스마트폰으로 촬영한 사진의 잡음제거를 위한 단일 이미지 이중 애버리징 기법

Hoonmin Cho; Sungkil Lee

doi:10.5626/JOK.2023.50.1.40

Single Image Double Averaging for Smartphone Picture Denoising

Recommendations

Search

Questions

스마트폰으로 촬영한 사진의 잡음제거를 위한 단일 이미지 이중 애버리징 기법

Type: Academic journal

Author: Hoonmin Cho (성균관대학교) Sungkil Lee (성균관대학교)

Journal: Korean Institute of Information Scientists and Engineers Journal of KIISE Vol.50 No.1 KCI Excellent Accredited Journal

Published: 2023.1

Pages: 40 - 46 (7page)

DOI: 10.5626/JOK.2023.50.1.40

Usage

📌

Topic: 이 연구의 주제는 스마트폰으로 촬영한 이미지의 잡음을 제거하기 위한 단일 이미지 이중 애버리징 기법을 제안하는 것이다.

📖

Background: 기존의 이미지 잡음 제거 기법들은 다양한 방식으로 작동하지만, 스마트폰 사진에서의 잡음은 일관성이 없으며, 딥러닝 기법은 잡음 없는 이미지에 의존한다는 문제점이 있다.

🔬

Method: 제안된 기법은 잡음이 포함된 이미지를 작은 구역으로 나누고, 각 구역의 정보와 이웃 구역과의 유사성을 바탕으로 가중치를 계산하여 잡음을 제거한다.

🏆

Result: 제안한 기법은 SIDD 데이터셋에서 평가 시 PSNR이 30 및 SSIM이 0.8 이상으로, 다른 기법들과 유사하거나 그 이상의 성능을 보여주지만 처리 시간이 평균 약 930초로 길다.

Single Image Double Averaging for Smartphone Picture Denoising

Abstract· Keywords

Report Errors

Image-denoising algorithms have long been actively researched to remove noise generated in pixel signals. There is a denoising technique for a single image with Gaussian noise, a technique for removing noise using multiple photos taken by a fixed camera, and a technique for removing noise by learning the difference using deep learning. However, the noise in actual smartphone photographs does not have the same Gaussian distribution at each pixel, and taking multiple photos costs a lot of time. Deep learning disadvantages the ground truth image without noise is essential. Therefore, this paper analyzes the characteristic of noise appearing in images taken with smartphones and uses it for denoising. In addition, a single image containing noise is divided into several small areas, showing similar results to denoising using an average of multiple images. Accordingly, this technique can adequately perform denoising using a single noise image photographed by a smartphone without the ground truth image learning.

#디노이징 #이미지 애버리징 #스마트폰 이미지 #노이즈 레벨 펑션 #denoising #image averaging #smartphone image #noise level function

AI Summary

Topic

이 연구의 주제는 스마트폰으로 촬영한 이미지의 잡음을 제거하기 위한 단일 이미지 이중 애버리징 기법을 제안하는 것이다.

Background

기존의 이미지 잡음 제거 기법들은 다양한 방식으로 작동하지만, 스마트폰 사진에서의 잡음은 일관성이 없으며, 딥러닝 기법은 잡음 없는 이미지에 의존한다는 문제점이 있다.

Method

제안된 기법은 잡음이 포함된 이미지를 작은 구역으로 나누고, 각 구역의 정보와 이웃 구역과의 유사성을 바탕으로 가중치를 계산하여 잡음을 제거한다.

Result

제안한 기법은 SIDD 데이터셋에서 평가 시 PSNR이 30 및 SSIM이 0.8 이상으로, 다른 기법들과 유사하거나 그 이상의 성능을 보여주지만 처리 시간이 평균 약 930초로 길다.

주요내용

요약
Abstract
1. 서론
2. 관련 연구
3. 잡음제거 알고리즘
4. SIDD
5. 결론
6. 결론 및 향후 연구
References

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

조훈민

Affiliation 성균관대학교

Fields Engineering > Computer Science Interdisciplinary Studies > Interdisciplinary Research

Articles 2 Usage 182

이성길

Affiliation 성균관대학교

Fields Engineering > Computer Science Interdisciplinary Studies > Interdisciplinary Research

Articles 42 Usage 2,818

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보