Abstract
The Laplacian operator is usually used as a regularization operator which may be used as any differential operator in the regularization iterative processing. In this paper, several kinds of differential operator and proposed operator as a regularization operator were compared with each other performance. For noisy gaussian-blurred images, proposed operator worked better in the edge, while in flat region the conventional operator resulted better. In regularization, smoothing the noise and restoring the edges should be considered at the same time, so the regions divided into the flat, the middle, and the detailed, which were processed in separate and compared.
정칙화 반복처리 과정에 사용되는 정칙화 연산자는 라플라시안 연산자를 주로 사용하고 있으나, 일반적으로 미분 연산자를 사용하게 되어있다. 본 논문에서는 정칙화 연산자로서의 일반적인 미분연산자들과 제안된 연산자의 성능을 비교, 검토하여 분석하였다. 가우시안에 의해 훼손된 영상에서는, 윤곽부분은 제안된 연산자가 기존에 사용된 연산자보다 수렴성 및 복원효과가 뛰어나며 평면부분에서는 기존의 연산자가 제안된 연산자보다 안정적으로 수렴함을 알 수 있었다. 정칙화 이론은 잡음의 평활화와 윤곽의 복원을 동시에 고려하여 처리하기 때문에 영역을 평면부분과 중간부분 그리고 윤곽부분으로 나누어서 처리결과를 비교하였다.