AWGN 환경에서 가우시안 분포와 표준편차를 이용한 잡음 제거 = Noise Removal using Gaussian Distribution and Standard Deviation in AWGN Environment

다국어 초록 (Multilingual Abstract)

Noise removal is a pre-requisite procedure in image processing, and various methods have been studied depending on the type of noise and the environment of the image. However, for image processing with high-frequency components, conventional additive white Gaussian noise (AWGN) removal techniques are rather lacking in performance because of the blurring phenomenon induced thereby. In this paper, we propose an algorithm to minimize the blurring in AWGN removal processes. The proposed algorithm sets the high-frequency and the low-frequency component filters, respectively, depending on the pixel properties in the mask, consequently calculating the output of each filter with the addition or subtraction of the input image to the reference. The final output image is obtained by adding the weighted data calculated using the standard deviations and the Gaussian distribution with the output of the two filters. The proposed algorithm shows improved AWGN removal performance compared to the existing method, which was verified by simulation.

국문 초록 (Abstract)

잡음 제거는 영상 처리의 선행 과정에서 필수적으로 이루어지며, 잡음의 종류와 영상의 환경에 따라 다양한 기법들이 연구되고 있다. 그러나 기존 AWGN(additive white gaussian noise) 제거 기법들은 고주파 성분이 많은 영상에 대해 블러링 현상을 일으키며 다소 부족한 성능을 보인다. 따라서 본 논문에서는 영상의 AWGN 제거 과정에서 블러링 현상을 최소화하기 위한 알고리즘을 제안하였다. 제안한 알고리즘은 마스크 내부 화소 특성에 따라 고주파 성분필터와 저주파 성분 필터를 설정하며, 기준치에 입력 영상을 가감하여 각 필터의 출력을 계산한다. 최종 출력은 두 필터의 출력에 표준편차와 가우시안 분포를 통해 계산된 가중치를 적용한 것을 합산하여 구한다. 제안한 알고리즘은 기존 방법에 비해 AWGN 제거 성능이 우수하였으며, 시뮬레이션을 통해 이를 확인하였다.

참고문헌 (Reference)

1 구미란, "추정된 잡음의 표준편차에 의해 개선된 가우시안 필터를이용한 영상의 잡음 제거" 한국정보기술학회 8 (8): 111-117, 2010

2 전영은, "자기 유사성을 이용한 가우시안 노이즈 제거 알고리즘" 대한전자공학회 44 (44): 1-10, 2007

3 김영화, "영상 잡음의 분산 추정에 관한 통계적 알고리즘 및 응용" 한국데이터정보과학회 20 (20): 869-878, 2009

4 D. Kusnik, "On the Robust Technique of Mixed Gaussian and Impulsive Noise Reduction in Color Digital Images" 1-6, 2015

5 L. Šroba, "Impact of Gaussian Noise and Image Filtering to Detected Corner Points Positions Stability" 123-126, 2017

6 J. J. Hwang, "Gaussian filtering detection based on features of residuals in image forensics" 153-157, 2016

7 P S V S Sridhar, "EFFICIENT CLOUD DATA HOSTING AVAILABILITY" 사단법인 미래융합기술연구학회 3 (3): 11-19, 2017

8 J. J. Madhura, "An Effective Hybrid Filter for the Removal of Gaussian-Impulsive Noise in Computed Tomography images" 1815-1820, 2017

9 Y. W. Kim, "Adaptive Gaussian Filter for Noise Reduction According to Image Characteristics" 634-636, 2017

10 Y. W. Kim, "Adaptive Gaussian Filter for Noise Reduction According to Image Characteristics" 634-636, 2017

11 Gao Yinyu, "AWGN환경에서 에지보호를 위한 개선된 잡음제거 알고리즘에 관한 연구" 한국정보통신학회 16 (16): 1773-1778, 2012

12 권세익, "AWGN 환경에서 변형된 에지 검출을 이용한 잡음 제거에 관한 연구" 한국정보통신학회 21 (21): 1342-1348, 2017

13 Xu Long, "AWGN 제거를 위한 개선된 가중치 필터" 한국정보통신학회 17 (17): 1227-1232, 2013

14 H. Chen, "A Kind of Effective Method of Removing Compound Noise in Image" 157-161, 2016