영상에 포함된 피쳐의 방향성을 적용한 잡음의 분산 추정과 시그마필터

• 영문명: Estimation of the Noise Variance using Features in Image and Sigma Filter
• 발행기관: 한국자료분석학회
• 저자명: 김민아(Mina Kim) 박영호(Youngho Park) 김영화(Yeong-hwa Kim)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.22 No.2, 551~563쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2020.04.30

국문 초록

IT 기술의 발전과 함께 영상장치 또한 발전하였음에도 불구하고 영상에서 잡음이 발생하는 것은 불가피하다. 잡음은 영상의 화질을 흐려지게 하고, 이로 인해 정확한 정보를 얻지 못하게 한다. 잡음이 없는 영상을 얻는 것은 현실적으로 불가하므로 영상을 활용하기 전에 잡음을 효과적으로 감소하는 것이 중요하다. 본 연구에서는 영상에 가우시안 잡음을 추가한 뒤, 피쳐와 잡음을 구분하기 위해 두 개의 픽셀 블록 값의 차이를 이용하는 블록 접근 방법으로 방향성을 고려한다. 피쳐와 잡음을 구분하는 문제는 분산의 동일성 검정 방법으로 표현 가능하며, 바틀렛 검정을 이용해 피쳐통계량을 정의한다. 각 블록의 표본표준편차와 방향성을 고려한 표본표준편차, 피쳐통계량을 이용하여 잡음의 분산을 추정하는 방법을 제안한다. 또한, 제안하는 알고리즘에 의해 얻어진 추정값을 적용한 시그마필터와 단순평활법을 적용한 시그마필터의 결과를 비교하여 잡음의 감소를 시각적으로 확인한다. 모의실험 결과, 본 연구에서 제안한 방법에 의한 분산 추정의 성능이 잡음의 수준에 관계없이 우수한 것을 알 수 있고, 추정값을 적용한 시그마필터의 잡음제거 효과가 시각적으로도 우수한 것을 확인하였다.

영문 초록

Although video devices have evolved along with the development of IT technology, it is inevitable that noise will occur in images. Noise blurs image quality, thus accurate information is not available. Since it is practically impossible to obtain images without noise, it is important to effectively eliminate noise before using the images. In this study, after adding Gaussian noise to the images, we consider orientation using the block approach to detect image features and noise. The problem of detect image features and noise can be expressed as homogeneity of variance test, and feature statistic is defined by using the parameter method, Bartlett test. Using STD estimations for local block, STD estimations by feature orientation and feature statistics, we propose estimation algorithm of noise variance. In addition, noise is eliminated by applying the estimates obtained by the proposed algorithm to the sigma filter. As the simulation results, the efficiency of noise reduction of proposed method is excellent regardless of the level of noise. Also, It can also be visually verified.

목차

1. 서론

2. 잡음의 분산 추정 알고리즘

3. 모의실험 : 잡음의 분산 추정과 잡음감소 성능 비교

4. 결론

References

키워드

영상향상과정 잡음분산추정 방향성 바틀렛 검정 시그마필터 image enhancement processing noise variance estimation orientation Bartlett test sigma filter