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
- 2019
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
영상기기의 발전에도 불구하고 다양한 원인으로 발생되는 잡음을 완전히 통제하는 것은 불가능에 가까우며, 이러한 잡음들은 영상의 화질을 악화시키므로 영상 인식이나 분석 등의 영상 활용에 악영향을 끼치게 된다. 이러한 문제를 해결하기 위해 영상에 섞인 잡음과 피쳐를 구분하여 잡음을 제거해야하는데 이를 구분하는 것이 쉽지 않다. 통계학적으로는 이런 잡음을 표본분산에 근거하여 제거하는 방법으로 접근할 수 있지만, 표본분산만으로는 잡음과 피쳐를 구분하기 쉽지 않기 때문에 피쳐가 갖고 있는 방향성의 개념을 고려한다. 다양한 방향으로 표본분산을 계산할 경우, 피쳐가 갖고 있는 방향에서의 표본분산이 유의하게 작게 나타나기 때문에 통계학의 분산의 동일성에 대한 검정으로 변환할 수 있다. 본 논문에서는 두 개의 픽셀 윈도우를 활용하는 블록 방법으로 다양한 방향성을 고려하였다. 블록 방법은 두 개의 픽셀 윈도우가 이루는 각도를 방향성으로 정의한다. 그리고 각 방향에서의 최대 변동과 최소 변동의 비율을 활용하여 분산의 동일성을 확인하였다. 그리고 피쳐의 정도를 나타내는 피쳐 통계량을 잡음의 크기에 근거하여, 잡음의 정도가 약할 때에는 피쳐의 정도를 강하게 반영하고, 잡음의 정도가 강할 때에는 피쳐의 정도를 약하게 반영하는 방법을 제안하였다. 모의 실험 결과, 본 연구에서 제안하는 알고리즘에 의해 적응적으로 잡음을 제거함으로써 전체적인 영상의 질이 개선됨을 확인하였다.
주요용어: 영상처리, 방향성, 잡음, 가우시안 잡음, 잡음제거, 바틀렛 검정, 레빈 검정, 플리그너 킬린 검정, 적응적 필터
주요용어: 영상처리, 방향성, 잡음, 가우시안 잡음, 잡음제거, 바틀렛 검정, 레빈 검정, 플리그너 킬린 검정, 적응적 필터
목차
제1장 서 론 11.1. 연구 배경 및 목적 11.2. 논문의 구성 2제2장 통계적 영상 처리 32.1. 영상 처리 32.2. 잡음 제거 42.3. 피쳐 벡터와 방향성 62.4. 분산의 동일성 검정방법 9제3장 적응적 잡음 제거 알고리즘 133.1. 최대 최소 비율에 의한 검정 133.2. 피쳐 통계량의 정의 163.3. 적응적 잡음 제거 알고리즘 203.4. 모의 실험 20제4장 결론 43참고문헌 44국문초록 46Abstract 47
최근 본 자료
댓글(0)
0