컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 10-5. Denoising with Dictionary

컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 10-5. Denoising with Dictionary

 

본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.

URL : https://www.edwith.org/medical-20200327/lecture/63180

 

Denoising via Dictionary

Patch 사전을 만들어 Dictionary에서 비슷한 patch를 가져옴

학습의 개념이 들어감

 

각 비슷한 patch에 대한 dictionary

$\alpha$ : weight

 

$$x=D \cdot \alpha$$

학습의 개념이 없는 Non-local mean과 달리 dictionary를 학습하겠다는 것이 Idea

 

Non-local mean은 비슷한 patch를 지속적으로 찾아야하기 때문에 느림

Dictionary Learning은 Training은 시간이 걸릴 수 있지만 $\alpha$ 값을 찾을 수 있는 것만 진행하면 되기 때문에 Test는 빠름

 

y : img + noise, x : img

$\left| y-x \right|_2^2 $ 작아야 원본 이미지 복원이 가능

$$min_x \left| y-x \right|_2^2 + \psi (x)$$

 

$\alpha$가 sparse하다 가정으로 x는 smooth한 영상이 만들어짐

 

$$min_{\alpha} \left| y-D \cdot \alpha \right|_2^2 + \lambda \psi (\alpha)$$

 

$\psi (\alpha)$는 L1 norm or L2 norm으로 정의가능

L1 norm 0이 거의 없음

L2 norm 많은 경우 0이 들어감

원하는 $\alpha$를 구하면 x를 구할 수 있음

 

보통 x는 patch로 설명

 

 

correlation이 비슷한 patch를 가져다 사용