308 0

생성적 적대 신경망을 이용한 SAR 위성영상의 반전 잡음 제거 기법

Title
생성적 적대 신경망을 이용한 SAR 위성영상의 반전 잡음 제거 기법
Other Titles
Speckle Noise Removal in Synthetic Aperture Radar Image using Generative Adversarial Network
Author
김문흠
Alternative Author(s)
Kim, Moonheum
Advisor(s)
정제창
Issue Date
2019-02
Publisher
한양대학교
Degree
Master
Abstract
위성 영상은 현재 군사적인 목적뿐만 아니라 민간부문에서도 광범위하게 활용되고 있다. 그리고 위성 영상의 수요가 늘어남에 따라 최근 위성 영상에 비전 알고리듬을 적용시키는 시도가 늘어나고 있다. 특히 Synthetic Aperture Radar (SAR) 방식은 날씨나 시간에 무관하게 좋은 화질의 영상을 얻을 수 있는 방법이기 때문에 자주 사용된다. 하지만 SAR 위성 영상은 특성상 목표로 하는 이미지를 얻을 때, 반전 잡음을 같이 생성하게 된다. 생성된 잡음은 SAR 기반의 비전 알고리듬이나 자동화 알고리듬들의 성능을 떨어뜨리기 때문에 반전 잡음을 제거하는 영상 보정을 통해서 결과 이미지의 화질을 개선시켜야한다. 반전 잡음 제거 알고리듬은 크게 두 가지 방식으로 세분화할 수 있는데, 크게 수학적 모델링을 통한 잡음 제거와 딥 러닝 기반의 모델링을 통한 잡음 제거로 분류할 수 있다. 수학적 모델링을 통한 제거 방식은 노이즈의 특성을 통계적으로 분석하여서 그에 맞는 잡음제거 필터를 모델링하는 방식인데, 노이즈의 특성에 따라서 필터의 매개변수를 세심하게 조절해야하기 때문에, 실제로 적용하기에는 비실용적이라는 단점이 있다. 반면 최근에 주목받기 시작한 딥 러닝을 이용한 모델링은 학습에 시간이 오래 걸린다는 단점이 있지만, 학습을 진행한 이후에는 결과 이미지를 얻는 데에 시간이 적게 걸리고 사용도 간편하다는 장점이 있다. 이런 기존의 방식들은 공통적으로 반전 잡음을 제거하면서 이미지 내부의 중요한 윤곽선 정보 또한 같이 제거하는 모습을 보인다. 그리고 윤곽선을 잘 보존하지 못하는 특성은 비전 알고리듬의 성능 저하에 주요한 원인이 된다. 본 논문에서는 기존의 합성 곱 신경망(Convolutional Neural Network) 기반의 딥 러닝 반전 제거 기법에 생성적 적대 신경망(Generative Adversarial impracticalNetwork) 구조를 응용하여 반전 잡음 제거 필터의 윤곽선 보존 성능을 향상시키는 알고리듬을 제안한다. 이 기법은 신경망 학습 시 판별기 신경망과 잡음 제거 필터 신경망을 경쟁시키는 방법으로 진행되고, 학습 최적화시에 단순히 MSE (Mean Square Error)를 사용하는 것이 아닌 structural similarity index (SSIM)를 추가적으로 사용함으로써 결과 이미지의 화질을 높인다. 제안하는 알고리듬은 인공적으로 생성된 SAR 영상과 실제 SAR 영상 모두에 높은 잡음 제거, 윤곽선 보존 성능을 보였으나, 이미지의 균질 영역( homogeneous region) 한해서는 윤곽선 정보를 생성하여 화질을 떨어뜨리는 경향을 보였다.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/99732http://hanyang.dcollection.net/common/orgView/200000435073
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > ELECTRONICS AND COMPUTER ENGINEERING(전자컴퓨터통신공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE