• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.321-324
• /
• 2011

본 논문에서는 contourlet 변환을 이용하여 잡음을 제거하는 방법을 제안한다. 영상 센서의 발전으로 이미지의 해상도가 좋아지는 반면 잡음에 민감해진다. 그러므로 이를 전처리 단계에서 처리해주는 것이 필요하다. 잡음은 주로 자연 영상의 윤곽선에서 민감하게 반응하기 때문에 고주파대의 잡음을 최대한 정확하게 제거하는 과정이 중요하다. Contourlet 변환은 기존의 wavelet 변환의 다중 스케일과 더불어 다양한 방향 필터뱅크를 이용하여 방향 성분에 대하여 풍부한 정보를 얻을 수 있는 변환이다. 영상의 화이트 가우시안 잡음을 제거하기 위해 contourlet 변환 영역에서의 계수를 이변수 가우스 확률 모델로 설정하고 Bayes 추정법을 사용한다. Bayes 추정법에 필요한 파라미터들은 근사적으로 추정한다. 제안한 방식을 통하여 잡음이 제거된 영상에 추가적으로 Wiener filter와 cycle-spinning을 적용하여 더 높은 PSNR (peak signal-to-noise ratio)값을 얻을 수 있다. 모의실험을 통해 제안한 방식의 PSNR 값과 결과영상으로 성능이 우수함을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.298-301
• /
• 2019

이미지 스티칭은 다수의 이미지를 합성하여 카메라의 좁은 시야각(Field of View) 문제를 해결하는 기술이다. 최근 동영상 기반 Panorama, Super Resolution, 360 VR (Virtual Reality) 등의 컨텐츠 사용이 증가함에 따라, 보다 빠르고 정확한 이미지 스티칭 기술의 필요성이 커지고 있다. 지금까지 필요 성능을 만족시키기 위해 많은 알고리즘이 제안되고 있지만, 정확성을 측정하는 객관적 평가 방법은 표준화되지 않고 있다. 최근에서야 PSNR (Peak Signal-to-Noise Ratio) 과 SSIM (Structural Similarity index method) 측정값을 제시하는 방법이 주를 이루고 있지만, 본 논문에서는 PSNR 과 SSIM 측정 방식의 문제점을 밝히고 지역 차분 픽셀 평가 방법을 제안한다. 기하적 유사성과 광도 측정 정보를 포괄하는 LDPM(Local Differential Pixel Mean) 평가 방식을 테스트 이미지를 통해 증명하고 SSIM 과 비교를 통해 해당 평가 방법의 이점을 밝힌다.

• 한국컴퓨터정보학회논문지
• /
• 제28권3호
• /
• pp.25-33
• /
• 2023

CT 영상의 획득 및 전송 등의 과정에서 발생하는 잡음은 영상의 질을 저하시키는 요소로 작용한다. 따라서 이를 해결하기 위한 잡음제거는 영상처리에서 중요한 전처리 과정이다. 본 논문에서는 딥러닝의 convolutional autoencoder (CAE) 모형에서 기존 컨볼루션 연산 대신 deformable 컨볼루션 연산을 적용한 deformable convolutional autoencoder (DeCAE) 모형을 이용하여 잡음을 제거하고자 한다. 여기서 deformable 컨볼루션 연산은 기존 컨볼루션 연산보다 유연한 영역에서 영상의 특징들을 추출할 수 있다. 제안된 DeCAE 모형은 기존 CAE 모형과 같은 인코더-디코더 구조로 되어있으나 효율적인 잡음제거를 위해 인코더는 deformable 컨볼루션 층으로 구성하고, 디코더는 기존 컨볼루션 층으로 구성하였다. 본 논문에서 제안된 DeCAE 모형의 성능 평가를 위해 다양한 잡음, 즉, 가우시안 잡음, 임펄스 잡음 그리고 포아송 잡음에 의해 훼손된 CT 영상을 대상으로 실험하였다. 성능 실험 결과, DeCAE 모형은 전통적인 필터 즉, Mean 필터, Median 필터와 이를 개선한 Bilateral 필터, NL-means 방법 뿐만 아니라 기존의 CAE 모형보다 정성적이고, 정량적인 척도 즉, MAE (Mean Absolute Error), PSNR (Peak Signal-to-Noise Ratio) 그리고 SSIM (Structural Similarity Index Measure) 면에서 우수한 결과를 보였다.

• 전자공학회논문지
• /
• 제51권3호
• /
• pp.112-118
• /
• 2014

디지털 영상 확대를 위한 영상 스케일링은 고품질의 영상이 요구될수록 많은 수행시간 및 하드웨어 자원량이 요구된다. 본 논문에서는 적은 연산량 및 하드웨어 자원으로 고품질 영상을 생성하는 이중 선형-3차회선 보간법을 제안한다. 제안한 보간법은 4번의 선형 보간법과 1번의 3차회선 보간법으로 이루어진 선형-3차회선 보간법을 수평방향과 수직방향으로 각각 수행하는 구조이다. 실험결과, 제안하는 보간법은 PSNR과 수행시간 및 하드웨어 자원량 측면에서 비교했을 때, 적은 연산량 및 하드웨어 자원으로 양 3차회선 보간법보다 우수한 PSNR을 제공했다.

• Journal of information and communication convergence engineering
• /
• 제9권6호
• /
• pp.763-768
• /
• 2011

Image denoising is a lively research field. Today the researches are focus on the wavelet domain especially using wavelet threshold method. We proposed an adaptive threshold method which considering the characteristic of different sub-band, the method is adaptive to each sub-band. Experiment results show that the proposed method extracts white Gaussian noise from original signals in each step scale and eliminates the noise effectively. In addition, the method also preserves the detail information of the original image, obtaining superior quality image with higher peak signal to noise ratio(PSNR).

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.86-89
• /
• 2015

자동노출제어장치 (AEC : Auto Exposure Control)를 사용하는 경우와 사용하지 않았을 경우, 관전압과 관전류 설정에 따른 영상의 정량적인 평가를 통하여 최적의 영상을 찾고자 한다. 이를 통해 AEC 사용유무 및 촬영조건의 조절과 영상간의 관계를 파악하여, DR의 올바른 사용방법을 제안하고자 한다. 흉부팬텀으로 조건변화에 따른 Chest PA 영상을 획득한 뒤 영상평가인자인 신호 대 잡음비 (SNR), 대조도 대 잡음비 (CNR), 최대신호 대 잡음비 (PSNR), 평균 제곱근 (RMS)을 이용하여 영상평가를 실시한다. 관전압이 감소, 관전류가 증가함에 따라 SNR, CNR, PSNR은 증가하는 경향을 보였으며, RMS는 감소하는 경향을 나타내었다. 또한 고관전압, 저관전류 영역에서는 AEC를 사용하지 않았을 경우가 AEC를 사용하는 경우에 비해 SNR, PSNR이 높게 나타났으며, RMS는 낮게 나타났다. 그리고 저관전압, 고관전류영역에서는 AEC가 SNR, PSNR이 높게 나타났으며, RMS는 낮게 나타났다. 촬영조건의 변화와 AEC의 사용유무에 따라 영상의 질에서 차이를 확인할 수 있었다. 전체적인 상황과 방사선 종사자의 효율적인 업무를 위해 AEC 사용이 더 적합함을 알 수 있었다. 그러나 종사자의 무조건적인 AEC의 사용보다는 환자의 상태 및 촬영 자세 등 여러 조건을 고려한 능동적인 AEC 사용자세로 최적의 영상의 질을 얻도록 권장한다.

• 디지털콘텐츠학회 논문지
• /
• 제5권1호
• /
• pp.87-94
• /
• 2004

본 논문에서는 모바일 환경하에서 모바일 컨텐츠를 보호하기 위해 CDMA (Code Division Multiple Access) 기술을 적용한 디지털 워터마킹 알고리즘을 제안한다. 디지틸 워터마킹은 경로손실(pathloss), 다중경로 페이딩(multipath fading), 간섭(interference) 및 잡음(noise)이 존재하는 모바일 환경하에서 발생하는 에러에 강인하도록 설계되었다. 모바일 환경하에서 멀티미디어 컨텐츠를 서비스할 경우, 모바일 컨텐츠의 저작권 보호에 적합한 워터마크의 구성 방법, 삽입 및 검출에 대한 알고리즘도 제안한다. 워터마크는 모바일 사용자의 정보를 이용해 구성하여 워터마킹의 요구조건인 비가시성(invisibility)과 외부 공격에 강인성(robustness)을 평가한다. 워터마크가 삽입된 모바일 컨텐츠의 PSNR(Peak Signal to Noise Ratio)이 90.31 dB이고 신호 처리와 잡음 공격에도 강인하다는 것을 알 수 있다. 특히, 무선 전송중에 발생하는 랜덤 잡음(randomn noise)을 극복할 수 있기 때문에 제안한 워터마킹 알고리즘은 모바일 환경하에서 멀티미디어 컨텐츠 보호에 적합하다.

• 한국자기학회지
• /
• 제26권3호
• /
• pp.92-98
• /
• 2016

신호증강효과기법을 이용한 자기공명혈관술에서 뇌동맥을 half scan factor에 따른 절반스캔과 완전스캔의 영상을 평가하는데 목적으로 한다. 뇌혈관성 질환이 없는 환자(n = 30)를 대상으로 절반스캔과 완전스캔 하였고, 뇌동맥의 관심영역을 세 영역(C1, C2, C3)에서 7~8 mm의 범위로 설정하였다. MIP로 재구성한 영상으로 신호강도를 SNR(signal to noise ration), PSNR(peak signal noise to ratio), RMSE(root mean square error), MAE(mean absolute error)을 산출하고 paired t-test를 이용하여 통계분석 하였다. 스캔시간은 절반스캔(4분 53초), 완전스캔(6분 04초)이었다. 뇌혈관의 모든 ROI의 평균 측정 범위(7.21 mm)이었고, 첫번째 C1의 SNR은 완전스캔(58.66 dB), 절반스캔(62.10 dB)이었고, 양의 상관관계($r^2=0.503$)이고, 두 번째 C2의 SNR은 완전스캔(70.30 dB), 절반스캔(74.67 dB)이고 양의 상관관계($r^2=0.575$)이었다. 세 번째 C3의 완전스캔 SNR(70.33 dB), 절반스캔 SNR (74.64 dB)로 양의 상관관계를 ($r^2=0.523$)로 분석되었다. 절반스캔과 완전스캔의 비교에서 SNR($4.75{\pm}0.26dB$), PSNR($21.87{\pm}0.28dB$), RMSE($48.88{\pm}1.61$)이었고 MAE($25.56{\pm}2.2$)로 산출되었다. SNR은 두 검사 스캔에서 통계학적으로 유의하지 않았고 (p-value > .05) 영상의 질에서는 많은 차이가 없어 완전스캔을 사용하였을 때보다 적은 시간이 소요되는 절반스캔을 적용하여 검사하여도 된다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2003년도 추계종합학술대회 논문집
• /
• pp.120-123
• /
• 2003

본 논문에서는 비디오 영상의 저작권 보호를 위해 영상변형 및 임펄스 잡음에 효과적인 디지털 워터마킹 기법을 제안한다. 제안하는 기법은 저작권자의 개인 ID(Identification)를 사용하여 암호화된 워터마크를 사용하는 것이다. 이 암호화된 워터마크는 워터마크의 복원 능력을 향상시킬 뿐만 아니라, 무단 배포자의 추적을 가능하게 한다. 워터마크로는 2진 영상을 사용하고, 워터마크 시스템에서 요구되는 비가시성과 강인성을 확인하기 위하여 PSNR(Peak Signal to Noise Ratio)과 워터마크의 복원율(recovered rate)을 구한다. 실험 결과 워터마크가 삽입된 영상의 PSNR은 98.21 ㏈로 화질저하가 거의 없었고, 또한 영상변형과 임펄스 잡음하에서도 우수한 워터마크 복원 결과를 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.176-179
• /
• 2021

최근 딥 러닝 기법의 하나인 합성곱 신경망(Convolutional Neural Network, CNN)은 영상 잡음(Noise) 제거 분야에서 전통적인 기법보다 좋은 성능을 나타내고 있지만 학습하는 과정에서 영상 내 디테일한 부분이 손실될 수 있다. 본 논문에서는 웨이블릿 변환(Wavelet Transform)을 기반으로 영상 내 디테일 정보도 같이 학습하여 영상 디테일을 향상하는 잡음 제거 합성곱 신경망 네트워크를 제안한다. 제안하는 네트워크는 디테일 향상 서브 네트워크(Detail Enhancement Subnetwork)와 영상 잡음 추출 서브 네트워크(Noise Extraction Subnetwork)를 이용하게 된다. 실험을 통해 제안하는 방법은 기존 알고리듬보다 디테일 손실 문제를 효과적으로 해결할 수 있었고 객관적 품질 평가인 PSNR(Peak Signal-to-Noise Ratio)와 주관적 품질 비교에서 모두 우수한 결과가 나온 것을 확인하였다.