• 한국컴퓨터정보학회논문지
• /
• 제12권3호
• /
• pp.123-130
• /
• 2007

SAR 영상은 스펙클 잡음의 승법(multiplicative) 특성으로 인하여 영상 분석하는데 많은 어려움이 있다. 본 논문에서는 웨이블렛 변환을 사용하여 SAR 영상의 스펙클 잡음을 제거하고자 한다. 이를 위해 잡음영상에 대해 로그를 취해 얻은 가법(additive) 잡음 영상에서 웨이블렛 분해 한 후 잡음 성분을 제거하고 원영상을 얻기 위해 지수형태를 취한다. 웨이블렛 변환에서 임계치 처리는 소프트 임계법을 사용하고 VisuShrink, SureShrink, BayesShrink 그리고 수정된 BayesShrink 방법으로 임계값을 선택한다. 영상실험을 통하여 이들 임계값 선택 방법들 간의 비교는 수정된 BayesShrink 방법이 다른 방법들보다 좋은 영상의 질을 유지하고 있으며 또한 PSNR 면에서 좋은 잡음제거 성능을 갖고 있음을 알 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제3권2호
• /
• pp.205-216
• /
• 1996

Consider the problem of estimating a multivariate normal mean with an unknown covarience matrix under a weighted sum of squared error losses. We first provide hierarchical Bayes estimators which shrink the usual (maximum liklihood, uniformly minimum variance unbiased) estimator towards a regression surface and then prove the admissibility of these estimators using Blyth's (1951) method.

• 한국멀티미디어학회논문지
• /
• 제15권10호
• /
• pp.1205-1211
• /
• 2012

대사성 골 질환인 골다공증(Osteoporosis)의 조기 진단을 위해 X 선 영상에서 골 밀도를 측정하는 방법이 최근 연구되고 있다. 골 밀도는 X 선 영상에서 뼈가 분리되고, 분리된 영역에서의 픽셀에 의해 BMD가 측정되는데, 개선된 영상에서의 정밀한 뼈 추출이 주요한 요소이므로 X 선 영상의 개선은 골다공증의 조기 진단을 위해 필수적이다. 본 논문에서는 sparse 표현을 도입하여 다중(multiple) 잡음을 갖는 X 선 영상을 개선시키는 방법을 제안한다. 실험을 통해 제안한 방법의 결과가 기존의 방법인 웨이블릿 BayesShrink 잡음 제거 방법 및 일반적 sparse 표현 모델의 잡음 제거 방법의 결과에 비해 개선됨을 CNR(Contrast to Noise Ratio) 및 cut-view를 통해 확인하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.30-33
• /
• 2012

대사성 골 질환인 골다공증(Osteoporosis)의 조기 진단을 위해 X 선 영상에서 골 밀도를 측정하는 방법이 최근 연구되고 있다. 골 밀도는 X 선 영상에서 뼈가 분리되고, 분리된 영역에서의 픽셀에 의해 BMD가 측정되는데, 개선된 영상에서의 정밀한 뼈 추출이 주요한 요소이므로 X 선 영상의 개선은 골다공증의 조기 진단을 위해 필수적이다. 본 논문에서는 sparse 표현법을 도입하여 X 선 영상을 개선시키는 방법을 제안한다. 실험을 통해 제안한 방법의 결과가 기존의 방법인 웨이블릿 BayesShrink에 비해 개선됨을 CNR(Contrast to Noise Ratio)을 통해 확인하였다.

• 전자공학회논문지SC
• /
• 제44권6호
• /
• pp.42-48
• /
• 2007

X-ray 영상 시스템에서는, 크게 2 종류의 noise 성분이 함유되어있다. 먼저 x-ray 방사선이 조사되어질 때, 검출기에서의 방사선의 상호작용으로부터 발생되어지는 것으로서 랜덤하게 발생되어지는 Poisson noise 성분이다. 다음으로 noise 성분은 readout electronics noise, pixel pattern noise 그리고 off-set noise 등으로부터 발생되어지는 Gaussian noise 성분이다. 그러나, x-ray 영상에서는 Gaussian noise가 아닌, Poisson noise로 모델링 되어진다. Gaussian noise에 의해서 발생되어지는 noise 성분은 위너필터 혹은 웨이브렛을 사용하여 쉽게 제거가 가능하지만, Poisson noise와 같은 랜덤 noise를 제거하기 위해서는 복잡한 분석기법이 필요하게 한다. 이 논문에서는 웨이브렛 영역에서 x-ray 영상의 Poisson noise를 제거하고자 하였으며, 적용된 분석 기법은 최적화된 웨이브렛 분석기법인 IBS(Improved BayesShrink)을 사용하였다. 적용된 IBS 기법은 cone-beam CT의 x-ray 영상에서의 기존의 방법에 비해 향상된 결과를 보여주었다.