지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김영화
- 발행연도
- 2018
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
영상처리 분야에서 중요한 분야인 잡음 제거는 통계적인 접근이 필요하지만 잡음에 대한 특정한 분포를 가정하기 어려우며 지역적 특징을 반영하는 공간 필터는 소표본에 해당하므로 모수적인 방법으로 접근할 수 없다. 베이지안 방법은 소표본 하에서 추론을 진행할 수 있으며 임의의 분포에 대한 추론을 진행하는 경우 디리클레 과정을 사전분포로 하는 비모수 베이지안 방법을 선택할 수 있다. 비모수 베이지안 방법 중 디리클레 정규 혼합모형은 자료의 특징을 모두 반영하거나 몇 개의 특징으로 집락화 할 수 있으므로 영상에 포함된 잡음과 특징을 구별해 준다. 적응적 필터는 영상의 지역적 특징을 고려하여 잡음과 특징을 구분하는 방법이고 이 방법에 비모수 베이지안 방법을 적용한다면 영상의 잡음을 효과적으로 제거할 수 있을 것이다. 지역적 방법 이외에도 영상에 포함된 잡음을 제거하기 위하여 영상에 포함된 잡음의 수준을 생각할 수 있다. 1차 영상 미분과 2차 영상 미분은 영상에 포함된 잡음 수준에 따라 확연한 차이를 보이며 캐니 에지 검출기를 사용하면 보다 명확히 알 수 있다. 잡음 수준을 통계적으로 확인하고자 Fligner-Killeen 검정을 진행하고 붓스트랩 방법을 사용하였으며 추정된 잡음의 수준을 베타분포의 누적분포함수를 이용하여 0과 1사이의 값을 갖도록 하였다. 본 연구에서는 영상에 포함된 잡음을 제거하기 위해 비모수 베이지안 적응적 필터 알고리즘과 영상에 포함된 잡음 수준을 고려하는 잡음 제거 알고리즘을 제시하고자 한다.
목차
제 1 장 서 론 11.1 연구의 배경 및 목적 11.2 논문의 구성 5제 2 장 영상처리 72.1 영상처리 72.2 영상처리에서의 에지 152.3 영상 미분 162.4 에지 검출기 212.5 캐니 에지 검출기 31제 3 장 비모수 베이지안 363.1 베이지안 추론 363.2 비모수 베이지안 383.3 디리클레 정규 혼합모형 42제 4 장 비모수 베이지안 방법을 적용한 적응적 필터 알고리즘 524.1 적응적 필터 524.2 비모수 베이지안 적응적 필터 알고리즘 524.3 모의실험 574.4 결론 68제 5 장 영상의 잡음 수준을 고려한 잡음 제거 알고리즘 695.1 영상의 전체의 잡음과 필터 마스크의 잡음의 비교 695.2 Fligner-Killeen 검정 695.3 붓스트랩 방법 715.4 영상에 포함된 잡음의 수준 745.5 영상에 포함된 잡음 수준을 고려하는 잡음 제거 알고리즘 865.6 모의실험 875.7 결론 102제 6 장 결 론 103참고문헌 106국문초록 111Abstract 112
최근 본 자료
댓글(0)
0