Abstract
Noisy data are often fitted using a smoothing parameter, controlling the importance of two objectives that are opposite to a certain extent. One of these two is smoothness and the other is closeness to the input data. The optimal value of this parameter minimizes the error of the result. This optimum cannot be found exactly, simply because the exact data are unknown. This paper propose the threshold value for noise reduction based on wavelet-thresholding. In the proposed method PSNR results show that the threshold value performs excellently in comparison with conventional methods without knowing the noise variance and volume of signal.
본 논문은 주파수 대역 변환 방법을 사용하여 잡음을 제거하는 방법으로, 웨이블릿 변환의 고주파 성분의 통계적 특성을 활용하여 임계값을 선택하는 새로운 방법을 제안한다. 변환 영역의 각 고주파 성분(HL, LH, HH)에 대한 중앙편차를 이용하여 임계값을 설정함으로서 영상의 통계량의 변화에 대응할 수 있고, 잡음 분산의 크기에 적응할 수 있도록 하였다. 실험 결과 잡음 분산을 추정하거나 데이터의 개수를 이용하는 기존의 방법에 비하여 신호 대 잡음비(PSNR)가 향상되었다.
