랜덤 임펄스 잡음 제거를 위한 2차원 디지털 스위칭 필터에 관한 연구

Abstract

IoT 기술의 발전과 4차 산업 혁명의 영향으로 영상처리는 자율주행자동차, 스마트 팩토리, 의료산업, 지능형 CCTV, 로봇 및 드론 등 폭넓은 분야에서 다양한 형태로 사용되고 있다. 하지만 데이터를 획득하거나 전송하는 과정 등에서 여러 가지 원인으로 잡음이 발생하여 신호를 훼손하고 있으며, 이러한 잡음은 데이터의 품질을 저하시킬 뿐만 아니라 데이터를 처리하는 과정에서 오류를 야기하여 시스템에 손상을 일으킬 수 있다. 따라서 잡음 제거는 전처리 과정으로 반드시 이루어지고 있으며, 시스템의 환경 및 잡음의 특성을 고려하여 효율적으로 잡음을 제거하기 위해 다양한 연구가 진행되고 있다. 영상은 획득 및 전송, 압축 및 변형 등의 과정에서 다양한 원인으로 잡음이 발생하며, 그 중 임펄스 잡음은 데이터 통신 과정에서 발생하는 대표적인 잡음 중 하나로 통신 시스템에서 규정된 한계레벨을 초과하는 순간 충격 잡음 파형의 특성에 따라 이름이 붙여진 잡음이다. 임펄스 잡음은 대부분의 통신 시스템과 모든 주파수 대역에서 발생하며, 잡음 제거 과정에서 가장 우선적으로 고려되는 잡음이다. 이러한 임펄스 잡음을 제거하기 위하여 다양한 연구가 진행되었으며, 대표적으로 메디안 필터(MF :median filter), 중심 가중치 메디안 필터(CWMF : center weighted median filter), 알파 트림드 평균 필터(A-TMF :alpha-trimmed mean filter), 스위칭 메디안 필터 (SMF : switching median filter) 등이 있다. 하지만 기존의 필터들은 잡음이 임의의 값을 가지는 랜덤 임펄스 잡음에 다소 부족한 성능을 나타내어 잡음을 제거하는 과정에서 영상의 정보가 훼손되는 단점을 가지고 있다. 따라서 본 논문에서는 랜덤 임펄스 잡음(random impulse noise)[9]환경에서 잡음 수준 판단과 기준치, 화소 분포 유추를 통해 필터링 과정을 선택하여 잡음을 제거하는 필터 알고리즘을 제안하였다. 제안한 알고리즘은 필터링 마스크 내부의 화소값의 분포를 파악하여 비슷한 특성을 가진 화소들을 집합으로 분류하였으며, 분류된 화소 집합의 화소수와 입력 화소의 관계에 따라 필터를 스위칭하여 출력을 구하였다. 본 논문은 다음과 같이 구성하였다. 2장에서 임펄스 잡음과 랜덤 임펄스 잡음을 소개하였으며, 3장에서 공간 필터링을 기술하였다. 4장에서 기존 필터 알고리즘을 설명하였다. 5장에서 제안한 알고리즘의 수학적 표현 및 각 세부사항들을 기술하였으며, 제안한 알고리즘으로 랜덤 임펄스 잡음을 제거한 시뮬레이션 및 결과를 6장에, 마지막으로 7장에서 본 논문의 결론을 서술하였다.