영상 및 신호 처리 분야에 일반적으로 사용되는 직교 웨이블릿 변환은 천이에 대한 민감성과 방향성에 대한 선택도가 떨어지기 때문에 성능에 한계를 가지고 있다. 이러한 단점을 극복하기 위해 복소수 웨이블릿 변환이 사용되고 있다. 본 논문에서는 이중 트리 복소수 웨이블릿과 베르누이-가우스 사전 확률분포를 이용한 효과적인 영상 잡음 제거 방법을 제안하고자 한다. 베르누이-가우스 모델에 대한 파라미터를 추정하기 위해 본 논문에서는 두 가지의 간단하고 반복적이지 않은 방법을 제안한다. 베르누이 랜덤 변수로 표현되는 혼합 파라미터를 추정하기 위해서는 가설-검증 기법을 사용한다. 추정된 혼합 파라미터를 이용하여 신호의 분산은 MGML(maximum generalized marginal likelihood) 추정기를 통하여 추정된다. 복소수 웨이블릿 변환을 사용하여 제안 방법과 알려진 잡음 제거 기법과 비교 실험을 수행하였다. 실험결과를 통해 제안 방법이 적은 계산량으로 고주파 성분이 많은 영상에 대하여 우수한 잡음 제거 결과를 나타냄을 알 수 있다.
Orthogonal wavelet tansform which is generally used in image and signal processing applications has limited performance because of lack of shift invariance and low directional selectivity. To overcome these demerits complex wavelet transform has been proposed. In this paper, we present an efficient image denoising method using dual-tree complex wavelet transform and Bernoulli-Gauss prior model. In estimating hyper-parameters for Bernoulli-Gaussian model, we present two simple and non-iterative methods. We use hypothesis-testing technique in order to estimate the mixing parameter, Bernoulli random variable. Based on the estimated mixing parameter, variance for clean signal is obtained by using maximum generalized marginal likelihood (MGML) estimator. We simulate our denoising method using dual-tree complex wavelet and compare our algorithm to well blown denoising schemes. Experimental results show that the proposed method can generate good denoising results for high frequency image with low computational cost.
