블록 방법에 의한 적응적 영상 잡음제거 알고리즘

Abstract

영상기기의 발전에도 불구하고 다양한 원인으로 발생되는 잡음을 완전히 통제하는 것은 불가능하고 잡음은 영상의 화질을 악화시키므로 영상 인식이나 분석 등의 영상 활용에 악영향을 끼치게 된다. 이러한 문제를 해결하기 위해 영상에 섞인 잡음과 피쳐를 구분하여 잡음을 제거해야하는데 이를 구분하는 것이 쉽지 않다. 통계학적으로는 이런 잡음을 표본분산에 근거하여 제거하는 방법으로 접근할 수 있지만, 표본분산만으로는 잡음과 피쳐를 구분하기 쉽지 않기 때문에 피쳐가 갖고 있는 방향성의 개념을 고려하는 것이 합리적이다. 다양한 방향성에 따라 표본분산을 계산할 경우, 피쳐가 갖고 있는 방향에서의 표본분산이 상대적으로 작게 나타나기 때문에 통계적 추론의 분산의 동일성에 대한 검정으로 변환할 수 있다. 본 논문에서는 두 개의 픽셀 윈도우를 활용하는 블록 방법을 통해 각 방향에서의 최대 변동과 최소 변동의 비율을 활용하여 잡음의 정도가 약할 때에는 피쳐의 정도를 강하게 반영하고, 잡음의 정도가 강할 때에는 피쳐의 정도를 약하게 반영하는 방법을 제안하였다. 모의실험 결과, 본 연구에서 제안하는 알고리즘에 의해 적응적으로 잡음을 제거함으로써 전체적인 영상의 질이 개선됨을 확인하였다.

Despite the development of video equipments, it is almost impossible to completely control the noise caused by various reasons. Such noise may deteriorate the image quality and adversely affect image utilization such as image recognition or analysis. Usually we approach this problem as a method of removing the noise based on the sample variance. However, it is not easy to distinguish between noise and feature with sample variance only, and introduces the concept of orientation of feature. When the sample variance is calculated in various orientations, the sample variance in the direction of the feature is significantly smaller. In this paper, various orientations are considered as a block method using two pixel windows. And we confirmed the homogeneity of variances by using the ratio of maximum variation and minimum variation in each direction. And we proposed a feature statistic that reflects the degree of feature, reflecting strongly the degree of feature when the noise is weak, and weakly reflecting the degree of feature when the noise is strong. As a result of the simulation, it is confirmed that the overall image quality is improved by adaptively removing the noise by the algorithm proposed in this study.