주성분 분석을 활용한 Non-local means 에서의 효율적인 공분산 행렬 계산 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김정환 | - |
dc.contributor.author | 이민정 | - |
dc.contributor.author | 정제창 | - |
dc.date.accessioned | 2022-07-15T21:53:20Z | - |
dc.date.available | 2022-07-15T21:53:20Z | - |
dc.date.created | 2021-05-14 | - |
dc.date.issued | 2015-07 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/156737 | - |
dc.description.abstract | 본 논문에서는 먼저 주성분 분석 (Principal components analysis, PCA) 을 활용한 Non-local means (NLM) 을 소개하고, 주성분 분석을 하기 위해 필수적인 공분산 행렬 계산을 효율적으로 하는 방법을 제안한다. NLM 에서의 Neighborhood patch 의 크기를 S×S=S2, 이미지 전체의 픽셀 수를 Q 일 때 공분한 행렬을 계산 하기 위해서는 S2×Q 크기를 가지는 행렬간의 곱 연산이 필요하다. 결론적으로 본 논문에서는 이 행렬의 크기를 줄임으로써 PSNR (Peak signal-to-noise ratio) 의 손실 없이 NLM 의 복잡도를 줄일 수 있음을 보여준다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국방송공학회 | - |
dc.title | 주성분 분석을 활용한 Non-local means 에서의 효율적인 공분산 행렬 계산 연구 | - |
dc.title.alternative | A Study to Calculate an Efficient Covariance Matrix of Non-local Means with Principal Components Analysis | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 정제창 | - |
dc.identifier.bibliographicCitation | 방송공학회 하계학술대회, pp.205 - 207 | - |
dc.relation.isPartOf | 방송공학회 하계학술대회 | - |
dc.citation.title | 방송공학회 하계학술대회 | - |
dc.citation.startPage | 205 | - |
dc.citation.endPage | 207 | - |
dc.type.rims | ART | - |
dc.type.docType | Proceeding | - |
dc.description.journalClass | 2 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | other | - |
dc.identifier.url | https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE06396465 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.