일반적으로 전자파 노이즈는 발생원인에 따라 2가지로 대별되는데, 태양 노이즈와 낙뢰 등으로 대표되는 자연노이즈(Natural Noise)와 통신, 방송, 전자기기 등과 같은 인공노이즈(Man-Made Noise)가 있다. 인공노이즈는 다시 의도성노이즈(Intentional Noise)와 비의도성노이즈(Unintentional Noise)로 분류된다.
Proceedings of the Korean Society of Broadcast Engineers Conference
/
2009.11a
/
pp.179-181
/
2009
In this paper, we propose an adaptive noise detection and modified Gaussian removal algorithm using local statistics for impulse noise. In order to determine constraints for noise detection, the local mean, variance, and maximum values are used. In addition, a modified Gaussian filter that integrates the tuning parameter to remove the detected noises. Experimental results show that our method is significantly better than a number of existing techniques in terms of image restoration and noise detection.
Proceedings of the Korean Information Science Society Conference
/
2006.10b
/
pp.494-498
/
2006
본 논문은 이미지코드의 전처리 단계에서 노이즈 제거시 방향성을 다르게 하였을 때 그 노이즈 제거율을 높일 수 있는 방법을 제시하였다. 이미지코드에서 전처리단계는 코드를 인식을 결정하는 중요한 단계로서 원할한 서비스와 인식률을 높이기 위해서는 그 성능을 높일 필요가 있다. 기존에 제시되었던 단방향성을 가지는 노이제 제거 방식에서는 주변영역과 연결된 부분을 노이즈로 인식한다는데 있어서는 동일하지만 방향성을 가진 특성상 노이즈를 제거할 수 없는 부분이 있다는데서 착안되었다. 제시된 나선형 및 양방형 성 마스킹 방식을 가지고 노이즈 제거시 단방향으로는 제거할 수 없었던 부분의 제거율을 상당히 높일 수 있었고, 전처리 단계에서의 인식률도 높일 수 있게 되었다. 실험을 통해 제거된 노이즈의 픽셀을 단방향성, 나선형, 양방향성, 방식을 각각 비교 평가하였다. 단방향성 노이즈 제거방식에서는 노이즈 마스크가 방향성을 가지기 때문에 노이즈를 제거할 수 없는 부분이 있지만, 제안된 양방향성, 나선형 노이즈 마스크를 사용하면 단방향성보다 향상된 노이즈 제거율을 볼 수 있었다.
Recently, deep learning-based denoising approaches have been actively studied. In particular, with the advances of blind denoising techniques, it become possible to train a deep learning-based denoising model only with noisy images in an image domain where it is impossible to obtain a clean image. We no longer require pairs of a clean image and a noisy image to obtain a restored clean image from the observation. However, it is difficult to recover the target using a deep learning-based denoising model trained by only noisy images if the distribution of the noisy image is far from the distribution of the clean image. To address this limitation, unpaired image denoising approaches have recently been studied that can learn the denoising model from unpaired data of the noisy image and the clean image. ISCL showed comparable performance close to that of supervised learning-based models based on pairs of clean and noisy images. In this study, we propose suitable normalization techniques for each purpose of architectures (e.g., generator, discriminator, and extractor) of ISCL. We demonstrate that the proposed method outperforms state-of-the-art unpaired image denoising approaches including ISCL.
Proceedings of the Korean Information Science Society Conference
/
2004.04b
/
pp.805-807
/
2004
본 논문에서는 노이즈 모델에 기반한 훼손된 얼굴 영상의 인증하는 방법을 제안한다. 제안된 방법은 먼저 학습 단계에서 노이즈 파라미터의 변화에 의해 훼손된 영상을 생성한다. 그 훼손된 영상과 노이즈 파라미터는 PCA에 의해 훼손된 영상과 노이즈 파라미터들의 선형 조합으로 표현된다. 테스트 단계에서는 훼손된 영상으로 LSM(Least-square minimization)방법을 적용하여 훼손된 영상의 노이즌 파라미터를 추정한다. 그리고 추정된 노이즈 파라미터를 가지고 원본 영상으로부터 합성된 영상을 생성하고, 그것을 테스트 영상과 인증한다. 실험 결과는 제안된 방법이 노이즈 파라미터를 정확하게 추정하여 얼굴 인증의 성능 개선 가능성을 보여준다.
Proceedings of the Korean Society of Broadcast Engineers Conference
/
2014.06a
/
pp.226-229
/
2014
본 논문은 효과적인 열화영상의 복원을 위해 Multiresolution Bilateral Filter (MBF) 기반의 구간적 노이즈 분석을 제안한다. 기존의 MBF 알고리즘은 최적화되지 않은 노이즈 추정 값을 중첩적으로 사용하다보니 over smoothing 현상이 발생되는 결과가 도출되기도 하였다. 이에 따른 보완점으로 열화영상 내 전체 화소를 일정한 블록 단위의 영역으로 나누어, 영상특성을 최대한 보존하며 노이즈제거를 진행하기 위해 블록 단위의 영역 내에서 노이즈 추정을 위한 파라미터를 추가한다. 실험을 통해 제안된 알고리즘이 노이즈 추정을 수행하여 얻어진 노이즈의 분산 값을 보다 정확히 추정하였고, 이로 인하여 향상된 노이즈 제거 영상 획득이 가능함을 확인할 수 있었다.
Proceedings of the Korea Electromagnetic Engineering Society Conference
/
2002.11a
/
pp.63-68
/
2002
본 논문에서는 관통형 고주파 노이즈 필터(noise filter)를 설계하고, 제작하였다. 분포정수형(distributed constant type) 노이즈 필터는 세라믹 다층 구조(multi-layer)를 가지며, 기존의 노이즈 억압 방법인 칩 페라이트 비드, 3단자 커패시터 그리고 집중 정수형(lumped constant type) 노이즈 필터에 비해 신호의 왜곡이 적고, 고주파 노이즈 억압특성이 우수하다. 본 논문에서는 기존의 분포정수형 노이즈 필터에 관통형 via-hole을 삽입하는 새로운 구조를 제안하였다. 제작된 노이즈 필터는 100MHz의 차단 주파수, 700MHz~1700MHz에서 20㏈이상의 감쇠 특성을 나타내었다. 또한, 기존의 노이즈 필터의 단점인 방향성 덴 공정에 대한 민감도를 개선시킴으로써 양산성이 향상되었다.
Seo, Seok-Tae;Lee, In-Geun;Jeong, Hye-Cheon;Gwon, Sun-Hak
Proceedings of the Korean Institute of Intelligent Systems Conference
/
2006.11a
/
pp.171-174
/
2006
기존에 사용되고 있는 노이즈 제거 필터인 평균값 필터, 중간값 필터 등의 필터를 이용하여 노이즈 포함 영상을 복원할 경우, 몽롱화 현상이 발생하게 되며 이러한 몽롱화 현상은 마스크의 크기가 달라짐에 따라서 심해지는 경향을 보인다. 본 논문은 노이즈가 포함된 입력 영상의 픽셀 주변 환경에 기반하여 점증적으로 노이즈를 제거하여 입력영상을 변환 시켜, 몽롱화의 현상을 줄이고, 정보의 추출이 용이하도록 영상을 복원하는 점증적 노이즈 제거 필터를 제안한다. 또한 노이즈에 의해서 훼손된 입력 영상의 복원을 통하여 제안된 노이즈 제거 필터의 효용성을 보인다.
The digital medical imaging, especially, computed tomography (CT), should necessarily be considered in terms of noise distribution caused by converting to X-ray photon to digital imaging signal. Recently, the denoising technique based on deep learning architecture is increasingly used in the medical imaging field. Here, we evaluated noise reduction effect according to various noise types based on the U-net deep learning model in the lung CT images. The input data for deep learning was generated by applying Gaussian noise, Poisson noise, salt and pepper noise and speckle noise from the ground truth (GT) image. In particular, two types of Gaussian noise input data were applied with standard deviation values of 30 and 50. There are applied hyper-parameters, which were Adam as optimizer function, 100 as epochs, and 0.0001 as learning rate, respectively. To analyze the quantitative values, the mean square error (MSE), the peak signal to noise ratio (PSNR) and coefficient of variation (COV) were calculated. According to the results, it was confirmed that the U-net model was effective for noise reduction all of the set conditions in this study. Especially, it showed the best performance in Gaussian noise.
In this paper, a fast single image blind denoising algorithm is presented, where noise parameters are estimated by local statistics of an observed degraded image without a prior information about the additive noise. The estimated noise parameters are used to define the constraints on the noise detection which is coupled with the 1st-order Markov Random Field. In addition, an adaptive modified weighted Gaussian filter is introduced, where variable window sizes and weighting coefficients defined by the constraints are used to control the degree of the smoothness of the reconstructed image. The experimental results demonstrate the capability of the proposed algorithm. Please put the abstract of paper here.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.