• 천문학회보
• /
• 제44권1호
• /
• pp.54.2-54.2
• /
• 2019

Removing noise which occurs inevitably when taking image data has been a big concern. There is a way to raise signal-to-noise ratio and it is regarded as the only way, image stacking. Image stacking is averaging or just adding all pixel values of multiple pictures taken of a specific area. Its performance and reliability are unquestioned, but its weaknesses are also evident. Object with fast proper motion can be vanished, and most of all, it takes too long time. So if we can handle single shot image well and achieve similar performance, we can overcome those weaknesses. Recent developments in deep learning have enabled things that were not possible with former algorithm-based programming. One of the things is generating data with more information from data with less information. As a part of that, we reproduced stacked image from single shot image using a kind of deep learning, conditional generative adversarial network (cGAN). r-band camcol2 south data were used from SDSS Stripe 82 data. From all fields, image data which is stacked with only 22 individual images and, as a pair of stacked image, single pass data which were included in all stacked image were used. All used fields are cut in $128{\times}128$ pixel size, so total number of image is 17930. 14234 pairs of all images were used for training cGAN and 3696 pairs were used for verify the result. As a result, RMS error of pixel values between generated data from the best condition and target data were $7.67{\times}10^{-4}$ compared to original input data, $1.24{\times}10^{-3}$. We also applied to a few test galaxy images and generated images were similar to stacked images qualitatively compared to other de-noising methods. In addition, with photometry, The number count of stacked-cGAN matched sources is larger than that of single pass-stacked one, especially for fainter objects. Also, magnitude completeness became better in fainter objects. With this work, it is possible to observe reliably 1 magnitude fainter object.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.779-781
• /
• 2013

다양한 멀티미디어 서비스에 대한 요구가 증가됨에 따라, 영상을 정보전달의 수단으로 사용하기 위한 기술들이 급격히 발전하고 있다. 영상에 첨가되는 여러 가지 잡음을 제거하기 위해, 평균 필터, 메디안 필터, 가중치 필터 방법 등이 제안되었으나 기존의 방법들은 잡음제거 및 에지 보존 성능이 미흡하다. 따라서 본 논문에서는 영상에 첨가되는 복합잡음을 효과적으로 제거하기 위해 먼저 잡음을 판단한 후, 변형된 메디안 필터와 적응 가중치 평균 필터를 이용하여 처리하는 알고리즘을 제안하였다. 그리고 시뮬레이션을 통해 기존의 방법들과 비교하였으며 판단의 기준으로 PSNR(peak signal to noise ratio)을 사용하였다.

• 융합신호처리학회논문지
• /
• 제11권2호
• /
• pp.151-156
• /
• 2010

본 논문은 방향성을 고려한 영상 분해에 의해 개선된 시그마 필터의 영상 잡음 제거에 관한 연구이다. 기존의 시그마 필터는 계산의 복잡도 측면과 필터링의 정확도 면에서 좋은 결과를 보여 왔다. 그러나 시그마 필터는 높은 수준의 노이즈에서 작은 에지성분을 살리지 못하는 단점이 있다. 따라서 본 논문에서는 기존의 개선된 시그마 필터를 변형하여 새로운 방법을 제안한다. 제안된 알고리즘은 먼저 입력 영상을 수평, 수직 방향의 특성과 대각선 방향의 특성을 지닌 두 가지의 구성요소로 분해한 다음 분해된 2개의 구성요소에 대하여 HPF와 LPF를 적용한다. 적용 후 각각 독립적으로 기존의 시그마 필터로 필터링하여 출력 영상을 재구성함으로서 영상에 존재하는 잡음을 제거하고 영상의 에지성분에 대한 보존 특성을 강화시킨다. 실험에서의 비교 결과, 제안된 알고리즘의 PSNR이 시그마 필터에 비해 평균적으로 2.6dB, 개선된 시그마 필터에 비해 0.5dB 더 우수함을 확인하였고 비교적 큰 노이즈가 첨가되었을 때 기존의 두 필터보다 제안된 알고리즘이 훨씬 더 좋은 성능을 보였다.

• Investigative Magnetic Resonance Imaging
• /
• 제20권4호
• /
• pp.215-223
• /
• 2016

Purpose: The management of metal-induced field inhomogeneities is one of the major concerns of distortion-free magnetic resonance images near metallic implants. The recently proposed method called "Slice Encoding for Metal Artifact Correction (SEMAC)" is an effective spin echo pulse sequence of magnetic resonance imaging (MRI) near metallic implants. However, as SEMAC uses the noisy resolved data elements, SEMAC images can have a major problem for improving the signal-to-noise ratio (SNR) without compromising the correction of metal artifacts. To address that issue, this paper presents a novel reconstruction technique for providing an improvement of the SNR in SEMAC images without sacrificing the correction of metal artifacts. Materials and Methods: Low-rank approximation in each coil image is first performed to suppress the noise in the slice direction, because the signal is highly correlated between SEMAC-encoded slices. Secondly, SEMAC images are reconstructed by the best linear unbiased estimator (BLUE), also known as Gauss-Markov or weighted least squares. Noise levels and correlation in the receiver channels are considered for the sake of SNR optimization. To this end, since distorted excitation profiles are sparse, $l_1$ minimization performs well in recovering the sparse distorted excitation profiles and the sparse modeling of our approach offers excellent correction of metal-induced distortions. Results: Three images reconstructed using SEMAC, SEMAC with the conventional two-step noise reduction, and the proposed image denoising for metal MRI exploiting sparsity and low rank approximation algorithm were compared. The proposed algorithm outperformed two methods and produced 119% SNR better than SEMAC and 89% SNR better than SEMAC with the conventional two-step noise reduction. Conclusion: We successfully demonstrated that the proposed, novel algorithm for SEMAC, if compared with conventional de-noising methods, substantially improves SNR and reduces artifacts.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 춘계학술대회
• /
• pp.877-879
• /
• 2013

통신 기술을 기반으로한 현대 사회에서 디지털 TV 등 영상장치가 대중화되고 있다. 그러나 전송, 저장, 획득하는 과정에서, 시스템 내 외부적인 원인으로 영상은 잡음에 의해 훼손된다. 따라서 잡음제거 기술의 중요성이 커지고 있으며, 잡음제거를 위한 연구가 활발하게 이루어지고 있다. 본 논문에서는 영상에 첨가되는 AWGN(additive white Gaussian noise)을 제거하기 위하여, 추정한 잡음분산과 마스크 내의 차이를 고려한 가중치 필터 알고리즘을 제안하였다. 그리고 PSNR(peak signal to noise ratio)을 사용하여 제안한 알고리즘의 우수성을 나타내었다.

• 대한전자공학회논문지SP
• /
• 제44권1호
• /
• pp.76-84
• /
• 2007

본 논문에서는 워터마크 예측과 LDPC 코드를 이용하여 워터마크의 성능을 향상시키는 알고리듬을 제안한다. 워터마크 추출의 경우 삽입된 워터마크의 파워(power)가 원본 영상의 파워에 비해 아주 작기 때문에 워터마크의 추출 성능을 높이기 위해서는 워터마크의 예측이 필수적이다. 본 논문에서는 웨이블릿 영역에서 잡음 제거 필터를 사용하여 워터마크의 예측을 수행하였다. 이렇게 예측된 워터마크에 에러가 발생할 경우 LDPC 코드를 사용하여 수정하였다. 에러 수정 시 삽입된 워터마크의 통계적인 특성을 사용하여 기존의 LDPC 코드의 성능보다 우수한 실험 결과를 도출하였다.

• 핵의학기술
• /
• 제13권1호
• /
• pp.57-62
• /
• 2009

목적 : 기존의 fan-beam을 이용한 triple detector system에서 parallel collimator를 이용한 dual detector system으로 변화에 있어 acquisition과 processing 부분에서 발생할 수 있는 여러 가지의 변수를 phantom과 volunteer test를 통하여 실험해 보았다. 1 day protocol brain spect를 위하여 parallel collimator에서만 적용되는 OSEM2D와 OSEM3D의 비교 분석을 중점으로 하였고, 모든 연구는 동등한 검사시간으로 fan-beam을 사용하였던 Triple gamma camera보다 parallel을 사용한 dual camera에서 보다 우수한 영상을 구현하고자 하는 목표를 지향하였다. 실험재료 및 방법 : Normal time scan과 short time scan을 실시하였고, collimator 변화에 따른 영상의 변화도 알아보았다. Jaczack performance phantom과 Body IEC phantom을 이용하여 SNR과 contrast를 평가해보았고 Hoffman 3D phantom의 실험을 거쳐 volunteer test를 실시하였다. 결과 : Normal time과 short time의 비교에서는 FLASH3D를 제외한 OSEM2D와 FBP는 분석방법으로 부적합하였다. LEAP는 resolution과 sharpness 등 전체적인 영상의 질이 기존의 fan-beam을 이용한 영상과 유사하였고, LEUHR은 감도의 저하로 1 day protocol을 적용하기 위한 scan time에는 부적합하였다. 재구성법의 비교에서는 Flash-3D를 이용한 결과들이 기존의 FBP와 OSEM-2D보다 월등히 정확함을 정성적으로 확인하였다. 결론 : OSEM3D 재구성법으로 Dual detector system에서의 1 day protocol brain SPECT 시 Fan-beam보다 sensitivity가 떨어지는 parallel collimator의 단점을 보완하면서 영상의 질 또한 de-noising과 scatter correction, resolution recovery 등의 효과를 얻을 수 있으므로 1 day protocol brain SPECT의 검사의 적용에 유용할 것으로 사료된다. 그러나 이러한 half-time method라 제공되는 다양한 프로그램의 임상적용에 대한 광범 위한 연구가 현실적으로 필요하며 향후 계속적인 연구가 기대되는 바이다.