블록 매칭 및 3D 필터링(BM3D) 알고리즘은 단일 필터의 문제점을 보완하기 위하여 non-local means 기반으로 만들 어진 융합형 노이즈 제거 알고리즘이다. 하지만, 그 수식 인자의 조절에 관한 연구는 이루어지지 않고 있어 본 연구에서는 자기공명영상에서 발생하는 Rician 노이즈를 제거하기 위해 BM3D 알고리즘의 평활화 정도를 결정하는 노이즈 전력 스펙 트럼 밀도(noise power spectrum density,  )에 대한 최적화를 진행하고자 하였다. MRiLab 시뮬레이션 프로그램을 이 용하여 뇌 조직을 모사할 수 있는 뇌척수액(cerebrospinal fluid, CSF)/회색질(gray matter, GM)/백질(white matter, WM) 팬텀의 T1 강조영상을 획득하였고, 노이즈 레벨이 0.1, 0.15, 0.2, 0.25, 그리고 0.3인 Rician 노이즈를 각각 부가 한 후, BM3D 알고리즘의  값을 0.01부터 0.99까지 0.01씩 증가시키며 각각의 노이즈가 부가된 영상에 적용하였다. 정량 적 평가를 통해 최적화 값을 선정하기 위하여 CSF, GM, WM, 그리고 배경 영역에 관심 영역을 설정한 후 조직별 신호 대 잡음비(signal to noise ratio, SNR), 총 변동계수(coefficient of variation, COV), 그리고 평균 제곱근 오차(root mean square error, RMSE)를 측정하였다. 결과적으로, 조직별로 계산된 SNR, COV, 그리고 RMSE를 종합적으로 평가 했을 때 모든 조직에서 노이즈 레벨 0.1부터 0.3까지 증가함에 따라  값 또한 함께 증가하는 경향이 나타났으며 일정  값 이상에서는 노이즈뿐만 아니라 영상신호까지 함께 제거되어 개선 폭이 감소하는 것으로 관찰되었으며, 노이즈 레벨에 따라 각각 0.09, 0.13, 0.17, 0.21, 그리고 0.25의  값이 설정된 BM3D 알고리즘이 적용되었을 때 가장 합리적인 영상 특성을 보이는 것으로 나타났다. 결론적으로, 효과적인 노이즈 제거를 위해서 고정된 값이 아닌 노이즈 레벨에 따른 적합한 값을 적용해야 함을 증명할 수 있었다.

본 연구에서는 지반운동 라이브러리에서 목표스펙트럼에 근사한 평균응답스펙트럼을 갖는 한 개 혹은 다수의 지반운동을 선정하는 효율적인 방법을 제안하고자 한다. 지반운동 선정 시 목표스펙트럼의 형상과 크기를 맞추어야 하는데 이 두 가지를 독립적으로 고려할 수 있다는 기존 연구결과에 따라 본 연구에서도 형상이 가장 유사한 지반운동을 찾고 크기를 맞추기 위하여 배율조정계수를 사용한다. 형상을 맞추기 위해 각 주기에서 목표스펙트럼과 지반운동 평균응답스펙트럼의 차이 값의 표준편차가 최소가 되도록 하여 선정하는 방법을 제안하였다. 형상이 결정된 후 그 크기를 맞추기 위해 본 연구에서 제안한 배율조정계수를 찾는 방법은 기존 연구와 달리 한번에 찾을 수 있도록 제안하였다. 40개의 지반운동 라이브러리로부터 제안한 방법을 이용하여 목표스펙트럼에 근사한 평균스펙트럼을 갖는 7개의 지반운동기록을 선정한 결과, 그 정확성과 계산소요시간에 있어 모두 만족할만한 결과를 보였다.