영상에서 convolutional denoising autoencoder 모형을 이용한 영상복원

Abstract

디지털 영상은 획득, 전송, 처리하는 과정에서 다양한 잡음 (noise)에 의해 훼손되어 이에 따른 영상 복원 (image restoration)의 필요성이 대두되고 있다. 지금까지 영상에서 잡음을 제거하는 방법은 특정분포 하에서 설계된 고유한 필터를 사용하였는데 이 경우 분포의 특성을 만족하지 않는 경우 성능이 현저히 떨어지는 경향이 있다. 본 논문에서는 딥러닝의 convolutional denoising autoencoder (CDAE) 모형을 이용하여 잡음을 제거하고자 한다. CDAE 모형은 CNN (convolutional neural network ) 모형과 DAE (denoising autoencoder) 모형의 결합 형태로서 영상의 잡음 분포에 관계없이 적용 가능한 방법이다. 본 논문에서 제안된 CDAE 모형을 평가하기 위해 다양한 잡음 즉, 가우시안 잡음 (gaussian noise), 임펄스 잡음 (impulse noise) 그리고 스펙클 잡음 (speckle noise) 에 의해 훼손된 영상을 고려하였으며, 성능실험결과, CDAE 모형은 기존의 CNN 모형 및 전통적인 필터 즉, Mean 필터, Median 필터 그리고 Lee 필터 보다 좋은 복원 영상을 낳았고 또한, PSNR (peak signal-to-noise ratio)와 MAE (mean absolute error) 면에서 좋은 수치를 보였다.