잡음 제거란?

잡음 제거는 신호와 영상에서 잡음이나 원치 않는 아티팩트를 제거하는 것입니다. 대부분의 오디오, 영상 및 비디오 처리 기기는 신호 전송, 수집, 처리, 신호 저장 또는 변환 중에 잡음이 발생하기 쉬우므로 잡음 제거는 이러한 기기에서 매우 중요한 단계입니다. 잡음은 신호 복원, 분석 및 추적과 같은 후속 신호 처리 작업에 부정적인 영향을 줄 수 있습니다.

잡음 제거의 목표는 잡음의 영향을 최소화하면서 가능한 한 원본 신호 정보를 많이 보존하는 것입니다. 예를 들어, 영상에서 왜곡과 흐릿함을 제거하는 경우 경계, 코너, 색상, 텍스처와 같은 시각적 세부 정보를 보존하는 것이 중요합니다.

MATLAB^® 및 Simulink^®를 사용하여 일반적으로 사용되는 잡음 제거 기법을 구현할 수 있습니다.

1. 필터 기반 잡음 제거: 잡음 제거를 위한 필터를 설계하고 분석하며 구현합니다.
   • 영상 필터링
     • 영상의 잡음을 제거하는 필터
       • 선형 필터(평균 또는 가우스), 평균 필터, 적응 필터
     • 영상 수정 및 개선
       • 평활화, 선명화 및 경계 향상
   • 신호 필터링
     • 아날로그 필터 및 디지털 필터 사용
       • 저역통과 필터, 고역통과 필터, 대역저지 필터의 FIR 및 IIR 구현
     • 신호에서 원치 않는 스파이크, 추세, 이상값 제거
       • 이동평균 필터, 이동 중앙값 필터, 사비츠키-골레이 필터 및 햄펄 필터
     • 지연 및 위상 왜곡 제거
       • 영위상 필터링
2. 웨이블릿 기반 잡음 제거: 웨이블릿은 시간-주파수 및 다양한 스케일의 특징을 국소화하여 다른 잡음 제거 기법에 의해 제거되거나 평활화된 신호 또는 영상의 중요한 특징을 보존할 수 있습니다.
   • 웨이블릿으로 신호 및 영상의 잡음 제거
     • 분해, 임계점 세부성분 계수 및 복원
   • 불균일하게 샘플링된 데이터 평활화
3. 딥러닝 기반 잡음 제거: 딥러닝 신경망을 사용하여 오디오 신호, 영상 신호, 비디오 신호의 잡음을 제거하기 위한 최첨단 방법을 개발할 수 있습니다. 이러한 방법은 더 계산 집약적이기는 하지만, 최상의 신호 대 잡음 분리를 달성할 수 있습니다. 시작하려면 MATLAB의 Deep Learning Toolbox™ 애드온을 적용하여 다음과 같은 작업을 할 수 있습니다.
   • 잡음 제거 신경망 사전 훈련
     • 빠르고 쉽게 구현하여 신속하게 결과를 달성할 수 있지만, 최소한의 사용자 지정 옵션을 제공합니다.
   • 잡음 제거 신경망 사용자 지정
     • 이 방법은 더 많은 유연성을 제공하며 미리 정의된 계층을 사용하여 사용자의 신경망을 훈련하거나 특정 유형의 영상 또는 신호에 대해 완전히 사용자 지정된 잡음 제거 신경망을 훈련하는 기능을 제공합니다.