• 한국전자통신학회논문지
• /
• 제17권1호
• /
• pp.41-48
• /
• 2022

본 논문은 통합 베이즈 티코노프 정규화 방법을 총변이 정규화에 대한 해법으로 제시한다. 통합된 방법은 총변이 항을 가중된 티코노프 정규화 항으로 변형하여 정규화 모수를 구하는 공식을 제시한다. 정규화 모수를 구하고 이를 바탕으로 새로운 가중인수를 구하는 것을 복원된 영상이 수렴하기까지 반복한다. 실험결과는 영상 복원 문제에 대하여 제안하는 방법의 효능을 보여준다.

• Journal of Information Processing Systems
• /
• 제13권5호
• /
• pp.1168-1182
• /
• 2017

In the past decades, various image regularization methods have been introduced. Among them, total variation model has drawn much attention for the reason of its low computational complexity and well-understood mathematical behavior. However, regularization parameter estimation of total variation model is still an open problem. To deal with this problem, a novel adaptive regularization parameter selection scheme is proposed in this paper, by means of using the local spectral response, which has the capability of locally selecting the regularization parameters in a content-aware way and therefore adaptively adjusting the weights between the two terms of the total variation model. Experiment results on simulated and real noisy image show the good performance of our proposed method, in visual improvement and peak signal to noise ratio value.

• 전기전자학회논문지
• /
• 제20권3호
• /
• pp.226-234
• /
• 2016

전기 저항 단층촬영법(ERT)은 대상체 내부 단면의 저항률 분포를 추정하고 이를 영상화하는 기술이다. ERT의 영상복원은 매우 비정치성이 강한 역문제의 일종으로 의미있는 영상을 얻기 위해서는 조정기법이 사용된다. 대표적으로 l2-norm 조정기법, l1-norm 조정기법, Total Variation 조정기법이 사용되며, 조정기법에 따라 ERT의 영상복원 성능이 달라진다. 즉, 상황에 맞는 적절한 조정기법의 사용은 ERT 영상 복원을 개선할 수 있다. 따라서, 본 논문에서는 모의실험을 통하여 상황에 따른 세 가지 조정기법의 영상복원 성능을 비교하였다.

• 전기전자학회논문지
• /
• 제20권2호
• /
• pp.152-162
• /
• 2016

전기 저항률 단층촬영법(ERT)은 표면 전극으로부터 측정된 전압을 사용하여 물체 내부의 임피던스 분포를 영상화하는 기술이다. ERT 역문제는 비정치성(ill-posedness)이 매우 심하여 영상복원의 수렴성을 확보하기 위해 조정방법이 사용된다. 사용된 조정방법에 따라 영상복원 성능이 달라지므로 상황에 따라 보다 강건한 영상 복원 성능을 얻기 위해, 서로 다른 영상복원 특성을 나타내는 L1-norm 조정방법과 Total Variation (TV) 조정방법의 두 개의 모드가 상호작용하는 상호작용 이중-모드 조정방법을 제안하였다. 제안한 이중-모드 조정방법은 실제 상황에 따라 달라지는 모드 확률을 계산하고 이에 근거하여 적합한 모드를 선택하거나 두 개의 모드를 결합한다. 모의실험을 수행하여 제안된 기법의 영상 복원 성능을 평가한 결과 비교적 양호한 성능을 나타내었다.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제6권2호
• /
• pp.9-24
• /
• 2002

Total Variation(TV) regularization method is effective for reconstructing "blocky", discontinuous images from contaminated image with noise. But TV is represented by highly nonlinear integro-differential equation that is hard to solve. There have been much effort to obtain stable and fast methods. C. Vogel introduced "the Fixed Point Lagged Diffusivity Iteration", which solves the nonlinear equation by linearizing. In this paper, we apply multigrid(MG) method for cell centered finite difference (CCFD) to solve system arise at each step of this fixed point iteration. In numerical simulation, we test various images varying noises and regularization parameter $\alpha$ and smoothness $\beta$ which appear in TV method. Numerical tests show that the parameter ${\beta}$ does not affect the solution if it is sufficiently small. We compute optimal $\alpha$ that minimizes the error with respect to $L^2$ norm and $H^1$ norm and compare reconstructed images.

• Journal of applied mathematics & informatics
• /
• 제38권5_6호
• /
• pp.519-532
• /
• 2020

In this paper, we first propose a new total variation-based regularization model for image restoration. We next propose a fixed-point-like method for solving the new image restoration model, and then we provide convergence analysis for the fixed-point-like method. To evaluate the feasibility and efficiency of the fixed-point-like method for the new proposed total variation-based regularization model, we provide numerical experiments for several test problems.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제26권3호
• /
• pp.156-184
• /
• 2022

In this article, we propose a novel variational model for restoring color images corrupted by mixed multiplicative Gamma noise and additive Gaussian noise. The model involves a data-fidelity term that characterizes the mixed noise as an infimal convolution of two noise distributions and the saturation-value total variation (SVTV) regularization. The data-fidelity term facilitates suitable separation of the multiplicative Gamma and Gaussian noise components, promoting simultaneous elimination of the mixed noise. Furthermore, the SVTV regularization enables adequate denoising of homogeneous regions, while maintaining edges and details and diminishing the color artifacts induced by noise. To solve the proposed nonconvex model, we exploit an alternating minimization approach, and then the alternating direction method of multipliers is adopted for solving subproblems. This contributes to an efficient iterative algorithm. The experimental results demonstrate the superior performance of the proposed model compared to other existing or related models, with regard to visual inspection and image quality measurements.

• ETRI Journal
• /
• 제37권6호
• /
• pp.1251-1258
• /
• 2015

We investigate an image recovery method for sparse-view computed tomography (CT) using an iterative shrinkage algorithm based on a second-order approach. The two-step iterative shrinkage-thresholding (TwIST) algorithm including a total variation regularization technique is elucidated to be more robust than other first-order methods; it enables a perfect restoration of an original image even if given only a few projection views of a parallel-beam geometry. We find that the incoherency of a projection system matrix in CT geometry sufficiently satisfies the exact reconstruction principle even when the matrix itself has a large condition number. Image reconstruction from fan-beam CT can be well carried out, but the retrieval performance is very low when compared to a parallel-beam geometry. This is considered to be due to the matrix complexity of the projection geometry. We also evaluate the image retrieval performance of the TwIST algorithm -sing measured projection data.

• 전자공학회논문지
• /
• 제51권6호
• /
• pp.209-220
• /
• 2014

압축센싱은 성긴 (sparse) 신호에 대해 Nyquist rate 미만의 샘플링으로도 신호 획득이 가능하다는 것을 수학적으로 증명한 새로운 개념이다. 그동안 영상분야 압축센싱을 위한 수많은 복원 알고리즘들이 제안되어 왔으나, 낮은 측정률 하에서는 복원 화질 측면에서 아직 개선할 점이 많다. 일례로, 자연 영상의 압축센싱 복원 화질 향상을 위해, 영상과 관련한 사전 정보들로부터 정규화 식을 도출하여 복원에 적용해 볼 수 있을 것이다. 따라서, 본 논문에서는 Dantzig selector 및 평활 필터(가우시안 필터 및 nonlocal 평균 필터)기반의 평활 잔차 오류 정규화 방법을 제안한다. 또한, 복원 영상의 객체 및 배경에서 발생하는 edge 정보를 우수하게 보전하는 것으로 알려진 Total variation 기반 최소화 알고리즘에 적용하여 복원 영상의 화질을 향상시키는 방법을 제안한다. 제안하는 구조는 잔차신호의 평활화를 활용한다는 측면에서 새로운 압축센싱 복원 방식이라고 할 수 있다. 실험 결과, 제안방법은 기존 방법들에 비해 객관적 및 주관적 화질 측면에서 더 높은 성능 향상을 보여주었으며, 특히 기존 Bayesian 압축센싱 복원 방식과 비교 시 최대 9.14 dB 성능이 향상되었다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제3권5호
• /
• pp.271-274
• /
• 2014

Bayesian based Multi-Frame Super-Resolution (MF-SR) has been used as a popular and effective SR model. On the other hand, the texture region is not reconstructed sufficiently because it works on the spatial domain. In this study, the MF-SR method was extended to operate on the frequency domain to improve HF information as much as possible. For this, a spatially weighted bilateral total variation model was proposed as a regularization term for a Bayesian estimation. The experimental results showed that the proposed method can recover the texture region more realistically with reduced noise, compared to conventional methods.