• 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.

• JOURNAL OF ELECTRICAL WORLD
• /
• no.5 s.161
• /
• pp.79-86
• /
• 1990

사회의 발전과 더불어 각종 요구의 다양화에 따라 건축물 및 전기설비도 다양화, 복잡화되고 있고 이 중에서 전기설비의 안전확보를 위하여는 접지가 중요한 뜻을 갖는다. 접지와 노이즈는 오래되고도 새로운 문제이고 전기설비의 접지는 그 목적에 따라법규 등에 정해져 있다. 여기서는 접지에 관한 기준류과 대비하여 개요를 들고 동시에 전자기기의 노이즈 대책의 기본을 개설코자 한다.

• Journal of the Korea Computer Graphics Society
• /
• v.27 no.5
• /
• pp.45-54
• /
• 2021

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 Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.57-59
• /
• 2020

본 논문에서는 컨볼루션 신경망을 이용하여 다시점 비디오의 중간 시점 양자화 노이즈를 제거하는 방안을 제안한다. 다시점 비디오에서 중간 시점의 화질을 개선하기 위한 방안으로 인접 시점의 정보를 활용하였다. 제안하는 알고리즘을 적용하여 중간 시정에서의 양자화 노이즈를 제거할 수 있으며, 화질 (PSNR, peak-to-noise ratio)를 개선할 수 있다. 인접 시접의 정보를 활용할 경우, 일반적인 양자화 노이즈에 대해서 학습한 결과 대비 성능 향상을 제공한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.272-273
• /
• 2019

VVC(Versatile Video Coding)는 YUV 입력 영상에 대하여 Luma 성분과 Chroma 성분에 대하여 각각 다른 최적의 방법으로 블록분할 후 해당 블록에 대해서 화면 내 예측 또는 화면 간 예측을 수행하고, 예측영상과 원본영상의 차이를 변환, 양자화하여 압축한다. 이 과정에서 복원영상에는 블록화 노이즈, 링잉 노이즈, 블러링 노이즈 발생한다. 본 논문에서는 인코더에서 원본영상과 복원영상의 잔차신호에 대한 MAE(Mean Absolute Error)를 추가정보로 전송하여 이 추가정보와 복원영상을 이용하여 Deep Learning 기반의 신경망 네트워크로 영상의 품질을 높이는 방법을 제안한다. 복원영상의 노이즈를 감소시키기 위하여 영상을 $32{\times}32$블록의 임의로 분할하고, DenseNet기반의 UNet 구조로 네트워크를 구성하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.94-95
• /
• 2019

본 논문에서는 에너지인터넷의 한 분야인 전력선 통신 기반 전기 자동차 충전 시스템 구축에서 발생하는 임펄스 노이즈 동기화 문제를 해결하기 위해 OFDM에서 사용하는 프레임 동기화 방식을 제안한다. Kasami sequence를 통한 동기화 방식으로 전력선 통신의 임펄스 노이즈 동기화 결과를 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.285-288
• /
• 2013

의료영상에서의 노이즈는 환자 진단에 있어서 막대한 영향을 미치는 영상의 화질을 떨어트림으로써, 진단에 대한 유효성을 낮추게 된다. 특히, 현재 이슈화 되고 있는 저선량 의료영상은 기존의 고선량 의료영상보다 노이즈 레벨이 높으며, 이에 따라서 의료영상에서의 노이즈 제거 기술은 매우 중요한 사안으로 부각되고 있다. 본 논문에서 제시하는 노이즈 제거 기술은 각각의 투영 영상을 여러개의 부대역(sub-band)으로 분해하는 것으로부터 시작한다. 분해된 각각의 부대역 영상은 엣지 검출기를 통하여 엣지 부분과 평탄한 영역으로 구별되어 진다. 검출된 엣지는 0 ~ 1 사이의 값으로 정규화 되며, 퍼지기반의 연산을 통하여 엣지의 확실성을 나타내는 엣지맵으로 변환하게 된다. 이 엣지맵을 통하여 각 부대역 영상의 필터링 정도를 제어하고, 분해된 각 부대역을 결합하는 방식을 취함으로써 영상의 엣지 부분을 최대한 보존하면서 노이즈는 효과적으로 제거하도록 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.663-666
• /
• 2021

본 논문에서는 바다와 같은 스케일이 큰 장면인 물 시뮬레이션에서 표현되는 거품 효과(Foam effects)를 노이즈 없이 디테일하게 표현할 수 있는 프레임워크를 소개한다. 거품이 생성될 위치와 거품 입자의 이류는 기존의 접근법인 스크린 투영 방법을 통해 계산한다. 이 과정에서 중요한 것이 투영맵이지만 이산화된 스크린 공간에 운동량을 투영하는 과정에서 노이즈가 발생한다. 본 논문에서는 노이즈 제거 신경망(Denoising neural network)을 활용하여 이 문제를 효율적으로 풀어낸다. 투영맵을 통해 거품이 생성될 영역이 선별되면 2D공간을 3D공간으로 역변환(Inverse transformation)하여 거품 입자를 생성한다. 결과적으로 깔끔한 거품 효과뿐만 아니라, 노이즈 제거 과정으로 인해 소실되는 거품 없이 안정적으로 거품 효과를 만들어냈다.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.20 no.6
• /
• pp.509-515
• /
• 2009

In this paper, we analyzed and evaluated noise suppression characteristic of EM wave absorber. We fabricated several absorber samples in different ratios of Sendust and Amorphous with CPE(Chlorinated Ploy-ethylene) as binder and calculated material constants by measured S-parameter. Then, we confirmed that the noise suppression characteristic of EM wave absorbers using microstrip line. A microstrip line with EM wave absorber placed on its top was used to evaluate the conduction noise suppression. As a result, noise suppression effect show different charateristic by changing relative permeability. Therefore, EM wave absorber using Sendust show excellent characteristic. In particular the maximum power absorption over 90 % in 1.7 GHz to over 6 GHz has obtained when composition of Sendust:CPE=80:20wt.%.

• Journal of the Korean Society of Radiology
• /
• v.18 no.2
• /
• pp.93-99
• /
• 2024

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.