View : 242 Download: 0

Contourlet 변환과 Hidden Markov Model을 이용한 Poisson-Gaussian 영상 잡음 감소

Title
Contourlet 변환과 Hidden Markov Model을 이용한 Poisson-Gaussian 영상 잡음 감소
Other Titles
Poisson-Gaussian Noise Reduction Using Hidden Markov Models with Contourlet
Authors
양세정
Issue Date
2011
Department/Major
대학원 전자정보통신공학과
Publisher
이화여자대학교 대학원
Degree
Doctor
Advisors
이병욱
Abstract
With dramatic increase of spatial resolution of image sensors, the number of photon collected at each pixel has decreased. Thus, the influence of the Poisson noise, which is signal dependent, has become prominent over signal independent Gaussian noise. Especially, a host of image systems such as fluorescence microscopy and astronomical applications can detect a limited number of photons due to various physical constraints. The images acquired under these conditions have low-SNR including signal dependent noise. A number of researchers have developed denoising algorithms to enhance image qualities. However, most of research assumes that noise has Gaussian probability distribution which is signal-independent. In this paper, I propose noise reduction algorithms for noisy images which can be modeled as a combination of Poisson and Gaussian probability distribution. To remove noise, it is essential to separate noise from the true image, which is hard in the image domain. Therefore many denoising algorithms have been performed in frequency domain. Wavelet transformation (WT) is widely used in noise reduction, because it has properties of spatial domain and frequency domain simultaneously. However, WT cannot represent smooth contours compactly, while it is good at isolating discontinuities at edge points. To overcome the drawback, new transforms such as contourlet have been developed. Contourlet transformation provides the information of the directional components in images as well as dividing images into high and low frequency components using Laplacian pyramid (LP) filter and directional filter bank (DFB). Thus the proposed algorithm adopts contourlet transformation instead of WT. I also apply Hidden Markov Models (HMMs) for efficient noise reduction with a modeling framework that neatly describes the horizontal and vertical dependencies which are the properties of transform coefficients of natural images. The HMM algorithm adopts an independent mixture model to match the non-Gaussian nature of the wavelet coefficients and hidden Markov models to characterize the key dependencies between the wavelet coefficients. Furthermore, this method estimates optimal HMM parameters using expectation maximization (EM) algorithm and performs noise reduction with Bayesian estimation. In this paper, an effective denoising algorithm for Poisson-Gaussian noise is proposed using contourlet transformation. We supplement cycle spinning and Wiener filtering to achieve further improvements. We finally show experimental results with simulations and fluorescence microscopy images and demonstrate improved performance of the proposed approach through extensive comparisons with state-of-the-art techniques.;영상 센서의 해상도가 기하급수적으로 증가하면서 화소 하나당 수집되는 광자의 수가 감소하여 신호 의존적인 Poisson 잡음의 영향이 커지게 되었다. 특히 형광 현미경이나 천체 망원경 등의 많은 영상 기기들이 다양한 물리적 제약에 의해 적은 수의 광자만이 수집된다. 이와 같은 환경에서 취득되는 영상은 신호 의존적인 잡음이 포함된 낮은 SNR을 가지게 된다. 영상 잡음을 제거하기 위한 후처리 과정으로 여러 연구들이 활발히 진행되어 왔다. 그러나 대부분의 연구에서 잡음을 신호와 독립적인 Gaussian 분포로 가정하고 있다. 본 연구에서는 형광 현미경 영상과 같이 영상잡음이 Poisson 분포와 Gaussian 분포의 합으로 모델링 되는 영상의 잡음 감소 방법에 대하여 연구하였다. 잡음을 제거하기 위해서는 획득한 영상으로부터 원본의 영상과 잡음을 따로 분리해야 한다. 영상 도메인에서 이를 분리하기는 어렵기 때문에, 주파수 영역에서 잡음을 제거하려는 연구가 이루어져 왔다. 웨이블렛 변환은 주파수 영역과 공간 영역 특성을 동시에 지니고 있어서 영상 잡음 감소에 널리 사용되고 있다. 그러나 웨이블렛은 모서리 점에서의 불연속성은 잘 표현하나 곡선의 윤곽선을 충분히 반영하지 못한다. 이러한 단점을 보완하기 위해 contourlet 변환과 같은 새로운 알고리즘들이 개발되었다. Contourlet은 Laplacian Pyramid (LP) 필터와 Directional Filter Bank (DFB)를 사용하여 영상을 고주파와 저주파로 나눌 뿐만 아니라 영상의 방향성분의 정보를 제공하는 장점이 있다. 또한 본 연구에서는 웨이블렛 계수들 간의 특성인 수평적 의존성과 수직적 의존성을 잘 모델링하여 잡음 제거를 효과적으로 수행하기 위하여 hidden Markov model (HMM)을 적용하였다. HMM 알고리즘은 웨이블렛 계수의 non-Gaussian 특성을 반영하기 위해 independent mixture 모델을 사용하고 계수들 간의 의존성을 표현하기 위해 hidden Markov chain과 hidden Markov tree를 사용한다. 그리고 expectation maximization (EM) 알고리즘을 이용하여 HMM 매개 변수를 찾고 Bayesian 추정법으로 잡음 감소를 수행한다. 본 논문은 기존 웨이블렛 기반의 HMM 알고리즘을 contourlet 기반으로 바꾸고 Poisson-Gaussian 잡음 추정 방법을 이용하여 Poisson-Gaussian 잡음에 대해 효과적으로 잡음을 감소시키는 방법을 제안하였다. 성능을 더욱 향상시키기 위해 cycle spinning과 Wiener filtering을 추가하여 그 효과를 향상시켰다. 여러 실험 영상들에 대해 Poisson-Gaussian 잡음의 강도와 비율을 달리하여 실험하였고, 기존의 최신 기술과 비교하여 low-count 영상들에 대해 효과적임을 입증하였다. 또한 형광 현미경으로 촬영한 실제 low-count 영상의 잡음 제거 성능이 우수한 것을 확인하였다.
Fulltext
Show the fulltext
Appears in Collections:
일반대학원 > 전자정보통신공학과 > Theses_Ph.D
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE