Due to the recent progress in information technology, demand for video imaging devices such as displays has grown. In general, images experience deterioration during the process of transmission due to various reasons. Many studies have boon undertaken on ways o reduce such noise. This paper6 suggests an algorithm that makes a judgment on the noise in order to remove the salt & pepper noise and replaces original pixels if they are non-noise while processing noise according to its density. The suggested algorithm shows a high PSNR of 30.49[dB] for Goldhill images that had been damaged of a high density salt & pepper noise(
디지털 영상처리는 사무자동화, 의료산업, 위성사진, 공장자동화, 영상검지 또는 영상인식 시스템, 로봇 등 넓고 다양한 분야에서 활용되고 있다. 그러나 영상 데이터는 획득, 전송, 처리하는 과정에서 여러 외부 원인에 의해 잡음이 첨가되어 영상의 열화가 발생한다. 영상에 첨가되는 잡음은 발생되는 원인과 형태에 따라 다양한 종류가 있으며, 주로 AWGN (additive white Gaussian noise), salt & pepper 잡음이 대표적이다[1].
Salt & pepper 잡음의 주요 원인으로는 채널 전송 에러 등이 있으며, 에지 검출이나 분할 등의 영상 처리 작업이 수행되기 전에 salt & pepper 잡음의 제거는 필수적이다[2]. 이러한 salt & pepper 잡음을 제거하기 위하여 많은 기법들이 제안되었고 대표적인 공간영역 기법에는 CWMF(center weighted median filter), SWMF(switching median filter), A-TMF(alpha-trimmed mean filter) 등이 있다. 그러나 이러한 필터들은 고밀도 잡음이 첨가된 경우 잡음 제거 특성이 저하된다[3,4].
따라서 본 논문에서는 영상에 첨가되는 salt & pepper 잡음의 영향을 완화하기 위하여, 잡음판단을 통해 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 잡음 밀도에 따라 Newton 보간법, 공간 가중치 및 메디안 필터로 처리하는 알고리즘을 제안하였다. 그리고 제안된 알고리즘의 잡음제거 성능의 우수성을 입증하기 위해, PSNR(peak signal to noise ratio)을 이용하였으며, 기존의 방법들과 그 성능을 비교하였다[5,6].
본 논문에서는 영상에 첨가되는 salt & pepper 잡음의 영향을 완화하기 위하여 중심 화소에 대해 잡음 판단을 거친 후 비잡음인 경우, 원 화소 그대로를 출력하고 잡음인 경우, 5 × 5 국부 마스크 내의 잡음 밀도에 따라 처리하며 잡음 밀도가 50% 이하인 경우, Newton 보간 다항식, 50%~90%인 경우, 공간 가중치 필터[5], 90% 이상인 경우, 메디안 필터[6]로 처리하고, 5 × 5 국부 마스크가 모두 잡음인 경우, 이미 처리된 인접 화소로 처리하는 알고리즘을 제안하였다.
Salt & pepper 잡음에 의하여 훼손된 영상에서
여기서
본 논문에서 salt & pepper 잡음을 제거하는데 salt & pepper 잡음 신호의 화소값은
Newton 보간법은 미정 계수법의 단점인 긴 계산 과정과 오차를 줄이기 위하여 고안된 다항식에 의한 보간법으로 (
선형 또는 2차 보간법과 마찬가지로 데이터 점은 계수
(
여기서, [ ]로 표시된 함수는 유한제차분을 나타내며 1차 유한제차분은 식 (4)와 같다.
이와 같이 계산된 계수값들을 (
잡음판단을 통해 중심화소가 비잡음 신호로 판단된 경우, 식 (7)과 같이 원 화소로 대치한다.
잡음판단을 통해 중심화소가 잡음 신호로 판단된 경우, 5 × 5 국부 마스크를 식 (8)과 같이 설정한다.
여기서,
5 × 5 국부 마스크의 잡음 밀도
2.4.1. ? ? t1인 경우
5 × 5 국부 마스크의 잡음 밀도가 50% 이하인 경우, Newton 보간법으로 처리하며 다음과 같다.
Step 1. 중심화소
Step 2. Salt & pepper 잡음의 수가 적은 순서로 정렬하여 두 방향을 식 (10)과 같이 처리한다.
Step 3. 5 × 5 국부 마스크
Step 4. Newton 보간법을 적용하며 식 (11)과 같다.
여기서,
Step 5. Newton 보간법을 적용하며 최종 출력은 식 (12)와 같이 구한다.
2.4.2. t1 ?? ? t2 인 경우
5 × 5국부 마스크의 잡음 밀도가 50%~90%인 경우, 공간 가중치를 적용하며 다음과 같다.
Step 1. 공간 가중치
여기서,
공간 가중치는 중심 화소와 주위 화소의 공간적 거리에 따라 각각 다르게 적용된다. 즉, 공간적으로 중심 화소와 인접한 화소에 대해서는 큰 가중치를 적용하고, 중심화소와의 공간 거리가 증가됨에 따라 가중치를 감소시킴으로써 처리된 영상에 에지 특성을 향상시킨다.
Step 2. 잡음화소 검출에 의해 5 × 5 국부 마스크를 2 진화 형태로 나타낼 경우, 식 (14)와 같이 표현된다.
Step 3. 공간 가중치를 적용한 최종 출력은 식 (15)와 같이 구한다.
2.4.3. ? ? t2 인 경우
5 × 5 국부 마스크의 잡음 밀도가 90% 이상인 경우, 메디안 필터로 처리하며 다음과 같다.
Step 1. 5 × 5 국부 마스크 내의 비잡음 요소의 집합을
Step 2.
2.4.4. ? = 1
5 × 5 국부 마스크의 모든 화소가 잡음이므로 이미 처리된 최종 출력을 이용하여 구하며 식 (18)과 같다.
본 논문에서는 512⨉512 크기의 8비트 그레이 영상인 Goldhill에 대해 salt & pepper 잡음을 첨가하여 시뮬레이션하였으며, 또한 영상의 개선 정도를 평가하기 위하여 PSNR을 사용하여 기존의 CWMF, SWMF, A-TMF로 성능을 비교하였다. PSNR은 식 (19), (20)과 같이 표현된다.
여기서,
그림 1에서 (a)는 원 영상이고, (b)는 salt & pepper 잡음(
그림 2에서 (a)는 CWMF(5 × 5), (b)는 SWMF(5 × 5), (c)는 A-TMF(5 × 5), (f)는 제안한 필터 알고리즘으로 처리한 결과이다.
시뮬레이션 결과로부터, CWMF, SWMF 및 A-TMF는 고밀도 잡음 환경에서 다소 미흡한 잡음제거 특성을 나타내고 있으며, 제안한 알고리즘은 고밀도 잡음 환경 에서 우수한 잡음 제거 특성을 나타내고 있다.
그림 3은 각각의 필터들에 의해 복원된 Goldhill 영상에 대한 PSNR을 비교한 것이며, 수치를 표1에 나타내었다.
[표 1.] Goldhill 영상의 각 PSNR[dB] 비교
Goldhill 영상의 각 PSNR[dB] 비교
여기서, 기존의 방법들은 잡음밀도가 적은 경우 잡음 제거 특성이 우수하였으며 잡음 밀도가 40% 이상으로 높아짐에 따라 잡음제거 특성이 급격히 미흡해지는 특성을 나타내었다.
그리고 제안한 알고리즘은 잡음 밀도에 따라 Newton 보간법, 공간 가중치, 메디안 필터를 이용하여 잡음 밀도가 낮은 영역 및 높은 영역에서도 우수한 PSNR을 나타내었다.
본 논문에서는 영상에 첨가되는 salt & pepper 잡음의 영향을 완화하기 위하여 잡음 판단을 거친 후, 비잡음인 경우 원 화소로 대치하고, 잡음인 경우 잡음 밀도에 따라 Newton 보간법, 공간 가중치, 메디안 필터로 처리하는 알고리즘을 제안하였다.
시뮬레이션 결과, 제안한 알고리즘은 salt & pepper 잡음(
향후 제안한 알고리즘을 개선하여 우수한 성능을 얻을 수 있는 알고리즘에 관한 연구를 진행할 예정이다.