http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
공간 및 적응적 가중치를 이용한 AWGN 제거 알고리즘
정영수(Young-Su Chung),김남호(Nam-Ho Kim) 한국정보통신학회 2023 한국정보통신학회논문지 Vol.27 No.5
디지털 영상 기술의 발전으로 인해 다양한 분야에서 영상 처리 기술을 연구, 개발하고 있다. 하지만, 필연적으로 주변 환경의 영향을 받는 시각적 모니터링 장비 혹은 CMOS 센서, CT, MRI, SEM 등과 같은 특수한 장치는 잡음이 영상의 화질에 큰 영향을 미칠 수 있다. 영상에 발생하는 AWGN은 모든 주파수 대역에서 나타나는 잡음으로, 첨가된 잡음 함수가 가우시안 분포를 따르는 것이 특징이다. AWGN을 제거하기 위해 과거부터 많은 연구가 제안되었으나, 심각한 블러링 현상으로 인해 화질 개선 및 에지 보존 성능이 미흡했다. 따라서 본 논문은 훼손된 영상을 효과적으로 복원하기 위해 공간 및 적응적 가중치를 이용한 알고리즘을 제안하였다. 제안한 필터는 잡음 밀도 가중치와 중앙값 가중치를 공간 가중치에 사용하여 훼손이 심한 주변 화소를 제거하였으며, 중심 화소에 적응적 가중치 필터를 실행하여 잡음 영상을 세밀하게 복원하였다. With advances in digital image technology, researchers of various fields have developed image processing technologies. However, noise can affect image quality significantly in visual monitoring equipment or special devices -such as CMOS sensors, CT, MRI, and SEM-that are inevitably affected by the surrounding environment. AWGN generated in images is a noise that appears in all frequency bands and is characterized by the additive noise function that follows a Gaussian distribution. Many studies have been proposed in the past to remove AWGN. However, they could not improve image quality sufficiently and had poor edge preservation performance due to severe blurring. Therefore, this study proposes an algorithm that uses spatial and adaptive weights to restore damaged images effectively. The proposed filter uses a noise density weight and a median weight as spatial weights to remove surrounding pixels that have been severely damaged. In addition, it performs adaptive weight filtering on the center pixel to restore noisy images in detail.
정영수(Chung Yeong-Su),정기섭(Chung Ki-Seob) 한국비교교육학회 2003 比較敎育硏究 Vol.13 No.2
본 연구는 '좋은 학교'에 대한 관심이 어느 때보다 높아지고 있는 상황에서 '좋은 학교'의 예를 19세기에서 20세기로 전환하는 시기에 기존의 교육에 반기를 들고 새로운 교육을 표방하며 전개되었던 개혁교육운동의 정신에서 살펴보고 우리의 학교교육에 시사하는 점을 도출해 보고자 하였다. 이러한 목적을 갖고 1920년대에 새로운 학교를 표방하였던 학교들 중에서 가장 우수한 점수를 받았던 독일의 오덴발트 학교를 대상으로 하여 전원 기숙사 학교운동의 개혁적 특징을 살펴보고, 그러한 틀에서 오덴발트 학교의 교육실천의 내용을 구체적으로 살펴보았다. Das Grundanliegen dieser Arbeit liegt darin, eine Antwort auf die Frage nach "guter Schule" im Geist der reformp??dagogischen Bewegung zu finden und daraus die wichtigen Punkte f??r die Gestaltung einer guten Schule bei uns herauszubringen. Dabei wird die Odenwaldschule, die 1910 von Paul Geheeb gegr??ndet wurde und am Ende eines kleinen Seitentals der Bergstrasse gefunden wird, als der Gegenstand dieser Arbeit ausgew??hlt. Der Grund f??r die Auswahl der Odenwaldschule unter neuen Schulen liegt darin, dass "Bureau International des Ecoles Nouvelles" in Genf im Jahr 1922 30 Kriterien als Vosraussetzung f??r die Anerkennung als neue Schule definierte und unter Anwendung dieser Kriterien die Schulen gepr??fte und bei der Wertung die Odenwaldschule die h??chsten Punkte erhielt. Gem?? der Aufbe hat sich der Aufbau dieser Arbeit entwickelt: die Landerziehungsheimbewegung und Odenwaldschule, Erziehungspraxis der Odenwaldschule und die Schlu?? betrachtung.
클러스터링을 이용한 고밀도 Salt and Pepper 잡음 제거
정영수(Young-Su Chung),김남호(Nam-Ho Kim) 한국정보통신학회 2023 한국정보통신학회논문지 Vol.27 No.5
영상 매체의 발전에 따라 다양한 영상 처리 기술이 사용되고 있다. 특히, 의료 영상 및 생물 영상 등 잡음에 취약한 분야에서 잡음 제거는 필수적으로 사용해야 한다. 점 잡음(Salt and Pepper)을 제거하기 위한 다양한 필터가 제안되었지만, 이들은 여전히 미흡한 성능을 나타냈다. 또한, 클러스터링에 잡음 제거를 반영한 기존 연구가 존재했지만, 이들은 클러스터링의 성능 향상을 목적으로 하였기 때문에, 잡음 제거 필터로는 적절하지 않았다. 따라서 본 논문은 고밀도의 점 잡음(Salt and Pepper) 제거를 위한 K-means 클러스터링 알고리즘을 제안하였다. 고밀도 잡음 영상으로 인한 필터링 시간을 줄이기 위해, 분산이 심한 비잡음 화소만을 데이터 세트로 사용하였으며, DBI를 클러스터링에 적용하여 원 영상과 유사한 유효 화소를 검출하였다. 유효 화소는 적응적 필터에 사용하였으며, 유효 잡음을 찾을 수 없는 패치에서도 필터링하였다. Various image processing technologies have been adopted with the emergence of digital video as an important medium. In particular, filtering out noise is often essential in applications such as capturing medical imagery or recording living organisms. Although various filters have been proposed to remove salt-and-pepper noise, their performance remains largely insufficient. Some works have also considered clustering reflecting noise filters. However, these methods were primarily developed to improve the performance of clustering techniques, and are not suitable for filtering noise. In this study, a k-means clustering algorithm is proposed to remove salt-and-pepper noise. To reduce the computational load for highly dense imagery, our approach includes only non-noisy pixels with high variance in the dataset, and the Davies-Bouldin index (DBI) is applied in clustering to detect effective pixels similar to the original image. Valid pixels are used in adaptive filters, and filtering is also performed in patches where no effective noise is found.