• 한국음향학회지
• /
• 제19권4호
• /
• pp.3-15
• /
• 2000

본 논문은 웨이블렛 영역에서 신호성분을 보존하면서 첨부된 잡음성분을 제거할 수 있는 새로운 잡음제거 필터를 제시한다. 적응적 웨이블렛 수축(AWS) 필터라 불리는 제안된 필터는 웨이블렛 제거기와 적응적 수축기의 두 개 연산기로 구성되어 있으며 각각의 연산기는 웨이블렛 계수의 국부적 통계성을 이용하여 적응적으로 추정되는 threshold에 의존하여 선택되는데 웨이블렛 제거기는 threshold보다 작은 웨이블렛 계수들을 0으로 대신하여 웨이블렛 영역에서 잡음을 제거하게 된다. 또한 적응적 수축기는 threshold보다 큰 계수들을 적응적으로 수축하여 신호성분을 보존하면서 잡음성분을 줄이게 된다. 실험 결과, 제안된 필터는 기존의 방법들보다 잡음을 제거하면서 신호성분을 보존하는데 더욱 효과적임을 보여준다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.303-307
• /
• 2002

Although Synthetic Aperture Radar(SAR) is a very powerful and attractive tool, automatic interpretation of SAR images is extremely difficult because of several reason. Spatially, speckle noise reduction in SAR images is important step to interpret the SAR image at the preprocessing step. The speckle noise in SAR images is modeled to be multiplicative, and therefore, a signal-dependent noise. So, it has deflated many image-denoising algorithms that are based on additive noise model. In this paper, we propose an adaptive wavelet shrinkage method for speckle noise reduction in SAR images by analyzing the high frequency level in detail. We first decompose minutely the high frequency level to analyze the noise level. And then, we determine the weighting threshold value per the level, and layer. Finally, using those weighting threshold, we produce the efficient wavelet shrinkage method. So, this method not only reduces the speckle noise, but also preserves image detail and sharpness.

• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.311-330
• /
• 2023

The present work describes simulation studies to compare the performances in terms of averaged mean squared error of bayesian wavelet shrinkage methods in estimating component curves from aggregated functional data. Five bayesian methods available in the literature were considered to be compared in the studies: The shrinkage rule under logistic prior, shrinkage rule under beta prior, large posterior mode (LPM) method, amplitude-scale invariant Bayes estimator (ABE) and Bayesian adaptive multiresolution smoother (BAMS). The so called Donoho-Johnstone test functions, logit and SpaHet functions were considered as component functions and the scenarios were defined according to different values of sample size and signal to noise ratio in the datasets. It was observed that the signal to noise ratio of the data had impact on the performances of the methods. An application of the methodology and the results to the tecator dataset is also done.

• Communications for Statistical Applications and Methods
• /
• 제5권3호
• /
• pp.895-904
• /
• 1998

Two stage shrinkage testimator is a kind of adaptive estimators based on a test on an initial estimate of parameter. Since weighing factor plays an important roll in assessing the properties of testimator, its choice is extremely crucial in two stage testimation. Adke, Waikar and Schuurmann(1987) proposed a testimator for the mean of an exponential distribution defined with their own weighing factor. Two alternative testimators obtained using changed weighing factors are presented, and their Mean squared error(MSE) formulae are provided in this paper. Their properties are compared with those of existing one by means of MSE.

• 대한전자공학회논문지SP
• /
• 제46권6호
• /
• pp.112-122
• /
• 2009

본 논문에서는 베이글릿-웨이블릿 분석(vaguelette-wavelet decomposition; VWD)을 이용한 공간-주파수 적응적 영상복원 알고리듬을 제안한다. 제안한 알고리듬은 웨이블릿 계수의 공간적 정보를 이용하여 평탄 영역과 에지 영역을 분리하고, 적응적 웨이블릿 계수축소(wavelet shrinkage)를 통해 잡음 성분을 억제한다. 뿐만 아니라, 에지 영역에서는 엔트로피(entropy)를 적용 하여 웨이블릿 부대역의 잡음 성분을 추정하고, 부대역 간의 상관관계를 이용하여 잡음 성분을 억제한다. 이렇게 억제된 웨이블릿 계수의 베이글릿 역변환을 통해 영상을 복원 할 수 있다. 제안한 알고리듬에 사용되는 베이글릿 함수는 잡음을 추정 및 억제 할 수 있을 뿐만 아니라 세밀한 에지 성분의 보존이 가능하도록 변형을 한다. 실험결과에서는 제안한 알고리듬이 잡음에 강건하고, 세밀한 에지 성분을 보전하면서 효과적으로 열화된 영상을 복원할 수 있음을 보여준다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.305-312
• /
• 2023

기포 크기 분포를 음파 감쇄 손실을 이용하여 역산하기 위해 Physics-Informed Neural Network(PINN)을 사용하였다. 역산에 사용되는 선형시스템을 풀기 위해 이미지 처리 분야에서 선형시스템 문제를 해결한 Adaptive Learned Iterative Shrinkage Thresholding Algorithm(Ada-LISTA)를 PINN의 신경망 구조로 이용하였다. 더 나아가, PINN의 손실함수에 선형시스템 기반의 정규항을 포함함으로써 PINN의 해가 기포 물리 법칙을 만족하여 더 높은 일반화 성능을 가지도록 하였다. 그리고 기포 추정값의 불확실성을 계산하기 위해 딥앙상블 기법을 이용하였다. 서로 다른 초기값을 갖는 20개의 Ada-LISTA는 같은 훈련데이터를 이용하여 학습되었다. 이 후 테스트시 훈련데이터와 다른 경향의 감쇄 손실을 입력으로 사용하여 기포 크기 분포를 추정하였고, 추정값과 이에 대한 불확실성을 20개 추정값의 평균과 분산으로 각각 구하였다. 그 결과 딥앙상블이 적용된 Ada-LISTA는 기존 볼록 최적화 기법인 CVX보다 기포 크기 분포를 역산하는데 더 우수한 성능을 보였다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.909-922
• /
• 2019

벌점화 추정 기법 중 adaptive LASSO 방법은 모형 선택과 모수 추정을 동시에 할 수 있는 유명한 방법으로 이미 정상 자기회귀모형에서 연구된 적이 있다. 본 논문에서는 이를 확장하여 확률보행과정과 같은 비정상 자기회귀모형에서 adaptive LASSO 추정량이 갖는 성질을 모의실험을 통해 연구하였다. 다만 비정상 자기회귀모형에서는 단위근의 존재 여부를 판단하는 것과 모형의 차수를 선택하는 것이 가장 중요하므로, 이를 위해 원 자기회귀모형이 아닌 ADF 검정에서 고려하는 회귀모형으로 변환하여 adaptive LASSO를 적용하였다. 일반적으로 Adaptive LASSO를 적용할 때 조절모수의 선택이 가장 중요한 문제이며, 본 논문에서는 교차검증, AIC, BIC 세 가지 방법을 이용하여 조절모수를 선택하였다. 모의실험 결과를 보면, 이 중에서 BIC가 최소가 되도록 선택한 조절모수에 대응되는 adaptive LASSO 추정량이 단위근의 존재 여부를 잘 판단할 뿐만 아니라 자기회귀모형의 차수 또한 비교적 정확하게 선택함을 확인할 수 있다.

• 융합신호처리학회논문지
• /
• 제5권4호
• /
• pp.271-280
• /
• 2004

본 논문에서는 반복적 영상복원과정에서 자주 등장하는 경계관련 오류와 물체관련 오류를 효과적으로 제거하기 위한 새로운 반복적 영상복원방법을 제안하고자 한다. 제안한 방법은 반복과정내부에 웨이블렛 축소법을 이용한 변형된 CGM(Conjugate Gradient Method)을 이용하였다. 제안한 방법은 CGM과 같은 빠른 복원과 함께 웨이블렛 축소법에 의한 적응적인 잡음제거와 오류제거를 동시에 제공한다. 효과적인 잡음제거와 오류제거를 동시에 얻기 위해 웨이블렛 축소는 위치에 따라 변하는 웨이블렛 축소규칙을 사용하였다. 기존의 반복적 영상복원 알고리즘인 LR(Lucy-Richardson), CGM과의 비교실험을 통해 제한한 방법이 LR에 비교해서는 전체적으로 향상된 복원과 물체관련오류가 거의 없다는 측면, 그리고 CGM과의 비교에서는 물체 및 경계 관련오류가 거의 없다는 측면에서 기존의 방법에 비해 우수하다는 것을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 추계학술대회논문집
• /
• pp.969-974
• /
• 2007

In this paper, a beamforming technique is introduced to measure the acoustic impedance at both normal and oblique incidence in a free field. The acoustic impedance is obtained by separating incident and reflected signals using the adaptive nulling method which is one of the various beamforming algorithms. To obtain better results, pressure vector commonly used in array signal processing is replaced with the transfer function vector between each microphone and the white Gaussian noise is suppressed by a wavelet shrinkage technique. The experiments conducted in a semi-anechoic room show that the proposed method is efficient and accurate in measuring the acoustic impedance of sound absorbing materials under a free field condition.

• 응용통계연구
• /
• 제25권5호
• /
• pp.829-835
• /
• 2012

When the input features are generated by factors in a classification problem, it is more meaningful to identify important factors, rather than individual features. The $F_{\infty}$-norm support vector machine(SVM) has been developed to perform automatic factor selection in classification. However, the $F_{\infty}$-norm SVM may suffer from estimation inefficiency and model selection inconsistency because it applies the same amount of shrinkage to each factor without assessing its relative importance. To overcome such a limitation, we propose the adaptive $F_{\infty}$-norm ($AF_{\infty}$-norm) SVM, which penalizes the empirical hinge loss by the sum of the adaptively weighted factor-wise $L_{\infty}$-norm penalty. The $AF_{\infty}$-norm SVM computes the weights by the 2-norm SVM estimator and can be formulated as a linear programming(LP) problem which is similar to the one of the $F_{\infty}$-norm SVM. The simulation studies show that the proposed $AF_{\infty}$-norm SVM improves upon the $F_{\infty}$-norm SVM in terms of classification accuracy and factor selection performance.