$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

치아 영상의 반사 제거 및 치아 영역 자동 분할
Individual Tooth Image Segmentation with Correcting of Specular Reflections 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.59 no.6, 2010년, pp.1136 - 1142  

이성택 (건국대 의학공학부) ,  김경섭 (건국대 의료생명대 의학공학부, 건국대 의공학실용기술연구소) ,  윤태호 (건국대 의학공학부) ,  이정환 (건국대 의료생명대 의학공학부) ,  김기덕 (연세대 치과대학병원 통합진료과) ,  박원서 (연세대 치과대학병원 통합진료과)

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, an efficient removal algorithm for specular reflections in a tooth color image is proposed to minimize the artefact interrupting color image segmentation. The pixel values of RGB color channels are initially reversed to emphasize the features in reflective regions, and then those regi...

주제어

#Tooth   #Color Image   #Perceptron   #Image Segmentation   #Artificial Neural Network (ANN)  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 경면 반사를 제거하기 위한 기존의 이론들은 주로 기준 영상을 사용하여 영상을 서로 비교하는 방법을 사용한다. 그러나 본 연구에서는 별도의 기준 영상을 사용하지 않고 영상처리기법을 통하여 자체적인 경면 반사 검출 및 제거를 수행하고자 하였다. 앞 절의 결과의 그림들을 통하여, 반사를 제거한 했을 경우에 치아 영역 검출의 정확도가 개선되는 것을 확인할 수 있었다.
  • 따라서 본 연구에서는 기준 영상을 사용하지 않고, ‘퍼셉트론’ 인공 신경 회로망 모델을 적용하여 치아 영상에서의 경면 반사 영역을 검출한 다음에 평활화 공간 필터 (smoothing spatial filter)를 활용하여 경면 반사를 효과적으로 제거하고, 또한 워터쉐드 (watershed) 자동 분할 알고리즘을 활용하여 치아 영역에 대한 자동 분할의 정확성을 높이고자 하였다.
  • 그러므로 효율적인 영상 처리 과정을 수행하기 위해서는 경면 반사를 제거하는 전처리 과정이 반드시 필요하다. 실제로 반사 제거는 주로 내시경 (endoscopy) 영상 처리 분야에서 많이 적용되고 있는데, 예를 들어서 T.H. Stehle[2]은 내시경 촬영 시에 발생한 반사 영역의 정보를 RGB (red, green, blue) 공간에서 YUV (Y: 밝기 값, U와 V: 색차 신호) 공간으로 변환하여 경면 반사를 검출한 다음에, 주파수대역에서의 디컨볼루션 (spectral deconvolution) 해석을 통하여 경면 반사 영역을 제거하고 이에 따른 손실을 보상하고자 하였다. 그러나 이러한 접근 방식은 복잡한 수학적 연산을 요구하고 계산량도 많다는 단점이 존재한다.

가설 설정

  • i) 가중치와 바이어스를 초기화한다. 즉, 가중치와 바이어스는 0으로, α (학습 계수) 값은 1로 초기화한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
물체의 색은 무엇에 의해 결정되는가? 물체의 색은 광원 (incident light)의 색과 물체 표면의 특성에 의해 결정된다. 즉, 광원으로부터 발생한 빛이 물체에 닿으면 물체의 표면에서 특정 색상이 흡수됨과 동시에 반사 (reflection)가 발생하고, 이 반사를 통해 사물의 색이 인지된다.
빛의 '반사'로 인해 식별될 수 있는 것은 무엇인가? 즉, 광원으로부터 발생한 빛이 물체에 닿으면 물체의 표면에서 특정 색상이 흡수됨과 동시에 반사 (reflection)가 발생하고, 이 반사를 통해 사물의 색이 인지된다. 결국 반사가 존재하기 때문에 사물의 고유색이 식별된다. 반사는 주변 반사 (ambient reflection), 확산 반사 (diffusive reflection), 그리고 경면 반사 (specular reflection)로 분류되는데[1], 주변 반사는 광원에 직접 노출되지 않고, 다른 물체에서 반사되는 주변 광 (ambient reflection light)을 통해 발생된다.
유광면의 특징을 나타내는 치아를 영상 촬영 시에 경면 반사가 발생할 수밖에 없는 이유는? 경면 반사는 주로 물체 표면이 유광면일 경우에 발생할 가능성이 높으며, 빛의 정반사에 의해 발생한다. 따라서 치아 표면 역시 유광면의 특징을 나타내기 때문에, 영상 촬영 시에 조명에 의한 경면 반사가 발생할 수밖에 없다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. R. S. Wright, Jr., M. Sweet, "OpenGL Superbible: The Complete Guide to OpenGL Programming for Windows NT and Windows 98," Waite Group Press, Aug 1996. 

  2. T. H. Stehle, "Specular Reflection Removal in Endoscopic Images," Proceedings of the 10th International Student Conference on Electrical Engineering POSTER, May 2006. 

  3. S. Tchoulack, J. M. Pierre Langlois and F. Cheriet, "A Video Stream Processor for Real-time Detection and Correction of Specular Reflections in Endoscopic Images," Circuits and Systems and TAISA Conference, pp. 49-52, 2008, 

  4. J. Wang, H. Eng, A. H. Kam and W. Yau, "Specular reflection removal for human detection under aquatic environment," Computer Society Conference on Computer Vision and Pattern Recognition Workshops, June. 2004. 

  5. M. Yamazaki, Y. Chen and G. Xu, "Separating Reflections from Images Using Kernel Independent Component Analysis," The 18th International Conference on Pattern Recognition, Vol. 3, pp. 194-197, 2006. 

  6. L. Fausett, "Fundamentals of Neural Network: Architectures, Algorithms, and Applications," Prentice Hall, 1994. 

  7. R. Gonzalez, R. Woods, "Digital Image Processing," Prentice Hall, 2001. 

  8. P. Maragos, R. W. Schafer, and M. A. Butt, "Mathematical Morphology and its Applications to Image and Signal Processing," Springer, 1996. 

  9. Y. Zhao, J. Liu, H. Li, and G. Li, "Improved Watershed Algorithm for Dowels Image Segmentation," Proceedings of the 7th World Congress on Intelligent Control and Automation, pp. 7644-7648, June 2008. 

  10. G. Hamarneh, X. Li, "Watershed Segmentation Using Prior Shape and Appearance Knowledge," Image and Vision Computing, Vol. 27, pp. 59-68, 2009. 

    상세보기 crossref
LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로