(ㄱ) 제어부가 입력된 노이즈 영상(A0)을 제 1 히든 레이어(Hidden layer 1)를 거치면서 도넛 커널(doughnut Kernel)을 이용한 영상처리로 제 1 특징맵(feature map: A1)을 도출하는 단계; (ㄴ) 상기 제어부가 다수의 히든 레이어를 거치는 다수의 경로를 따라 상기 제 1 특징맵(A1)에 대한 영상 처리를 수행하는 단계; (ㄷ) 상기 제어부가 상기 경로를 거쳐 처리된 다수의 특징맵을 합치는 컨캐터네이팅(Concatenating)을 수행하는 단계; (ㄹ) 상기 제어부는 설정된 횟수로 상기 (ㄱ)단계부터 상기 (ㄷ)단계까지를 반복적으로 재수행한 것인지를 판단하는 단계; 및 (ㅁ) 상기 제어부가 상기 설정된 횟수로 재수행한 판단 결과에 따라 노이즈가 제거된 최종 영상을 출력부를 통해 디스플레이하는 단계; 를 포함하고,상기 (ㄹ)단계는 상기 제어부가 상기 컨캐터네이팅으로 도출된 예측 특징맵(D0)을 입력층에 다시 입력하여 업데이트하는 단계를 더 포함하고, 상기 업데이트하는 단계는 (는 적응 변수(adaptive weight)이고, λ는 포커싱 매개변수이며, 는 불변 함수이며, 는 입력값이다)으로 나타낸 ADSS 손실(Adaptive Self-Supervision Loss) 함수()를 이용하는 것을 특징으로 하는 노이즈 제거방법.

제 1 항에 있어서, 상기 도넛 커널은 K×K 형태의 픽셀들로 구성되고, 중앙 픽셀의 가중치가 0의 값을 가지며, 상기 K는 홀수이며 상기 픽셀은 학습가능한 변수인 것을 특징으로 하는 노이즈 제거방법.

제 1 항에 있어서, 상기 (ㄱ)단계는 (ㄱ-1) 상기 제어부가 입력된 노이즈 영상(A0)에 대해 상기 도넛 커널을 이용한 컨벌루션(convolution) 연산을 수행하는 단계; (ㄱ-2) 상기 제어부가 상기 컨벌루션 연산의 결과를 정규화하기 위한 BN(Batch Normalization) 처리를 수행하는 단계; 및 (ㄱ-3) 상기 제어부가 상기 BN 처리의 결과를 활성화 함수(Activation function)에 대입하여 연산하는 단계; 를 더 포함하는 것을 특징으로 하는 노이즈 제거방법.

제 1 항에 있어서, 상기 (ㄴ)단계에서 상기 경로는 임의의 확장치(dilation: d)를 갖는 d-확장 컨벌루션 커널(convolution Kernel)을 이용하여 상기 제 1 특징맵(A1)에 대한 영상 처리를 수행하는 과정의 경로인 것을 특징으로 하는 노이즈 제거방법.

제 4 항에 있어서, 상기 확장치(d)는 상기 도넛 커널의 크기(K)와 의 관계를 가지고, 반올림된 정수의 값을 갖는 것을 특징으로 하는 노이즈 제거방법.

제 4 항에 있어서, 상기 d-확장 컨벌루션 커널은 [입력 채널, 결과 채널, 3, 3]의 형태를 갖는 커널 픽셀로 구성되고, 상기 [입력 채널, 결과 채널, 3, 3]의 형태를 갖는 커널 픽셀은 상기 확장치(d)에 해당하는 간격으로 이격되어 구비되는 것을 특징으로 하는 노이즈 제거방법.

삭제