• 감성과학
• /
• 제7권2호
• /
• pp.141-148
• /
• 2004

일상생활의 대화중에 포함되는 잡음, 특히 모든 주파수 대역에 포함되는 백색잡음에 의해 오염된 음성신호는 청각적으로 심한 불쾌감과 거부감을 주며 대화의 명료성을 저해시키는 요인으로 작용할 수 있다. 본 논문은 이러한 잡음환경 하에서 음성인식을 위하여 음성에 부가된 잡음을 제거하는 방범으로 프레임 단위로 웨이브렛 변환을 하여 웨이브렛 계수의 표준편차를 이용하여 시간 적응 임계값을 정하는 새로운 방법을 제안한다. 음성의 특성을 고려하기 위하여 고주파 성분을 많이 가지는 무성음의 경우는 cD1 신호에서, 저주파 성분을 많이 가지는 유성음의 경우는 cA3 신호의 표준편차를 이용하여 시간 적응 임계값을 설정하였다. 실험을 통해 제안한 방법이 일반적인 웨이브렛 변환과 웨이브렛 패킷 변환을 이용한 방법보다 SNR과 MSE 측면에서 향상됨을 확인할 수 있었다. 또한 웨이브렛 변환과 웨이브렛 패킷 변환에서는 파열음, 마찰음 및 파찰음 성분이 많이 제거되는 반면 제안한 방법은 본래 신호와 유사하게 복원됨을 실험 결과 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1103-1108
• /
• 2023

본 논문에서는 음향신호의 배경잡음을 감쇠하기 위한 새로운 알고리즘을 제안한다. 이 알고리즘은 이산 웨이블릿 변환(DWT: Discrete Wavelet Transform) 후 기존의 적응필터를 대신 FNN(: Full-connected Neural Network) 심층학습 알고리즘을 이용하여 잡음감쇠 성능을 개선하였다. 입력신호를 단시간 구간별로 웨이블릿 변환한 다음 1024-1024-512-neuron FNN 딥러닝 모델을 이용하여 잡음이 포함된 단일입력 음성신호로부터 잡음을 제거한다. 이는 시간영역 음성신호를 잡음특성이 잘 표현되도록 시간-주파수영역으로 변환하고 변환 파라미터에 대해 순수 음성신호의 변환 파라미터를 이용한 지도학습을 통하여 잡음환경에서 효과적으로 음성을 예측한다. 본 연구에서 제안한 잡음감쇠시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 모의실험을 수행하였다. 실험 결과, 제안한 심층학습 알고리즘을 사용하면 기존의 적응필터를 사용하는 경우보다 30%, STFT(: Short-Time Fourier Transform) 변환을 사용하는 경우보다는 20%의 평균자승오차(MSE: Mean Square Error) 개선효과를 얻을 수 있었다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.359-366
• /
• 2018

본 논문은 FBG센서를 항공기 날개 내부에 설치한 CTLS항공기를 이용하여 데이터를 받아 잡음제거를 수행하였다. 잡음제거를 위하여 이동불변의 특성을 지닌 정상 웨이블릿 변환 기법을 제시하였다. CTLS와 같이 복합재 내부에 FBG센서를 설치하게 될 경우 접착제 층 사이에 크고 작은 빈공간과 미 접착부분이 생기게 되고, 신호갈라짐 (split problem) 현상이 발생하게 된다. FBG센서 자체가 전자기적 잡음에 영향을 받지 않지만 광원이나 광 검출기, 신호처리장치의 경우 전원을 사용하는 전자부품이기 때문에 이러한 전자기파의 영향을 받아 오차가 발생하게 된다. 이렇게 발생한 오차를 실험결과를 통하여 정상 웨이블릿 변환을 이용하여 잡음을 제거하고 보다 정확한 데이터 검출을 할 수 있음을 확인하였다.

• 디지털산업정보학회논문지
• /
• 제4권1호
• /
• pp.47-53
• /
• 2008

Blocking artefact noise is necessarily happened in compressed images using block-coded algorithms such as JPEC compressing algorithm. This noise is more recognizable especially in highly compressed images. In this paper, an algorithm is presented for reduction of blocking artefact noise using block division. Furthermore, we also mention about the median filter which is often used in image processing.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.367-368
• /
• 2007

In this paper, we propose a new de-noising algorithm for 2 dimensional image using discrete wavelet transform. The proposed algorithm consists of edge detection in spatial domain, zero-tree estimation, subband estimation, and shrinkage algorithm. The results from it shows that the denoised image which Is damaged by 20% gaussian noise has 28dB quality for the original one.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.693-698
• /
• 2001

본 논문은 주파수 대역 변환 방법을 사용하여 잡음을 제거하는 방법으로, 웨이블릿 변환의 고주파 성분의 통계적 특성을 활용하여 임계값을 선택하는 새로운 방법을 제안한다. 변환 영역의 각 고주파 성분(HL, LH, HH)에 대한 중앙편차를 이용하여 임계값을 설정함으로서 영상의 통계량의 변화에 대응할 수 있고, 잡음 분산의 크기에 적응할 수 있도록 하였다. 실험 결과 잡음 분산을 추정하거나 데이터의 개수를 이용하는 기존의 방법에 비하여 신호 대 잡음비(PSNR)가 향상되었다.

• 조명전기설비학회논문지
• /
• 제25권5호
• /
• pp.73-78
• /
• 2011

We developed a noise reduction algorithm for the measurement accuracy improvement of a fiber-optic distributed temperaure sensor system. The denoising technique is based on the wavelet transform. The proposed algorithm was applied to a FBG sensor output with the Gaussian line-fitting algorithm to minimize the output noise which originated from the intensity noise of the laser light source and the instability of signal porcessing. We confirmed the feasibility of the denoising algorithm by comparing the measurement results with those obtained with the Gaussian line-fitting algorithm only.

• 한국통신학회논문지
• /
• 제29권7C호
• /
• pp.937-945
• /
• 2004

잡음 제거에 사용되는 이진 결정 모델은 단지 이분적인 구분만을 수행하기 때문에 잡음에 대한 신호의 정확한 비율을 측정하기 어려운 단점이 있다. 이러한 단점을 보완하기 위하여 복잡한 통계 모델 및 다운샘플링이 되지 않은 웨이블릿 변환을 사용하는 것이 일반적이다. 본 논문에서는 잡음 영상에서 잡음의 정도를 측정할 수 있는 다수준 결정 모델을 이용한 잡음 제거 방법을 제안한다. 제안 방법은 잡음에 대한 신호의 비율을 다수준 값의 형태로 계산할 수 있기 때문에 직교 웨이블릿 변환으로 좋은 잡음 제거 성능을 나타낼 수 있다. 모의실험 결과를 통하여 본 논문의 방법이 직교 웨이블릿 변환을 사용한 최신의 잡음 제거 방법보다 PSNR 측면에서 평균적으로 0.ldB 정도 우수한 성능을 나타낸다는 것을 보여준다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.965-968
• /
• 2016

본 논문은 PDF 웨이블릿 변환과 TVG 필터를 이용한 Sonar Image 의 스펙클 노이즈 제거에 관한 연구이다. TVG 필터는 해저면 바닥의 불규칙한 물체를 식별하는데 방해되는 Speckle Noise를 시간적이고 귀납적인 관찰의 결과로 얻어진 Gain 값으로 제거 한다. 실험 결과, 제안된 필터는 Speckle Noise를 약 90% 제거하여 보다 향상된 해저 영상 식별이 가능하다.

• 한국방사선학회논문지
• /
• 제16권3호
• /
• pp.295-302
• /
• 2022

희박뷰 전산화단층촬영(computed tomography; CT) 영상화 기술은 피폭 방사선량을 감소시킬 수 있을 뿐만 아니라 획득한 투영상의 균일성을 유지하고 잡음을 감소시킬 수 있는 장점이 있다. 하지만 재구성 영상 내 인공물 발생으로 인하여 화질 및 피사체 구조가 왜곡되는 단점이 있다. 본 연구에서는 희박뷰 CT 영상의 인공물 감소를 위해 wavelet 변환과 잔차 학습(residual learning)을 적용한 콘볼루션 신경망(convolutional neural network; CNN) 기반 영상화 모델을 개발하고, 개발한 모델을 통한 희박뷰 CT 영상의 인공물 감소 정도를 정량적으로 분석하였다. CNN은 wavelet 변환 층, 콘볼루션 층 및 역 wavelet 변환 층으로 구성하였으며, 희박뷰 CT 영상과 잔차 영상을 각각 입출력 영상으로 설정하여 영상화 모델 학습을 진행하였다. 영상화 모델 학습을 위해 평균제곱오차(mean squared error; MSE)를 손실함수로, Adam 함수를 최적화 함수로 사용하였다. 학습된 모델을 통해 입력 희박뷰 CT 영상에 대한 예측 잔차 영상을 획득하고, 두 영상간의 감산을 통해 최종 결과 영상을 획득하였다. 또한 최종 결과 영상에 대한 시각적 특성, 최대신호대잡음비(peak signal-to- noise ratio; PSNR) 및 구조적유사성지수(structural similarity; SSIM)를 측정하였다. 연구결과 본 연구에서 개발한 영상화 모델을 통해 희박뷰 CT 영상의 인공물이 효과적으로 제거되며, 공간분해능이 향상되는 결과를 확인하였다. 또한 wavelet 변환과 잔차 학습을 미적용한 영상화 모델에 비해 본 연구에서 개발한 영상화 모델은 결과 영상의 PSNR 및 SSIM을 각각 8.18% 및 19.71% 향상시킬 수 있음을 확인하였다. 따라서 본 연구에서 개발한 영상화 모델을 이용하여 희박뷰 CT 영상의 인공물 제거는 물론 공간분해능 향상 및 정량적 정확도 향상 효과를 획득할 수 있다.