• Journal of the Korean Society of Radiology
• /
• v.14 no.7
• /
• pp.991-1001
• /
• 2020

Supervised deep learning technologies for improving the image quality of computed tomography (CT) need a lot of training data. When input images have different characteristics with training images, the technologies cause structural distortion in output images. In this study, an imaging model based on the deep reinforcement learning (DRL) was developed for overcoming the drawbacks of the supervised deep learning technologies and reducing noise in CT images. The DRL model was consisted of shared, value and policy networks, and the networks included convolutional layers, rectified linear unit (ReLU), dilation factors and gate rotation unit (GRU) in order to extract noise features from CT images and improve the performance of the DRL model. Also, the quality of the CT images obtained by using the DRL model was compared to that obtained by using the supervised deep learning model. The results showed that the image accuracy for the DRL model was higher than that for the supervised deep learning model, and the image noise for the DRL model was smaller than that for the supervised deep learning model. Also, the DRL model reduced the noise of the CT images, which had different characteristics with training images. Therefore, the DRL model is able to reduce image noise as well as maintain the structural information of CT images.

• Investigative Magnetic Resonance Imaging
• /
• v.8 no.1
• /
• pp.42-49
• /
• 2004

Purpose : The quantization noise in magnetic resonance imaging (MRI) systems is analyzed. The signal-to-quantization noise ratio (SQNR) in the reconstructed image is derived from the level of quantization in the signal in spatial frequency domain. Based on the derived formula, the SQNRs in various main magnetic fields with different receiver systems are evaluated. From the evaluation, the quantization noise could be a major noise source determining overall system signal-to-noise ratio (SNR) in high field MRI system. A few methods to reduce the quantization noise are suggested. Materials and methods : In Fourier imaging methods, spin density distribution is encoded by phase and frequency encoding gradients in such a way that it becomes a distribution in the spatial frequency domain. Thus the quantization noise in the spatial frequency domain is expressed in terms of the SQNR in the reconstructed image. The validity of the derived formula is confirmed by experiments and computer simulation. Results : Using the derived formula, the SQNRs in various main magnetic fields with various receiver systems are evaluated. Since the quantization noise is proportional to the signal amplitude, yet it cannot be reduced by simple signal averaging, it could be a serious problem in high field imaging. In many receiver systems employing analog-to-digital converters (ADC) of 16 bits/sample, the quantization noise could be a major noise source limiting overall system SNR, especially in a high field imaging. Conclusion : The field strength of MRI system keeps going higher for functional imaging and spectroscopy. In high field MRI system, signal amplitude becomes larger with more susceptibility effect and wider spectral separation. Since the quantization noise is proportional to the signal amplitude, if the conversion bits of the ADCs in the receiver system are not large enough, the increase of signal amplitude may not be fully utilized for the SNR enhancement due to the increase of the quantization noise. Evaluation of the SQNR for various systems using the formula shows that the quantization noise could be a major noise source limiting overall system SNR, especially in three dimensional imaging in a high field imaging. Oversampling and off-center sampling would be an alternative solution to reduce the quantization noise without replacement of the receiver system.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.503-505
• /
• 1999

경계선 검출은 컴퓨터를 이용한 영상인식의 첫 단계로서, 인식의 성능에 큰 영향을 미치는 중요한 기술이다. 여러 가지 경계선 검출 기술들이 존재하지만, 이들은 모두 주어진 영사에 잡음이 존재하지 않거나 존재의 정도가 미약한 경우를 가정하여 개발되었다. 한편, 잡음이 심하게 삽입된 경우에는 경계선 검출기 적용 이전에 잡음제거 필터를 사용할 수 있다. 그러나 주어진 영상에 잡음이 존재하는지를 어떻게 컴퓨터 스스로 판단할 것인가\ulcorner 본 연구에서는 주어진 영상에 대하여 잡음의 존재 여부와 잡음의 정도 여부에 상관없이, 굳건한 경계선 검출 능력을 보이는 경계선 검출기를 개발하였다. 이를 위하여 이중 필터를 사용하였는데, 그 중 하나는 일반적으로 많이 사용되는 가우시안 필터이고, 다른 하나는 본 연구진에 의하여 개발된 웨이블릿 기반 필터이다. 실험결과, 본 논문의 경계선 검출기는 잡음의 정도에 크게 구애받지 않는 일정한 성능을 보여주었다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.961-964
• /
• 2009

본 논문은 복합재료로부터 얻어진 C-scan영상에서의 효과적인 잡음 제거에 관한 연구 내용이다. 복합재료에서의 결함을 검출하는 것은 여러 실용, 응용분야에서 관심을 가지는 주제이다. 초음파 영상은 대부분이 육안으로 정확한 판단을 하기에는 어렵고, 잡음의 영향으로 정확한 결함에 대한 영역을 파악하는데 문제를 발생시킨다. 결함의 정확한 판별을 위해서는 물체의 영역을 정확히 판별하는 것이 중요하지만 영상에서 잡음에 대한 문제를 우선 해결해야 한다. C-scan 영상에서의 배경과 결함의 경계영역을 보존하면서 잡음 제거를 위해 웨이브렛(Wavelet) 변환을 이용하는 방법을 제안한다. 특히, C-scan 영상에서 Filtering을 적용하는데에 있어 드비시(Daubechies) Wavelet Filtering이 결함영역에 대한 좀 더 명확한 분석이 가능하게 함을 얘기하고자 한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2001.05a
• /
• pp.247-251
• /
• 2001

영상을 처리하는 과정에서 광학시스템과 전기시스템의 특성으로 인해 흐려지고 잡음으로 훼손된 영상을 복원하는 경우에 일반적으로 정칙화 반복복원방법이 사용된다. 기존의 방법은 영상의 국부적인 특성을 고려하지 않고 영상전체에 일률적으로 정칙화 연산자를 사용함으로써 윤곽부분에서는 리플잡음을 초래하고 평면부분에서도 잡음증폭을 피할 수 없으며, 또한 시각적으로 효율적이지 못한 면이 있다. 본 논문에서는 이러한 문제점을 개선하기 위하여, 영상의 국부적인 특성을 고려하여 적응 정칙화 파라메타와 적응 정칙화 연산지를 사용하여 평면영역과 윤곽영역의 방향특성에 따라 적응적으로 처리하는 반복복원방법을 제안한다. 제안한 방법은 기존의 방법과 비교하여 평면영역에서의 잡음 평활화가 개선되고 시각적으로 중요한 윤곽부분 복원에 효율적임을 실험결과를 통해 알 수 있었으며 ISNR 면에서도 우수하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1031-1034
• /
• 2004

본 논문에서는 고정점 알고리즘 독립성분분석을 이용하여 잡음에 강건한 디지털영상의 워터마킹을 제안하였다. 여기서 고정점 알고리즘은 워터마킹의 추출과정에서 빠른 추출과 잡음에 강건한 개선된 추출성능을 얻기 위함이고, 독립성분분석의 이용은 추출과정에서 워터마크의 위치나 크기, 원본과 키 영상 등에 대한 사전 지식의 요구를 없애기 위함이다. 제안된 기법을 $256{\times}256$ 픽셀의 레나 원 영상, 키 영상, 그리고 문자 워터마크에 적용한 결과, 잡음과 같은 공격에 강하면서도 워터마크의 검출 및 추출과정에 원본 영상들에 대한 사전지식이 요구되지 않았다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.176-179
• /
• 2021

최근 딥 러닝 기법의 하나인 합성곱 신경망(Convolutional Neural Network, CNN)은 영상 잡음(Noise) 제거 분야에서 전통적인 기법보다 좋은 성능을 나타내고 있지만 학습하는 과정에서 영상 내 디테일한 부분이 손실될 수 있다. 본 논문에서는 웨이블릿 변환(Wavelet Transform)을 기반으로 영상 내 디테일 정보도 같이 학습하여 영상 디테일을 향상하는 잡음 제거 합성곱 신경망 네트워크를 제안한다. 제안하는 네트워크는 디테일 향상 서브 네트워크(Detail Enhancement Subnetwork)와 영상 잡음 추출 서브 네트워크(Noise Extraction Subnetwork)를 이용하게 된다. 실험을 통해 제안하는 방법은 기존 알고리듬보다 디테일 손실 문제를 효과적으로 해결할 수 있었고 객관적 품질 평가인 PSNR(Peak Signal-to-Noise Ratio)와 주관적 품질 비교에서 모두 우수한 결과가 나온 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.05a
• /
• pp.666-668
• /
• 2016

Salt and pepper noise generally occurs due to errors in the transmission channel or sensors and it lowers the resolution of the image and causes visual errors. To remove this salt and pepper noise, SMF(standard median filter), which represents simple algorithm and excellent noise removal performance, is widely used. However preservation characteristics in the pitch areas of the image is rather lacking. Therefore to effectively restore images damaged by salt and pepper noise, the study suggested a multiple filter that applies filters differently according to size by applying noise density threshold value of local mask on noise signal, while preserving non-noise signal.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.173-175
• /
• 2017

With the rapid progress of the digital area has come the increase in demand for multi-media services. Imaging processing as a result is being hailed as a technological field that can offer smart and efficient methods for the processing and analysis of images. In general, noise exist in various types, depending on the cause and form. Some leading examples of noise are AWGN(additive white Gaussian noise), salt and pepper noise and complex noise. This study suggests an algorithm to remove complex noise by using the standard deviation and noise density of the partial mask in order to effectively remove complex noise in images.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.404-406
• /
• 2021

In modern society, artificial intelligence and automation are being applied in various fields due to the development of the 4th industrial revolution and IoT technology. In particular, systems with a high proportion of image processing, such as automated processes, intelligent CCTV, medical industry, robots, and drones, are susceptible to external factors noise. In this paper, we propose a digital filter based on noise estimation and weights to reconstruct an image in a complex noise environment. The proposed algorithm classifies the types of noise using noise judgment, and determines the noise level of the filtering mask to switch the filtering process to obtain the final output. In order to verify the performance of the proposed algorithm, simulation was conducted, compared with the existing filter algorithm, and the results were analyzed.