• 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.

• 융합신호처리학회논문지
• /
• 제5권2호
• /
• pp.111-118
• /
• 2004

웨이블릿 변환 영역에서 계수 축소 방법의 잡음제거는 알고리즘의 단순함과 잡음제거 효과의 우수함으로 많이 사용되는 방법이다. 계수 축소 방법 중 VisuShrink는 데이터의 수와 잡음편차에 비례하는 universal 경계값을 사용하여 잡음을 제거하는 방법이다. 일반적으로 잡음편차가 알려져 있지 않으므로 universal 경계값 결정을 위해 잡음편차 추정이 필요하다. 그러나 잡음편차 추정 방법은 고주파 대역에서는 알려져 있으나 저주파 대역에 대해서는 알려져 있지 않으므로 기존의 VisuShrink 방법은 저주파 대역의 잡음을 제거할 수 없다. 본 논문에서는 단조변환에 의한 각 대역의 잡음편차를 추정하고, 추정된 편차에 가중값을 곱한 가중편차를 universal 경계값에 적용하여 최저주파 대역을 제외한 모든 대역의 잡음을 Soft-Threshold 기법으로 제거하였다. 그리고 잡음제거 특성을 비교하기 위해 기존의 VisuShrink방법 및 SureShrink방법과의 잡음제거 특성을 비교하였다. 비교 결과 본 논문에서 제시된 잡음제거 방법은 가우시안 잡음과 고압축 양자화 잡음에서 좋은 잡음 제거효과를 보였다.

• International Journal of Computer Science & Network Security
• /
• 제21권12spc호
• /
• pp.556-564
• /
• 2021

Numerous spatial and transform-domain-based conventional denoising algorithms struggle to keep critical and minute structural features of the image, especially at high noise levels. Although neural network approaches are effective, they are not always reliable since they demand a large quantity of training data, are computationally complicated, and take a long time to construct the model. A new framework of enhanced hybrid filtering is developed for denoising color images tainted by additive white Gaussian Noise with the goal of reducing algorithmic complexity and improving performance. In the first stage of the proposed approach, the noisy image is refined using a high-dimensional non-local means filter based on Principal Component Analysis, followed by the extraction of the method noise. The wavelet transform and SURE Shrink techniques are used to further culture this method noise. The final denoised image is created by combining the results of these two steps. Experiments were carried out on a set of standard color images corrupted by Gaussian noise with multiple standard deviations. Comparative analysis of empirical outcome indicates that the proposed method outperforms leading-edge denoising strategies in terms of consistency and performance while maintaining the visual quality. This algorithm ensures homogeneous noise reduction, which is almost independent of noise variations. The power of both the spatial and transform domains is harnessed in this multi realm consolidation technique. Rather than processing individual colors, it works directly on the multispectral image. Uses minimal resources and produces superior quality output in the optimal execution time.