한국통신학회논문지 (The Journal of Korean Institute of Communications and Information Sciences)

한국통신학회 (The Korean Institute of Commucations and Information Sciences)
권호 표지

다중 정규화 매개 변수를 이용한 혼합 norm 영상 복원 방식

A Mixed Norm Image Restoration Algorithm Using Multi Regularization Parameters

  • 최권열 (숭실대학교 정보통신전자공학부) ;
  • 김명진 (숭실대학교 정보통신전자공학부) ;
  • 홍민철 (숭실대학교 정보통신전자공학부)
  • 발행 : 2007.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 다중 정규화 매개 변수를 이용한 혼합 norm 영상 복원 방식을 제안한다. 임의의 분포를 갖는 첨가 노이즈를 효율적으로 제거하기 위해 정규화 완화 $l_2$ 함수와 정규화 완화 $l_4$ 함수를 결합한 새로운 혼합 norm 정규화 완화 함수가 유도된다. 각 완화 함수의 완화도를 제어하기 위해 개별적인 정규화 매개 변수가 정의되고, 정규화 완화 $l_2$ 함수와 정규화 완화 $l_4$ 함수의 상대적 기여도를 제어하기 위한 혼합 norm 정규화 매개 변수가 kurtosis를 이용해 정의된다. 안정적인 해를 얻기 위해 반복기법이 사용되었으며, 이들의 수렴 여부가 분석되었다. 다양한 분포를 갖는 첨가 노이즈가 실험에 사용되었으며, 이를 통해서 제안된 방식의 성능을 평가할 수 있었다.

In this paper, we propose an iterative mixed norm image restoration algorithm using multi regularization parameters. A functional which combines the regularized $l_2$ norm functional and the regularized $l_4$ norm functional is proposed to efficiently remove arbitrary noise. The smoothness of each functional is determined by the regularization parameters. Also, a regularization parameter is used to determine the relative importance between the regularized $l_2$ norm functional and the regularized $l_4$ norm functional using kurtosis. An iterative algorithm is utilized for obtaining a solution and its convergence is analyzed. Experimental results demonstrate the capability of the proposed algorithm.

키워드

참고문헌

  1. M. R. Banham and A. K. Katsaggelos, 'Digital image restoration,' IEEE Signal Processing Magazine, vol. 14, pp. 24-41, March 1997
  2. H. C. Andrews and B. R. Hunt, Digital Image Restoration, Prentice-Hall, New York, 1977
  3. S. A. Kassam and H. V. Poor, 'Robust techniques for signal processing: A survey,' Proc. of IEEE, vol. 73, pp. 433-481, March 1985 https://doi.org/10.1109/PROC.1985.13167
  4. E. Walach and B. Widrow, 'The least mean fourth adaptive algorithm and its family,' IEEE Trans. on Information Theory, vol. IT-30, pp. 275-283, March 1984
  5. J. A. Chambers, O. Tanrikulu, and A. G. Constantinides, 'Least mean mixed-norm adaptive filtering,' Electronics Letters, vol. 30, pp. 1574-1575, Sept. 1994 https://doi.org/10.1049/el:19941060
  6. M.-C. Hong, T. Stathaki, and A. K. Katsaggelos, 'Iterative regularized least-mean mixed-norm image restoration,' Optical Engineering, vol. 41, pp. 2515-2524, Oct. 2002 https://doi.org/10.1117/1.1503072
  7. D. G. Luenberger, Linear and Nonlinear Programming, Addison-Wesley, 1989
  8. M. G. Kang and A. K. Katsaggelos, 'General choice of the regularization functional in regularized image restoration,' IEEE Trans. on Image Processing, vol. 4, pp. 594-602, May 1995 https://doi.org/10.1109/83.382494