수학적 모폴로지 연산자를 기반으로 하는 대부분의 복합 필터들은 미리 정해진 연산자의 조합을 사용하거나 연산자의 선형 조합을 이용하는데, 이에 따라 다양한 범위의 잡음 레벨에 대한 처리 성능이 제한을 받는다. 본 논문에서는 자기 공명 (Magnetic Resonance) 영상에 나타나는 잡음을 제거하기 위한 유전자 프로그래밍 기반의 새로운 방법을 제안한다. 제안된 방법은 적합도 조건을 바탕으로 그레이스케일 모폴로지 연산자를 수 세대 동안 조합하는 방법으로 최적의 복합 모폴로지 필터 $F_{OCMSF}$를 만들게 되는데, 특히 잡음의 분산에 대한 어떤 사전 지식도 필요 없다는 장점이 있다. 실험을 위하여 시뮬레이션 된 데이터와 환자로부터 실제로 촬영한 MRI 데이터가 사용되었다. 실험을 통해 제안된 GP 기반 잡음 제거기법이 기존의 방법들에 비해 우수한 결과를 보이는 것을 알 수 있었다.
Most of the composite filters based on mathematical morphological (MM) operators depend on a certain prefixed or a linear combination of MM operators that limits their performance in the diverse range of noise levels. We propose a Genetic Programming (GP) based approach for noise reduction from Magnetic Resonance Images (MRI). An Optimal Composite Morphological Supervised Filter $F_{OCMSF}$ is evolved through a certain number of generations by combining the gray-scale MM operators under a fitness criterion. The proposed method does not need any prior information about the noise variance. The improved performance of the developed filter is investigated using simulated and real MRI datasets. Comparative analysis demonstrates the superiority of the proposed GP based scheme over the existing approaches.
