• 전기의세계
• /
• v.41 no.1
• /
• pp.23-34
• /
• 1992

일반적으로 전자파 노이즈는 발생원인에 따라 2가지로 대별되는데, 태양 노이즈와 낙뢰 등으로 대표되는 자연노이즈(Natural Noise)와 통신, 방송, 전자기기 등과 같은 인공노이즈(Man-Made Noise)가 있다. 인공노이즈는 다시 의도성노이즈(Intentional Noise)와 비의도성노이즈(Unintentional Noise)로 분류된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2009.11a
• /
• pp.179-181
• /
• 2009

In this paper, we propose an adaptive noise detection and modified Gaussian removal algorithm using local statistics for impulse noise. In order to determine constraints for noise detection, the local mean, variance, and maximum values are used. In addition, a modified Gaussian filter that integrates the tuning parameter to remove the detected noises. Experimental results show that our method is significantly better than a number of existing techniques in terms of image restoration and noise detection.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.494-498
• /
• 2006

본 논문은 이미지코드의 전처리 단계에서 노이즈 제거시 방향성을 다르게 하였을 때 그 노이즈 제거율을 높일 수 있는 방법을 제시하였다. 이미지코드에서 전처리단계는 코드를 인식을 결정하는 중요한 단계로서 원할한 서비스와 인식률을 높이기 위해서는 그 성능을 높일 필요가 있다. 기존에 제시되었던 단방향성을 가지는 노이제 제거 방식에서는 주변영역과 연결된 부분을 노이즈로 인식한다는데 있어서는 동일하지만 방향성을 가진 특성상 노이즈를 제거할 수 없는 부분이 있다는데서 착안되었다. 제시된 나선형 및 양방형 성 마스킹 방식을 가지고 노이즈 제거시 단방향으로는 제거할 수 없었던 부분의 제거율을 상당히 높일 수 있었고, 전처리 단계에서의 인식률도 높일 수 있게 되었다. 실험을 통해 제거된 노이즈의 픽셀을 단방향성, 나선형, 양방향성, 방식을 각각 비교 평가하였다. 단방향성 노이즈 제거방식에서는 노이즈 마스크가 방향성을 가지기 때문에 노이즈를 제거할 수 없는 부분이 있지만, 제안된 양방향성, 나선형 노이즈 마스크를 사용하면 단방향성보다 향상된 노이즈 제거율을 볼 수 있었다.

• Journal of the Korea Computer Graphics Society
• /
• v.27 no.5
• /
• pp.45-54
• /
• 2021

Recently, deep learning-based denoising approaches have been actively studied. In particular, with the advances of blind denoising techniques, it become possible to train a deep learning-based denoising model only with noisy images in an image domain where it is impossible to obtain a clean image. We no longer require pairs of a clean image and a noisy image to obtain a restored clean image from the observation. However, it is difficult to recover the target using a deep learning-based denoising model trained by only noisy images if the distribution of the noisy image is far from the distribution of the clean image. To address this limitation, unpaired image denoising approaches have recently been studied that can learn the denoising model from unpaired data of the noisy image and the clean image. ISCL showed comparable performance close to that of supervised learning-based models based on pairs of clean and noisy images. In this study, we propose suitable normalization techniques for each purpose of architectures (e.g., generator, discriminator, and extractor) of ISCL. We demonstrate that the proposed method outperforms state-of-the-art unpaired image denoising approaches including ISCL.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.805-807
• /
• 2004

본 논문에서는 노이즈 모델에 기반한 훼손된 얼굴 영상의 인증하는 방법을 제안한다. 제안된 방법은 먼저 학습 단계에서 노이즈 파라미터의 변화에 의해 훼손된 영상을 생성한다. 그 훼손된 영상과 노이즈 파라미터는 PCA에 의해 훼손된 영상과 노이즈 파라미터들의 선형 조합으로 표현된다. 테스트 단계에서는 훼손된 영상으로 LSM(Least-square minimization)방법을 적용하여 훼손된 영상의 노이즌 파라미터를 추정한다. 그리고 추정된 노이즈 파라미터를 가지고 원본 영상으로부터 합성된 영상을 생성하고, 그것을 테스트 영상과 인증한다. 실험 결과는 제안된 방법이 노이즈 파라미터를 정확하게 추정하여 얼굴 인증의 성능 개선 가능성을 보여준다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.06a
• /
• pp.226-229
• /
• 2014

본 논문은 효과적인 열화영상의 복원을 위해 Multiresolution Bilateral Filter (MBF) 기반의 구간적 노이즈 분석을 제안한다. 기존의 MBF 알고리즘은 최적화되지 않은 노이즈 추정 값을 중첩적으로 사용하다보니 over smoothing 현상이 발생되는 결과가 도출되기도 하였다. 이에 따른 보완점으로 열화영상 내 전체 화소를 일정한 블록 단위의 영역으로 나누어, 영상특성을 최대한 보존하며 노이즈제거를 진행하기 위해 블록 단위의 영역 내에서 노이즈 추정을 위한 파라미터를 추가한다. 실험을 통해 제안된 알고리즘이 노이즈 추정을 수행하여 얻어진 노이즈의 분산 값을 보다 정확히 추정하였고, 이로 인하여 향상된 노이즈 제거 영상 획득이 가능함을 확인할 수 있었다.

• Proceedings of the Korea Electromagnetic Engineering Society Conference
• /
• 2002.11a
• /
• pp.63-68
• /
• 2002

본 논문에서는 관통형 고주파 노이즈 필터(noise filter)를 설계하고, 제작하였다. 분포정수형(distributed constant type) 노이즈 필터는 세라믹 다층 구조(multi-layer)를 가지며, 기존의 노이즈 억압 방법인 칩 페라이트 비드, 3단자 커패시터 그리고 집중 정수형(lumped constant type) 노이즈 필터에 비해 신호의 왜곡이 적고, 고주파 노이즈 억압특성이 우수하다. 본 논문에서는 기존의 분포정수형 노이즈 필터에 관통형 via-hole을 삽입하는 새로운 구조를 제안하였다. 제작된 노이즈 필터는 100MHz의 차단 주파수, 700MHz~1700MHz에서 20㏈이상의 감쇠 특성을 나타내었다. 또한, 기존의 노이즈 필터의 단점인 방향성 덴 공정에 대한 민감도를 개선시킴으로써 양산성이 향상되었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.171-174
• /
• 2006

기존에 사용되고 있는 노이즈 제거 필터인 평균값 필터, 중간값 필터 등의 필터를 이용하여 노이즈 포함 영상을 복원할 경우, 몽롱화 현상이 발생하게 되며 이러한 몽롱화 현상은 마스크의 크기가 달라짐에 따라서 심해지는 경향을 보인다. 본 논문은 노이즈가 포함된 입력 영상의 픽셀 주변 환경에 기반하여 점증적으로 노이즈를 제거하여 입력영상을 변환 시켜, 몽롱화의 현상을 줄이고, 정보의 추출이 용이하도록 영상을 복원하는 점증적 노이즈 제거 필터를 제안한다. 또한 노이즈에 의해서 훼손된 입력 영상의 복원을 통하여 제안된 노이즈 제거 필터의 효용성을 보인다.

• Journal of the Korean Society of Radiology
• /
• v.18 no.2
• /
• pp.93-99
• /
• 2024

The digital medical imaging, especially, computed tomography (CT), should necessarily be considered in terms of noise distribution caused by converting to X-ray photon to digital imaging signal. Recently, the denoising technique based on deep learning architecture is increasingly used in the medical imaging field. Here, we evaluated noise reduction effect according to various noise types based on the U-net deep learning model in the lung CT images. The input data for deep learning was generated by applying Gaussian noise, Poisson noise, salt and pepper noise and speckle noise from the ground truth (GT) image. In particular, two types of Gaussian noise input data were applied with standard deviation values of 30 and 50. There are applied hyper-parameters, which were Adam as optimizer function, 100 as epochs, and 0.0001 as learning rate, respectively. To analyze the quantitative values, the mean square error (MSE), the peak signal to noise ratio (PSNR) and coefficient of variation (COV) were calculated. According to the results, it was confirmed that the U-net model was effective for noise reduction all of the set conditions in this study. Especially, it showed the best performance in Gaussian noise.

• Journal of IKEEE
• /
• v.18 no.4
• /
• pp.523-531
• /
• 2014

In this paper, a fast single image blind denoising algorithm is presented, where noise parameters are estimated by local statistics of an observed degraded image without a prior information about the additive noise. The estimated noise parameters are used to define the constraints on the noise detection which is coupled with the 1st-order Markov Random Field. In addition, an adaptive modified weighted Gaussian filter is introduced, where variable window sizes and weighting coefficients defined by the constraints are used to control the degree of the smoothness of the reconstructed image. The experimental results demonstrate the capability of the proposed algorithm. Please put the abstract of paper here.