• 한국통신학회논문지
• /
• 제19권9호
• /
• pp.1759-1771
• /
• 1994

잡음이 섞인 흐려진 영상을 복원하기 위해 정칙화 구속조건을 사용한 steepest-descent 영상복원방법을 제시하였다. Beimond 등에 의해 제시되어진 기존의 정착화방법의 경우 복원과정에서 발생가능한 잡음의 증폭과 악조건이나 특이점등에 의해 발생하는 오차를 억제하기 위해 사용하는 정칙화변수의 값을 실험적으로 설정하여 영상의 복원에 적용함으로써 잡음의 증폭과 파문현상 등을 초래하는 등 복원효과가 줄어드는 단점을 나타낸다. 본 방법은 복원영상의 각화소값으로부터 적응적으로 구속조건의 값을 구하여 훼손된 영상의 복원에 적용함으로써 잡음의 증폭을 억제하고 파문현상을 줄일 수 있는 장점을 갖는다. 또 복원결과가 원래의 해와 근사하거나 발산할 경우 자동적으로 반목을 멈추는 종료규칙을 제시하였다. 실험결과를 통하여 'Lena' 영상과 'Jaguar' 영상을 원영상으로 사용하였을 경우 제시된 방법은 평편한 영역에서의 잡음의 증폭이 억제되었을뿐 아니라 파문현상도 줄어들었는데, 이것은 우리의 사각이 갖는 평면에서의 잡음의 가시도에 의해 시각적인 효과가 개선되었음을 알 수 있고, 영상의 전반적인 평균자승오차도 Biemond 등에 의한 방법을 각각 216과 467인데 비하여 본 논문에서 제시된 방법의 경우 각각 196과 453으로서 더욱 낮은 평균자승오차를 얻을 수 있었다.

• 한국전자통신학회논문지
• /
• 제15권1호
• /
• pp.161-166
• /
• 2020

본 논문은 통합 베이즈 티코노프 정규화 방법을 확장하는 것을 제시한다. 통합된 방법은 티코노프 정규화 모수와 베이즈 하이퍼 모수들의 관계를 정립하고 최대 사후 확률과 근거 프레임워크를 사용한 정규화 모수를 구하는 공식을 제시한다. 데이터 행렬의 차원이 m by n (m >= n)일 때, total misfit는 기존의 m에서 m ± n로 확장된다. 따라서 탐색 범위도 1에서 2n+1개의 정수로 확장된다. 선형 탐색보다는 황금분할 탐색으로 시간을 줄인다. 상대오차를 최적화하는 새로운 벤치마크를 제안하고 이를 목표로 하는 새 모델 선택 판정기준을 소개한다. 실험결과는 영상 복원 문제에 대하여 제안하는 방법의 효능을 보여준다.

• 정보처리학회논문지B
• /
• 제16B권1호
• /
• pp.1-6
• /
• 2009

움직임에 의해 흐려지고 잡음으로 훼손된 영상을 복원하는 것은 매우 어렵다. 기존의 방법들은 영상의 국부적인 특성을 고려하지 않고 영상 전체에 일률적으로 복원처리를 행함으로써 윤곽부분에서 리플잡음을 초래하고 평면부분에서도 잡음증폭을 피할 수 없다. 이러한 문제점을 개선하기 위하여, 본 논문에서는 윤곽방향을 고려한 방향성 정칙화 연산자를 사용하여 적응적으로 처리되는 반복 정칙화 방법을 제안한다. 그것과 더불어 적응 정칙화 파라메타와 이완 파라메타를 적용하는 알고리즘도 함께 제안한다. 결론적으로, 이 방법은 기존의 방법과 비교할 때, 평면부분에서 잡음증폭을 억제하고, 시각적으로 중요한 윤곽부분의 리플잡음을 억제함으로써 윤곽부분 복원에 더욱 효율적임을 실험을 통하여 확인할 수 있었으며 또한 ISNR 면에서도 우수하였다는 것을 확인할 수 있다.

• 한국통신학회논문지
• /
• 제32권11C호
• /
• pp.1073-1078
• /
• 2007

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.

• 충청수학회지
• /
• 제29권1호
• /
• pp.59-71
• /
• 2016

To obtain more accurate approximation of the true images in the deblurring problems, the weighted global generalized cross validation(GCV) function to the inverse problem with multiple right-hand sides is suggested as an efficient way to determine the regularization parameter. We analyze the experimental results for many test problems and was able to obtain the globally useful range of the weight when the preconditioned global conjugate gradient linear least squares(Gl-CGLS) method with the weighted global GCV function is applied.

• 대한원격탐사학회지
• /
• 제28권5호
• /
• pp.561-571
• /
• 2012

변조전달함수(MTF; Modulation Transfer Function)는 광학영상의 성능을 평가하는 중요한 품질 요소 중 하나이다. 영상의 MTF 증진을 위해 영상 복원이 필요하나, 이 과정은 대표적인 부적합문제(ill-posed problem)의 하나로 특정한 해를 갖지 않는다. 영상 복원을 위한 필터에는 역 필터(IF; Inverse Filter), 의사 역 필터(PIF; Pseudo Inverse Filter), Wiener Filter(WF) 등이 있다. 이들 중 가장 일반적으로 사용되고 있는 WF는 촬영된 영상 내에서 영상과 잡음을 정확히 구분하기 어렵다는 한계를 가지고 있다. 본 논문에서는 Modified Wiener Filter(MWF)를 사용하여 부적절 문제를 풀 수 있도록 문제를 정규화 하였으며, 정규화 변수(regularization parameter)의 값을 찾기 위한 방법으로 L-곡선(L-curve)을 사용하였다. MWF의 검증을 위해 Dubaisat-1 위성의 영상을 의사 역 필터(PIF), Wiener Filter(WF), MWF로 영상 복원을 수행하였다. 복원 결과, MWF를 사용했을 때가 PIF를 사용했을 때의 결과에 비해 20.93%, WF를 사용했을 때의 결과에 비해 10.85% 더 향상된 MTF를 얻을 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제2권3호
• /
• pp.320-328
• /
• 1999

정칙화 반복복원 과정에 사용되는 정칙화 연산자는 Laplacian 연산자를 주로 사용하고 있으나, 일반적으로 미분 연산자를사용하게 되어있다. 본 논문에서는 정칙화 연산자로서의 일반적인 미분연산자틀과 본 연구실에서 사용 되어 온 I-H 연산자의 성능을 비교, 검토하여 분석하였다. 선형적인 움직임에 의한 훼손된 영상에서는, 평면부분은 I-H 연산자가 Laplacian 연산자보다 복원효과와 MSE의 수렴성이 안정된 것을 알 수 있었으며 윤곽부분은 Laplacian 연산자가 I-H 연산자보다 MSE의 수렴성 및 복원효과가 뛰어남을 알 수 있었다. 가우시안에 의해 훼손된 영상에서는, 융곽부분은 I-H 연산자가 Laplacian 연산자보다 MSE의 수렴성 및 복원효과가뛰어나며 평변부분에서는Laplacian 연산자가 I-H 연산자보다 MSE 변에서 안정적으로 F수렴함을 알 수 있었다. 정칙화 이론은 잡음의 평활화와 윤곽의 복원을 동시에 고려하여 처리하기 때문에 영역을 평면부분과 중간 부분 그리고 윤곽부분으로 나누어서 처리결과에 대한 MSE를 비교하였다. Laplacian 연산자와 I-H 연산자는 정칙화 연산자로 사용하기에 적합하였고 다른 미분 연산자들은 반복횟수에 따라 발산하는 것으로 나타났다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.78-88
• /
• 2009

본 논문에서는 LDA를 이용한 얼굴 인식에서 발생하는 small sample size 문제를 해결하기 위한 효율적인 방법인 resampling 방법을 제안한다. 기존에는 regularization method를 사용하여 small sample size 문제를 해결하였는데, 이 방법을 사용하면 클래스내 분산행렬의 특이성을 없앨 수 있지만, 클래스내 분산행렬과 상수를 곱하는 과정에서 상수 값을 임의로 정해 주어야 하고, 이 상수 값에 따라 인식률이 개선되지 않을 수 있다는 문제점이 발생한다. 제안된 resampling 방법을 이용하여 학습 데이터의 수를 늘리면, regularization method보다 개선된 인식률을 얻을 수 있고, 또한 경험적으로 상수 값을 지정해 주는 과정을 거치지 않아도 되는 장점이 있다.

• Smart Structures and Systems
• /
• 제21권6호
• /
• pp.741-749
• /
• 2018

Structural health monitoring (SHM) systems are necessary to achieve smart predictive maintenance and repair planning as well as they lead to a safe operation of mechanical structures. In the context of vibration-based SHM the measured structural responses are employed to draw conclusions about the structural integrity. This usually leads to a mathematically illposed inverse problem which needs regularization. The restriction of the solution set of this inverse problem by using prior information about the damage properties is advisable to obtain meaningful solutions. Compared to the undamaged state typically only a few local stiffness changes occur while the other areas remain unchanged. This change can be described by a sparse damage parameter vector. Such a sparse vector can be identified by employing $L_1$-regularization techniques. This paper presents a novel framework for damage parameter identification by combining sparse solution techniques with an Extended Kalman Filter. In order to ensure sparsity of the damage parameter vector the measurement equation is expanded by an additional nonlinear $L_1$-minimizing observation. This fictive measurement equation accomplishes stability of the Extended Kalman Filter and leads to a sparse estimation. For verification, a proof-of-concept example on a quadratic aluminum plate is presented.

• Structural Engineering and Mechanics
• /
• 제75권4호
• /
• pp.477-485
• /
• 2020

Finite element (FE) model based structural damage detection (SDD) methods play vital roles in effectively locating and quantifying structural damages. Among these methods, structural model updating should be conducted before SDD to obtain benchmark models of real structures. However, the characteristics of updating parameters are not reasonably considered in existing studies. Inspired by the l_∞ norm regularization, a novel anti-sparse representation method is proposed for structural model updating in this study. Based on sensitivity analysis, both frequencies and mode shapes are used to define an objective function at first. Then, by adding l_∞ norm penalty, an optimization problem is established for structural model updating. As a result, the optimization problem can be solved by the fast iterative shrinkage thresholding algorithm (FISTA). Moreover, comparative studies with classical regularization strategy, i.e. the l₂ norm regularization method, are conducted as well. To intuitively illustrate the effectiveness of the proposed method, a 2-DOF spring-mass model is taken as an example in numerical simulations. The updating results show that the proposed method has a good robustness to measurement noises. Finally, to further verify the applicability of the proposed method, a six-storey aluminum alloy frame is designed and fabricated in laboratory. The added mass on each storey is taken as updating parameter. The updating results provide a good agreement with the true values, which indicates that the proposed method can effectively update the model parameters with a high accuracy.