• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2006년도 하계종합학술대회
• /
• pp.293-294
• /
• 2006

Interscale dependency and Liptschitz regularity of the wavelet coefficients imply the existence of functional mapping between scales. In this paper, the neural networks are exploited to learn an intercale mapping. We apply a phase-shifting filter for effective learning of the neural networks.

• 대한전자공학회논문지SP
• /
• 제45권6호
• /
• pp.57-63
• /
• 2008

본 논문에서는 웨이블릿 영역에서 이변수 가우스 확률밀도함수를 이용하여 잡음을 효과적으로 제거하는 방법을 제안한다. 본 논문의 방법은 웨이블릿 영역의 스케일간의 관계에 대한 통계적 모델을 이변수 가우스 확률분포로 설정하고, 이에 대한 베이즈 추정법을 통하여 잡음 제거를 수행한다. 베이즈 추정법을 위한 통계 파라메터는 $H{\ddot{o}}lder$ 부등식을 이용하여 근사적으로 추정한다. 실험 결과를 통하여 본 논문의 방법이 기존의 이변수 사전 확률모델을 이용한 잡음 제거 방법에 비하여 우수한 결과를 보여 준다는 것을 알 수 있다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.19-26
• /
• 2005

웨이블릿 영역에서의 영상 보간은 웨이블릿 계수들의 통계적 특성과 스케일간 의존성을 표현하는 확률모델을 이용한다. 본 논문에서는 보간할 영상에 대해 스케일간 웨이블릿 계수의 절대치를 선형 모델링하여 분산을 추정하고 이를 바탕으로 고주파 부대역의 확률모델을 실현하여 영상을 보간하는 방법을 제안한다. 본 논문의 방법은 확률 모델에 대한 추정된 파라미터에 의해 웨이블릿 계수를 난수 형태로 발생시키는 방법을 사용한다. 확률모델을 따라 난수를 발생할 경우 추정 부대역에 난수에 의한 잡음이 발생하게 된다. 본 논문에서는 후처리 과정으로 Wiener filter를 사용하여 부대역의 잡음을 제거하였다. 제안 방법으로 외삽한 부대역에 대한 확률 밀도함수를 비교적 정확하게 추정한 것을 볼 수 있다. 실험을 통해 제안방법이 bicubic과 같은 전통적인 방법뿐 아니라 웨이블릿 영역에서의 다른 영상보간법보다 나은 주관적, 객관적 성능을 가지고 있음을 보였다.