| 1 |
1
DCT 커널 학습부를 통해 입력 영상에 DCT(Discreet Cosine Transform)를 취하여 잡음 제거에 사용되는 커널을 복수의 가우시안 잡음 레벨(Gaussian noise level)에 대하여 학습하는 단계; CNN 기반 가우시안 잡음 레벨 추정부가 CNN(Convolution Neural Network)기반 네트워크를 이용하여 입력 영상의 가우시안 잡음 레벨을 추정하고, 추정된 가우시안 잡음 레벨에 기초하여 DCT 커널 학습부에서 획득한 커널 중 미리 정해진 임계값 이상에 해당하는 커널을 선택하는 단계; 및 잡음 제거부가 CNN 기반 가우시안 잡음 레벨 추정부에서 선택한 커널을 이용하여 잡음 제거를 수행하는 단계를 포함하고, CNN 기반 가우시안 잡음 레벨 추정부가 CNN 기반 네트워크를 이용하여 입력 영상의 가우시안 잡음 레벨을 추정하고, 추정된 가우시안 잡음 레벨에 기초하여 DCT 커널 학습부에서 획득한 커널 중 미리 정해진 임계값 이상에 해당하는 커널을 선택하는 단계는, CNN기반 네트워크가 제1 컨볼루션 레이어, 제2 컨볼루션 레이어 및 제3 컨볼루션 레이어를 포함하고, 제1 컨볼루션 레이어 및 제2 컨볼루션 레이어는 ReLU 활성화 함수(activation function)가 뒤따르고, 제3 컨볼루션 레이어는 ReLU 활성화 함수가 뒤따르지 않고, 제2 컨볼루션 레이어에는 배치 정규화 레이어(batch normalization layer)가 추가되고, 최종적으로 RGB 세 채널을 가지는 추정된 잡음 영상을 출력하고, 추정된 잡음 영상의 표준편차를 계산함으로써 가우시안 잡음 레벨을 추정하는가우시안 잡음 레벨 추정 방법
|
| 2 |
2
제1항에 있어서,DCT 커널 학습부를 통해 입력 영상에 DCT를 취하여 잡음 제거에 사용되는 커널을 복수의 가우시안 잡음 레벨에 대하여 학습하는 단계는, 학습을 위해 커널을 타겟 잡음 레벨의 미리 정해진 배수에 해당하는 값으로 초기화하고, 소프트 임계화 함수(soft thresholding function)를 통해 하기 수식을 이용하여 학습하고, 여기서, x는 입력, t는 임계값, 는 임계화의 세기를 나타내며, 학습을 반복 수행함에 따라 값을 감소시키면서 반복 수행하는 가우시안 잡음 레벨 추정 방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,입력 영상의 조각의 개수가 하나 이상일 경우 각각에 대해 얻은 잡음 레벨의 평균값을 구하는 가우시안 잡음 레벨 추정 방법
|
| 5 |
5
입력 영상에 DCT(Discreet Cosine Transform)를 취하여 잡음 제거에 사용되는 커널을 복수의 가우시안 잡음 레벨(Gaussian noise level)에 대하여 학습하는 DCT 커널 학습부; CNN(Convolution Neural Network)기반 네트워크를 이용하여 입력 영상의 가우시안 잡음 레벨을 추정하고, 추정된 가우시안 잡음 레벨에 기초하여 DCT 커널 학습부에서 획득한 커널 중 미리 정해진 임계값 이상에 해당하는 커널을 선택하는 CNN 기반 가우시안 잡음 레벨 추정부; 및 CNN 기반 가우시안 잡음 레벨 추정부에서 선택한 커널을 이용하여 잡음 제거를 수행하는 잡음 제거부 를 포함하고, CNN 기반 가우시안 잡음 레벨 추정부는, 제1 컨볼루션 레이어, 제2 컨볼루션 레이어 및 제3 컨볼루션 레이어를 포함하고, 제1 컨볼루션 레이어 및 제2 컨볼루션 레이어는 ReLU 활성화 함수(activation function)가 뒤따르고, 제3 컨볼루션 레이어는 ReLU 활성화 함수가 뒤따르지 않고, 제2 컨볼루션 레이어에는 배치 정규화 레이어(batch normalization layer)가 추가되고, 최종적으로 RGB 세 채널을 가지는 추정된 잡음 영상을 출력하고, 추정된 잡음 영상의 표준편차를 계산함으로써 가우시안 잡음 레벨을 추정하는가우시안 잡음 레벨 추정 장치
|
| 6 |
6
제5항에 있어서,DCT 커널 학습부는, 학습을 위해 커널을 타겟 잡음 레벨의 미리 정해진 배수에 해당하는 값으로 초기화하고, 소프트 임계화 함수(soft thresholding function)를 통해 하기 수식을 이용하여 학습하고, 여기서, x는 입력, t는 임계값, 는 임계화의 세기를 나타내며, 학습을 반복 수행함에 따라 값을 감소시키면서 반복 수행하는 가우시안 잡음 레벨 추정 장치
|
| 7 |
7
삭제
|
| 8 |
8
제5항에 있어서,입력 영상의 조각의 개수가 하나 이상일 경우 각각에 대해 얻은 잡음 레벨의 평균값을 구하는 가우시안 잡음 레벨 추정 장치
|
