수적으로 행한다. 본 논문은 임펄스 잡음과 AWGN이 혼합된 잡음을 제거하기 위해 잡음 판단을 통해 잡음을 구분하여 잡음 제거를 진행한다. 그리고 잡음 종류에 따라 변형된 가우시안 필터와 방향성 유효 화소를 이용하여 처리하는 알고리즘을 제안하였다. 시뮬레이션 결과 우수한 잡음제거 특성을 나타내었으며, 객관적인 판단을 위해 기존 방법들과 비교하였다.
최근 다양한 분야에서 디지털 장비의 사용이 증가함에 따라 영상 및 신호처리의 중요성이 높아지고 있다. 하지만 디지털 신호는 송수신 과정에서 많은 종류의 잡음이 발생하며 고장의 원인이 되고 있다. 이러한 이유로 여러 분야에서 잡음 제거를 전처리 과정으로서 필수적으로 행한다. 본 논문은 임펄스 잡음과 AWGN이 혼합된 잡음을 제거하기 위해 잡음 판단을 통해 잡음을 구분하여 잡음 제거를 진행한다. 그리고 잡음 종류에 따라 변형된 가우시안 필터와 방향성 유효 화소를 이용하여 처리하는 알고리즘을 제안하였다. 시뮬레이션 결과 우수한 잡음제거 특성을 나타내었으며, 객관적인 판단을 위해 기존 방법들과 비교하였다.
Recently, with the increase in use of digital equipment in various fields, the importance of image and signal processing is increasing. However, many types of noise are generated during transmission and reception of digital signal, causing errors. For this reason, noise removal is mandatorily perfor...
Recently, with the increase in use of digital equipment in various fields, the importance of image and signal processing is increasing. However, many types of noise are generated during transmission and reception of digital signal, causing errors. For this reason, noise removal is mandatorily performed during pre-processing phase in many fields. In the present paper, noise is classified through noise evaluation, and noise removal is performed to remove impulse noise and noise with AWGN-added noise. And, proposed is an algorithm which utilizes modified Gaussian filter and directional effective pixels according to noise type. Simulation results show superior noise-removal characteristics, and for objective evaluation, compared with conventional methods.
Recently, with the increase in use of digital equipment in various fields, the importance of image and signal processing is increasing. However, many types of noise are generated during transmission and reception of digital signal, causing errors. For this reason, noise removal is mandatorily performed during pre-processing phase in many fields. In the present paper, noise is classified through noise evaluation, and noise removal is performed to remove impulse noise and noise with AWGN-added noise. And, proposed is an algorithm which utilizes modified Gaussian filter and directional effective pixels according to noise type. Simulation results show superior noise-removal characteristics, and for objective evaluation, compared with conventional methods.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 복수의 잡음이 존재하는 환경에서 효과적으로 잡음을 제거하기 위해 스위칭 필터 알고리즘을 제안하였다. 그리고 기존 방법과 비교하여 잡음제거 능력을 검토하였다.
본 논문은 S&P 잡음과 AWGN이 혼재된 환경에서 효과적으로 잡음을 제거하는 알고리즘을 제안하였다.
제안 방법
AWGN은 마스크 내부의 S&P 잡음을 제외한 유효 화소만을 대상으로 하여 가우시안 필터링을 진행하였으며, S&P 잡음은 방향성 마스크를 통해 유효 화소를 탐색하여 입력 영상의 추정치를 구하며, 추정치들의 평균을 출력으로 사용하였다.
본 논문에서는 복수의 잡음이 존재하는 환경에서 효과적으로 잡음을 제거하기 위해 스위칭 필터 알고리즘을 제안하였다. 그리고 기존 방법과 비교하여 잡음제거 능력을 검토하였다.
본 논문에서 제안한 알고리즘은 잡음 판단을 통해 잡음의 종류를 판단하여 스위칭 필터를 통해 필터링을 진행하였다. S&P 잡음의 경우 방향성 마스크를 이용하여 잡음을 제거하였으며, S&P 잡음이 아닌 경우 가우시안 필터를 응용하여 잡음을 제거하였다.
제안한 알고리즘은 잡음 판단을 거쳐 AWGN과 S&P 잡음을 구분하여 잡음 제거를 진행하는 스위칭 필터이다.
성능/효과
기존 메디안 필터와 적응 가중치 메디안 필터로 처리한 결과 AWGN의 영향에 의해 잡음 제거가 완벽하게 이루어지지 않은 모습을 확인할 수 있었다. 공간 가중치 필터 역시 S&P 잡음의 영향으로 잡음 제거에 큰 영향을 미쳐 미흡한 결과를 보였다.
반면, 제안한 방법으로 처리한 결과는 S&P 잡음의 영향을 거의 받지 않았으며, 동시에 AWGN 역시 효율적으로 제거하여 기존 방법에 비해 우수한 결과를 확인할 수 있었다.
시뮬레이션 결과 기존 방법들은 두 성분의 잡음이 혼재된 환경에서 미흡한 모습을 보이며 잡음 제거에 다소 부족한 성능을 보였지만, 제안한 알고리즘은 두 가지 잡음 성분에 모두 영향을 받지 않으며 높은 수준의 잡음 제거 능력을 보였으며, 이를 시뮬레이션 결과를 통해 확인할 수 있었다.
후속연구
향후 AWGN 과 S&P 잡음 외에 다양한 잡음 환경을 고려하여 연구를 진행할 예정이다. 제안한 알고리즘은 다양한 잡음 환경에서 운용되는 시스템에 유용하게 적용될 것으로 사료된다.
향후 AWGN 과 S&P 잡음 외에 다양한 잡음 환경을 고려하여 연구를 진행할 예정이다. 제안한 알고리즘은 다양한 잡음 환경에서 운용되는 시스템에 유용하게 적용될 것으로 사료된다.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.