효과적인 영상처리를 위한 α-LTSHD 기반의 FCNN 구조 연구

Abstract

본 논문에서, 영상에서 임펄스 잡음을 효과적으로 제거하고, 연산 속도를 개선하기 위해 Fuzzy Cellular Neural Network(FCNN)구조에 Hausdorff distance(HD)를 적용한 <TEX>$\alpha$</TEX>-Least Trimmed Square HD(<TEX>$\alpha$</TEX>-LTSHD) 기반 FCNN 구조를 제안한다. FCNN는 Cellular Neural Network(CNN) 구조에 퍼지 이론을 적용한 것이고, HD는 특징 대상의 대응 없이 이진 영상의 두 픽셀 집합 사이의 거리를 구하는 척도로 물체의 정합에 널리 사용한다. 성능 평가를 위해, 제안된 방법을 MSE와 SNR을 이용하여 기존 FCNN, Opening-Closing(OC) 그리고 LTSHD 연산자를 적용한 FCNN과 비교 분석하였다. 그 결과, 본 논문에서 제안된 망(network) 구조의 성능이 다른 필터보다 임펄스 잡음 제거에 우수함을 확인하였다. In this paper, we propose a Fuzzy Cellular Neural Network(FCNN) that is based on a-Least Trimmed Square Hausdorff distance(a-LTSHD) which applies Hausdorff distance(HD) to the FCNN structure in order to remove the impulse noise of images effectively and also improve the speed of operation. FCNN incorporates Fuzzy set theory to Cellular Neural Network(CNN) structure and HD is used as a scale which computes the distance between set or two pixels in binary images without confrontation of the feature object. This method has been widely used with the adjustment of the object. For performance evaluation, our proposed method is analyzed in comparison with the conventional FCNN, with the Opening-Closing(OC) method, and the LTSHD based FCNN by using Mean Square Error(MSE) and Signal to Noise Ratio(SNR). As a result, the performance of our proposed network structure is found to be superior to the other algorithms in the removal of impulse noise.