KR101464743B1 - 카메라 모듈에서 신호 의존적인 잡음 추정 장치 및 방법 - Google Patents

Abstract

카메라 모듈에서 신호 의존적인 잡음 추정 방법에 있어서, 영상을 고주파 성분과 저주파 성분으로 나누는 과정과, 저주파 성분을 이용하여 영상의 잡음의 분산을 추정하는 과정과, 추정된 잡음의 분산을 이용하여 고주파 성분의 잡음을 제거하는 과정과, 잡음이 제거된 고주파 성분과 저주파 성분을 이용하여 영상을 복원하는 과정을 포함하는 것을 특징으로 한다.

웨이블릿, 잡음 추정, 잡음 제거

Description

카메라 모듈에서 신호 의존적인 잡음 추정 장치 및 방법{SIGNAL DEPENDENT NOISE ESTIMATION APPARATUS AND METHOD ON CAMERA MODULE}

본 발명은 카메라 모듈에서 신호 의존적인 잡음 추정 장치 및 방법에 관한 것으로, 특히 저주파 대역의 웨이블릿 계수를 이용하여 신호 의존적인 잡음을 추정하는 장치 및 방법에 관한 것이다.

일반적으로 영상은 획득 및 전송의 과정에서 다양한 요인들로 인하여 한 영상이 획득되어 최종 사용자에게 전달되는 과정에서 여러 가지 잡음 요인이 존재한다. 그 요인으로는 CCD(Charge Coupled Devices)의 센서 특성, 카메라의 각종 하드웨어 특성, 전송 선로의 특성 등이 있다. 잡음이 첨가된 영상은 원 영상을 왜곡하여 화질의 저하를 가져오며, 이차적으로 수행될 수 있는 영상 개선, 정보 추출, 객체 인식 등의 각종 영상 처리 과정의 성능을 떨어뜨릴 수 있다. 이러한 다양한 요인들에 의한 잡음 때문에 발생되는 영상의 잡음의 제거는 많은 영상처리 응용 분야에 기본적인 요소이다. 따라서 잡음 제거 분야는 상당히 오래 전부터 연구되어온 영상처리 분야의 하나이며 다양한 영상 처리를 위한 필수적인 선행 처리 과정으로 자리매김하고 있다.

가장 일반적인 영상의 잡음 모델은 기존의 영상 신호와 독립적인 잡음이 더해지는 형태로 하기의 수학식과 같이 표현된다.

수학식 1에서 i와 j는 영상의 좌표를 나타내고, Y는 관측된 화소 값을 나타내고, X는 잡음이 없는 원래의 화소 값을 나타내고, δ는 표준 가우시안 모의 변수(Standard Gaussian Random Variable)를 나타내고, σ는 이 모의 변수의 표준 편차를 나타낸다. 즉, 수학식 1에서 우변의 두 번째 항이 잡음 성분이 된다.

수학식 1과 같이 기존의 영상 신호에서 독립적인 잡음을 제거하는 일반적인 방법으로 웨이블릿 변환법을 사용한다. 웨이블릿 변환법은 의료 분약의 X-선 및 자기공명 이미지 처리에서 그 유용성이 입증된 변환법으로, 이런 방법으로 처리된 이미지는 세부적인 내용에 흐릿함이 없이 깨끗하게 처리될 수 있다. 웨이블릿 변환법을 사용하면 잡음 속에 섞인 약한 신호를 복원할 수 있다. 이 기법은 잡음을 포함한 웨이블릿 계수는 충분히 감소시키고 중요한 신호를 포함한 웨이블릿 계수는 아주 적게 감소시키거나 변화를 시키지 않는 기법이다.

즉, 웨이블릿 영역에서 잡음의 제거는 잡음에 감염된 웨이블릿 계수의 크기를 감소시킴으로써 이루어진다. 잡음이 추가된 영상을 웨이블릿 변환한 다음, 웨이블릿 계수의 크기를 조정하거나 크기가 작은 웨이블릿 계수를 없앤 후에, 다시 역 웨이블릿 변환을 실행하여 잡음을 제거한다.

웨이블릿 변환법을 이용한 잡음 제거 방법에서 잡음의 표준편차 또는 분산은 잡음 제거기를 구성하는 가장 필수적인 요소이다. 일반적으로 잡음의 분산은 미리 알려지지 않은 경우가 대부분이기 때문에 잡음의 분산을 잡음이 있는 영상으로부터 추정해야 한다. 이러한 잡음을 추정하는 수단으로 미디언 잡음 추정기가 사용되고 있다. 미디언 잡음 추정기는 일반적으로 잡음 영상을 웨이블릿 변화한 후 가장 높은 주파수 대역에서 대각 성분의 계수들로부터 잡음의 분산을 추정한다.

그러나 미디언 잡음 추정기는 수학식 1과 같이 신호와 독립적인 잡음에 대해서는 아주 정확한 결과를 보이지만, 하기에 기술되는 카메라 모듈과 같은 신호 의존적인 영상의 잡음은 제대로 추정할 수 없는 단점이 있다.

카메라 모듈에 사용되는 CMOS 및 CCD 센서로부터 얻어지는 영상에 있어서 좀 더 정확한 잡음 모델을 수학식으로 표현하면 하기와 같다.

여기서 k₀와 k₁은 카메라의 특성을 나타내는 양의 상수 값으로, 좀 더 밝은 값을 가지는 화소에서 잡음의 표준 편차가 더 커지는 경향이 있음을 의미한다.

수학식2를 신호 의존적인 잡음 모델이라고 하고, 이 모델에서 잡음의 분산은 원 신호 X와 독립적이지 않다. 일반적으로 CCD나 CMOS센서는 그 특성상 광량이나 열에 의해서 잡음이 발생하게 된다. 이러한 잡음은 흔히 사용되는 잡음의 모델링처럼 가우시안 (혹은 라플라시안)의 통계적 특성을 갖지 않고 신호에 의존적인 특성을 갖는다. 따라서 센서의 잡음은 화이트(white) 하지도 않기 때문에, 일반적인 잡 음 제거 알고리즘으로는 쉽게 제거되지도 않고, 제거되더라도 신호의 고주파 성분이 심하게 훼손된다.

앞에서 설명한 바와 같이 수학식 2에서 잡음의 분산은 원 신호 X와 독립적이지 않고 의존적이다. 그러므로 관찰된 영상을 웨이블릿 변환하였을 때에도 잡음에 해당하는 부분이 원 신호 X에 대한 정보를 그대로 가지고 있다. 따라서 잡음의 분산을 추정할 때에 원 신호 X의 값이 필요하게 되고, 미디언 잡음 추정기로는 잡음을 제대로 추정할 수가 없는 문제점이 발생한다.

본 발명은 신호 의존적인 잡음 영상에서 저주파 웨이블릿 부대역의 정보를 이용하여 잡음을 추정하는 장치 및 방법을 제공하고자 한다.

본 발명의 일 견지에 따르면, 카메라 모듈에서 신호 의존적인 잡음 추정 방법에 있어서, 영상을 고주파 성분과 저주파 성분으로 나누는 과정과, 상기 저주파 성분을 이용하여 상기 영상의 잡음의 분산을 추정하는 과정과, 상기 추정된 잡음의 분산을 이용하여 상기 고주파 성분의 잡음을 제거하는 과정과, 상기 잡음이 제거된 고주파 성분과 저주파 성분을 이용하여 상기 영상을 복원하는 과정을 포함하는 것을 특징으로 한다.

본 발명의 다른 견지에 따르면, 카메라 모듈에서 신호 의존적인 잡음 추정 장치에 있어서, 입력 영상을 웨이블릿 변환하여 고주파 성분과 저주파 성분으로 분리하는 웨이블릿 변환기와, 저주파 성분을 이용하여 잡음을 추정하는 잡음 추정기와, 상기 잡음 추정기로부터 전송된 잡음의 분산을 이용하여 고주파 성분의 잡음을 제거하는 잡음 제거기와, 잡음이 제거된 고주파 성분과 저주파 성분을 원 영상으로 복원하는 역 웨이블릿 변환기를 포함하는 것을 특징으로 한다.

본 발명에 의하면, 저주파 성분을 이용하여 잡음을 추정하여, 신호 의존적인 영상의 잡음 추정이 가능하고, 이미 웨이블릿 변환되어 있는 영상의 경우 저주파 대역의 정보를 바로 사용하여 영상의 잡음을 추정할 수 있는 효과가 있다.

이하 본 발명에 따른 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 하기 설명에서는 구체적인 구성 소자 등과 같은 특정 사항들이 나타나고 있는데 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐 이러한 특정 사항들이 본 발명의 범위 내에서 소정의 변형이나 혹은 변경이 이루어질 수 있음은 이 기술 분야에서 통상의 지식을 가진 자에게는 자명하다 할 것이다.

종래의 기술에서 언급한 바와 같이, 신호 의존적인 영상의 잡음 추정에서는 신호와 독립적인 잡음 추정과는 달리, CCD나 CMOS센서와 같은 카메라 모듈의 특성상 광량이나 열에 의해서 잡음이 발생하게 되므로, 미디언 잡음 추정기와 같은 일반적인 잡음 제거 알고리즘으로는 쉽게 제거되지도 않고, 제거되더라도 신호의 고주파 성분이 심하게 훼손되어 원 신호가 손상되는 문제점이 있었다. 따라서 종래 기술에서 언급한 문제를 해결하고자 본 발명에서는 웨이블릿 변환된 영상에서 저주파 웨이블릿 부대역의 정보를 이용하여 신호 의존적인 잡음을 추정하는 새로운 방법을 제안한다. 이하 본 발명의 내부 구성을 도시한 구성도와 흐름도를 참조하여 자세히 설명한다.

먼저 웨이블릿 변환법에 대하여 살펴본다. 웨이블릿 변환은 다음과 같이 살펴볼 수 있다.

이미지 압축에 널리 사용되는 웨이블릿 변환은 이산 웨이블릿(Discrete Wavelet) 함수에 해당하는 계수값을 갖는 필터들의 집합에 기반을 둔다. 이산 웨이 블릿 변환의 기본적인 동작은 n개의 샘플을 갖는 이산 신호에 적용된다. 신호에 대해 한 쌍의 필터를 적용시켜 저주파 대역과 고주파 대역으로 분리한다. 각 대역은 2라는 요소로 서브 샘플링 되었으므로 n/2개의 샘플을 포함한다. 2차원 이미지의 각 행에 대하여 저역 통과 필터와 고역 통과 필터를 적용시키고 2로 다운 샘플링을 수행하면 4개의 서브 이미지(LL, LH, HL, HH)가 생성된다. 이러한 4개의 서브 밴드 이미지를 결합하여 원본 이미지와 동일한 샘플의 개수를 갖는 출력 이미지가 만들어진다. 이러한 웨이블릿 변환 과정을 하기의 도면에 나타내었다.

도 1은 본 발명이 적용되는 입력 영상을 웨이블릿 변환하는 과정을 나타낸 도면이다. 수직 방향과 수평 방향으로 저주파 필터와 고주파 필터에 의해 각각 4개의 서브 이미지, 즉 대역이 제한된 부대역 성분의 집합으로 분해된다. 4개의 서브 밴드 이미지에 대하여 알아보면 다음과 같다.

LL은 원본 이미지에 수평과 수직방향으로 저역 통과 필터를 적용하여 공간적인 저주파 정보는 유지되고, 고주파 경계 정보가 손실된 이미지로서, 에너지 집중도가 높고 영상의 중요한 정보를 가지고 있다. HL은 수직방향으로 고역 통과 필터를 적용한 것으로 수직 방향의 주파수의 오차 성분을 포함하는 이미지이고, LH는 수평 방향으로 고역 통과 필터를 적용한 것으로 수평 방향 주파수의 오차 성분을 포함하는 이미지고, HH는 수평과 수직 방향에 고역 통과 필터를 적용하여 대각선 방향 경계를 표시한 이미지이다. LH, HL, HH는 공통적으로 에너지 집중도가 낮고 물체의 윤곽 부분에 해당하는 상세 정보를 가지고 있다.

도 2는 본 발명이 적용되는 웨이블릿 변환의 반복을 나타낸 도면이다. 1회 웨이블릿 변환을 시행하고, 이후 2회 웨이블릿 변환을 할 때에는 분할된 부대역 성분 이미지 중에서 LL 계수를 다시 웨이블릿 변환한다. 이후 LL 계수를 이용하여 웨이블릿 변환을 반복 수행한다.

웨이블릿 변환을 수행하여 영상의 잡음을 추정한 후에 다시 역 웨이블릿 변환을 통하여 분할된 영상을 복원하게 되는데, 이를 하기에 나타내었다.

도 3은 본 발명이 적용되는 4개의 서브 이미지를 역 웨이블릿 변환하는 과정을 나타낸 도면이다. 4개의 서브 이미지를 수직 방향으로 업 샘플링하고, 수평 방향으로 다시 업 샘플링을 수행하여 영상을 복원하게 된다.

이러한 웨이블릿 변환법을 이용하여 본 발명의 전체적인 구성을 나타내는 도4를 설명하면 다음과 같다.

도 4는 본 발명의 일 실시 예에 따른 신호 의존적인 잡음 추정 장치의 전체 구성을 나타낸 블록 구성도이다.

도 4를 살펴보면, 웨이블릿 변환을 반복하는 웨이블릿 변환기(401)와, 각 출력 성분을 저장하는 메모리(403, 105)와, 잡음 성분을 추정하는 잡음 추정기(407)와, 잡음을 제거하는 잡음 제거기(409)와, 역 웨이블릿 변환을 수행하는 역 웨이블릿 변환기(411)로 구성된다.

각각의 역할들을 살펴보면, 웨이블릿 변환기(401)는 입력 영상으로부터 최초 1회 웨이블릿 변환을 시행하고, 2회부터는 상기 웨이블릿 변환 결과의 저주파 성분 출력 LL을 다시 입력 영상으로 대신하여 웨이블릿 변환을 반복하는 역할을 한다.

메모리(403, 405)는 웨이블릿 변환기의 고주파 성분 출력을 저장하는 역할 과, 상기 웨이블릿 변환기의 저주파 성분 출력을 저장하는 역할을 한다.

잡음 추정기(407)는 대각 방향의 고주파 성분(HH)으로부터 잡음을 추정하는 미디언 잡음 추정기를 포함하여 잡음을 추정하는 역할을 한다.

잡음 제거기(409)에서는 고주파 성분 출력을 저장한 LIFO(Last In First Out) 유형의 메모리에서 입력받은 고주파 성분과 잡음 추정기로부터 입력받은 잡음의 분산값을 이용하여 잡음을 제거하는 역할을 하고, 역 웨이블릿 변환기(411)는 잡음이 제거된 고주파 성분과 상기 웨이블릿 변환기(401)의 마지막 반복 시에 발생한 저주파 성분을 입력받아 역 웨이블릿 변환을 시행하고 최초 출력 영상을 만든 후, 상기 출력 영상과 잡음 제거기(409)로부터 발생하는 차기 고주파 성분을 입력으로 하여 역 웨이블릿 변환을 수행하는 과정을 반복하는 역할을 한다.

이러한 웨이블릿 변환법을 이용하여 도 4의 과정을 설명하면 다음과 같다.

도 4의 모든 장치들은 제어 처리 장치(Control Processor)에 의해서 각각 정해진 순서대로 각 과정을 수행한다. 먼저 입력 영상이 웨이블릿 변환기에 전달되며, 웨이블릿 변환기는 고주파 성분(LH, HL, HH)과 저주파 성분(LL)을 분리하여 출력한다.

다음 단계부터는 입력 선택기가 아래쪽으로 연결되어 웨이블릿 변환기(401)로부터 출력된 저주파 성분 LL이 다시 그 다음 단계의 입력 영상으로 작용하게 된다. 이후 웨이블릿 변환 단계의 원하는 횟수만큼 웨이블릿 변환기를 작동시킨다.

웨이블릿 변환기에서 출력되는 고주파 성분(HH, HL, LH)은 도 4의 위쪽 메모 리(403)에 저장되는데, 이 메모리(403)는 LIFO 유형의 메모리로써 입력의 역순으로 저장된 값을 내어 놓는다. 반면에 아래쪽의 메모리(405)는 웨이블릿 변환기(401)에서 출력되는 저주파 성분을 저장하는데, 저장된 값들이 잡음 제거를 위한 부분에 공급될 때에 잡음 추정의 방법에 따라 소멸되지 않고 지속적으로 사용될 수도 있고, 최후의 값만 사용될 수도 있다.

잡음 제거기(409)는 잡음 성분이 추가되어 있는 고주파 성분(LH, HL, HH)을 입력으로 받아서 잡음 성분을 추정하여 제거한 고주파 성분(LH', HL', HH')을 출력으로 내어 놓는다. 추정된 잡음의 분산은 잡음 추정기(407)로부터 공급 받는다. 잡음 제거기(409)의 방법은 잡음의 분산을 사용하는 현재 널리 알려져 있는 어떠한 것을 사용해도 무방하다.

잡음 추정기의 내부 구조는 하기의 도 5에 나타내었다. 도 5는 본 발명의 일 실시 예에 따른 잡음 추정기의 내부 구조를 나타낸 블록 구성도이다.

도 5를 살펴보면, LL 계수를 가중 평균하여 LL 계수에 있는 잡음을 한번더 제거하기 위한 선형 조합기(503)와, 저주파 성분의 위치 좌표를 계산하는 좌표 변환기(505)와, 미디언 잡음 추정법을 이용하여 잡음을 추정하는 미디언 잡음 추정기(501)와, 신호 의존적인 잡음의 분산을 추정하는 잡음 분산 추정기(507)로 구성된다.

각각의 역할들을 살펴보면, 선형 조합기(503)는 LL 계수를 가중 평균하여 LL 계수에 있는 잡음을 한번 더 제거하기 위한 것이다. LL 정보는 1차 웨이블릿 변환 후의 정보와 2차 3차 이후의 LL 정보를 다양하게 사용할 수 있다. 1차 웨이블릿 변 환 후의 LL 정보는 해상도 관점에서는 이점이 있지만, 메모리 및 계산량의 측면에서는 비용이 많이 든다. 또한 최고차 웨이블릿 변환 후의 LL 정보는 해상도는 떨어지지만 소요되는 메모리는 최소이고, 계산량 또한 최소가 되는 장점이 있다. 이 선형 조합기(503)로부터 잡음의 분산을 추정하기 위한 원 영상의 값을 대략적으로 추정할 수 있다.

좌표 변환기(505)는 웨이블릿 변환 회수에 따라 LL 계수의 좌표값과 다른 계수의 좌표값이 다르게 존재할 수 있기 때문에 잡음을 제거하고자 하는 고주파 웨이블릿 영상의 위치에 해당하는 저주파 성분의 좌표값을 계산하는 역할을 하고, 미디언 잡음 추정기(501)는 웨이블릿 고주파 부대역의 HH 계수를 이용하여 잡음을 추정하는 역할을 하고, 잡음 분산 추정기(507)는 미디언 잡음 추정기(501) 및 좌표 변환된 선형 조합기의 출력으로부터 신호 의존적인 잡음의 분산을 추정하는 역할을 한다.

이러한 역할들을 포함하고 있는 잡음 추정기를 통하여 잡음의 표준편차 또는 분산을 추정하는 방법은 다음과 같다.

잡음 추정기 내의 선형 조합기(503)는 정해진 웨이블릿 레벨의 LL 계수들을 가중 평균하여 LL 계수에 있는 잡음을 한번 더 제거하기 위한 장치로, 가중 평균한 값인

를 구하는 수학식을 하기에 나타내었다.

수학식 3에서 가중치 계수 w는 외부에서 고정된 값이 들어올 수도 있고, 어떤 적응적인 알고리즘에 의해서 변화하는 값이 들어올 수도 있다. 한 예로 m1=n1=-1이고, m2=n2=1인 경우, 0이 아닌 값을 가지는 가중치 계수 w의 범위는 3×3 크기의 마스크(Mask) 형태를 가지게 되고, 거기에 더하여 w의 값이 일정하게 1/9인 경우 3×3 크기의 마스크 안에서의 평균값을 계산하게 된다. 또한, LL 계수를 웨이블릿 변환의 최고 수준의 값으로 사용할 경우 잡음이 거의 없기 때문에 m1=n1=m1=n2=1로 두고 w값을 1로 둘 수 있다. 이 경우는 평균을 취하지 않고, LL 계수값을 그대로 사용하는 경우이고, 계산량 및 메모리가 최소이고, 추정된

값의 해상도는 최소인 경우이다. 상기에서 설명된 경우들은 사용자의 필요에 따라 쓰여 질 수 있다.

이 후, 수학식 3에서 추정된

값은 좌표 변환기(505)를 통하여 잡음을 제거 할 고주파 부대역 계수에 대응하는 추정된 원 영상의 좌표인

의 좌표로 변환된다.

추정된 잡음의 표준편차는 k₀ 및 k₁ 값을 알 수 있는 경우, 수학식 2와 수학식 3으로부터 하기와 같이 나타낼 수 있다.

만약, 수학식 4에서 k₀ 및 k₁ 값을 알 수 없는 경우, 추정된 잡음의 표준편차를 수학식 3을 이용하여 하기와 같이 나타낼 수 있다.

수학식 5에서

은 미디언 잡음 추정기(501)에 의해 추정된 잡음의 표준편차를 나타낸다. 잡음 추정기(407)에서 수학식 4 또는 수학식 5에 의해 추정된 잡음의 표준편차 또는 분산은 잡음 제거기(109)로 공급되고, 이를 이용하여 잡음 제거를 수행한다.

잡음 제거를 수행한 이후, 역 웨이블릿 변환기(411)에서 잡음이 제거된 고주파 성분과 상기 웨이블릿 변환기(401)의 마지막 반복 시에 발생한 저주파 성분 LL을 입력받아 역 웨이블릿 변환을 시행하고 최초 출력 영상을 만든 후, 상기 출력 영상과 잡음 제거기(409)로부터 발생하는 차기 고주파 성분을 입력으로 하여 역 웨이블릿 변환을 수행하는 과정을 반복하여 영상을 복원하게 된다.

역 웨이블릿을 수행하는 과정은, 4개의 서브 이미지를 역 웨이블릿 변환하는 과정을 거치면서, 4개의 서브 이미지를 수직 방향으로 업 샘플링하고, 수평 방향으로 다시 업 샘플링을 수행하여 영상을 복원하게 된다.

상기에서 설명된 과정을 흐름도로 표현하면 다음과 같다.

도 6은 본 발명의 일 실시 예에 따른 잡음을 추정하는 과정을 나타낸 흐름도이다.

도 6을 살펴보면, 601단계에서 입력 영상을 웨이블릿 변환하여 고주파 성분과 저주파 성분으로 분리한다. 분리된 성분들은 메모리에 저장된다. 603단계에서 저장되어 있는 성분들 중 저주파 성분을 이용하여 잡음의 분산을 추정하고, 605단계로 진행하여 추정된 잡음의 분산을 이용하여 영상의 잡음을 제거한다.

이후, 607단계에서 영상의 잡음이 제거된 성분들을 가지고 원래 영상으로 영상을 복원한다. 609단계에서는 사용자가 임의로 정한 레벨에 따라서 웨이블릿 변환을 계속 수행할 수 있다. 만약, 추가적으로 웨이블릿 수행 시엔 메모리에 저장되어 있는 저주파 성분을 가지고 웨이블릿 변환을 수행하여 다시 고주파 성분과 저주파 성분으로 분리한다. 그러나 추가적인 웨이블릿 변환이 없다면 상기의 과정을 종료한다.

상기와 같이 본 발명의 일 실시 예에 따른 카메라 모듈에서 신호 의존적인 잡음 추정 장치 및 방법의 구성 및 동작이 이루어질 수 있으며, 한편 상기한 본 발명의 설명에서는 구체적인 실시 예에 관해 설명하였으나 여러 가지 변형이 본 발명의 범위를 벗어나지 않고 실시될 수 있다. 따라서 본 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 청구범위와 청구범위의 균등한 것에 의하여 정하여져야 할 것이다.

도 1은 본 발명이 적용되는 입력 영상을 웨이블릿 변환하는 과정을 나타낸 블록 구성도

도 2는 본 발명이 적용되는 웨이블릿 변환의 반복을 나타낸 도면

도 3은 본 발명이 적용되는 4개의 서브 이미지를 역 웨이블릿 변환하는 과정을 나타낸 블록 구성도

도 4는 본 발명의 일 실시 예에 따른 신호 의존적인 잡음 추정 장치의 전체 구성을 나타낸 블록 구성도

도 5는 본 발명의 일 실시 예에 따른 잡음 추정기의 내부 구조를 나타낸 블록 구성도

도 6은 본 발명의 일 실시 예에 따른 잡음을 추정하는 과정을 나타낸 흐름도

Claims (11)

1. 카메라 모듈에서 신호 의존적인 잡음 추정 방법에 있어서,

   영상을 고주파 성분과 저주파 성분으로 나누는 과정과,

   상기 저주파 성분을 이용하여 상기 영상의 잡음의 분산을 추정하는 과정과,

   상기 추정된 잡음의 분산을 이용하여 상기 고주파 성분의 잡음을 제거하는 과정과,

   상기 잡음이 제거된 고주파 성분과 저주파 성분을 이용하여 상기 영상을 복원하는 과정을 포함하는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
2. 제 1항에 있어서, 상기 영상을 고주파 성분과 저주파 성분으로 나누는 과정은

   웨이블릿 변환법을 이용하여 상기 영상을 나누는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
3. 제 1항에 있어서, 상기 저주파 성분은

   웨이블릿 변환 단계에 따라 하나 또는 그 이상의 저주파 성분을 사용할 수 있는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
4. 제 3항에 있어서,

   상기 잡음의 분산을 추정하는 과정은,

   상기 웨이블릿 변환 단계에 따른 LL 계수를 가중 평균하여 잡음의 분산을 추정하는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
5. 제 1항에 있어서,

   상기 잡음의 분산을 추정하는 과정은

   카메라의 특성을 나타내는 값을 기반으로 잡음의 분산을 추정하는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
6. 제 5항에 있어서,

   상기 고주파 성분에 대해 미디언 잡음 추정법을 이용하여 상기 영상의 잡음의 분산을 추정하는 과정을 더 포함하는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
7. 제 1항에 있어서, 상기 영상을 복원하는 과정은

   역 웨이블릿 변환법을 이용하여 상기 영상을 복원하는 것을 특징으로 하는 신호 의존적인 잡음 추정 방법.
8. 카메라 모듈에서 신호 의존적인 잡음 추정 장치에 있어서,

   입력 영상을 웨이블릿 변환하여 고주파 성분과 저주파 성분으로 분리하는 웨이블릿 변환기와,

   저주파 성분을 이용하여 잡음을 추정하는 잡음 추정기와,

   상기 잡음 추정기로부터 전송된 잡음의 분산을 이용하여 고주파 성분의 잡음을 제거하는 잡음 제거기와,

   잡음이 제거된 고주파 성분과 저주파 성분을 원 영상으로 복원하는 역 웨이블릿 변환기를 포함하는 것을 특징으로 하는 신호 의존적인 잡음 추정 장치.
9. 제 8항에 있어서, 상기 잡음 추정기는

   고주파 성분을 이용하여 잡음을 추정하는 미디언 잡음 추정기와,

   저주파 성분을 가중 평균하여 잡음을 제거하는 선형 조합기와,

   잡음을 제거하고자 하는 고주파 성분에 해당하는 저주파 성분의 위치 좌표를 계산하는 좌표 변환기와,

   상기 좌표 변환기의 저주파 성분을 이용하여 신호 의존적인 잡음의 분산을 추정하는 잡음 분산 추정기를 포함하는 것을 특징으로 하는 신호 의존적인 잡음 추정 장치.
10. 제 9항에 있어서, 상기 미디언 잡음 추정기는

    카메라의 파라미터 값의 유무에 따라 상기 미디언 잡음 추정기를 선택적으로 사용할 수 있는 것을 특징으로 하는 신호 의존적인 잡음 추정 장치.
11. 제 9항에 있어서, 상기 선형 조합기는

    저주파 성분이 저장되어 있는 메모리에서 상기 저주파 성분과 외부로부터 가중치 계수를 입력받아 상기 저주파 성분을 가중 평균하는 것을 특징으로 하는 신호 의존적인 잡음 추정 장치.

Images