본 연구에서는 저 명암 대비 영상에서 잡음이 많은 육각형을 포함하는 윤곽 검출과 보완의 2단계 처리방법을 제안한다. 이 방법은 라플라시안-가우시안 필터(LGF)의 조합과 형상에 의존하는 필터의 아이디어에 기초한다. 먼저, 1단계에서는 모서리에서 특히 육각형상의 에지를 검출하기 위한 검출기로서 6개의 마스크를 갖는 알고리즘을 사용한다. 여기에서 두 개의 삼각화살 모양의 필터는 육각형의 삼각화살 모양의 접속부를 검출하기 위해 사용되고, 기타 네 개의 필터는 육각형 주변의 에지를 검출하기 위해 사용된다. 자연영상으로서 보통 규칙적인 육각형상의 각막 내피 세포를 선택하며, 이 각막 내피 세포의 형상을 자동적으로 계측하는 것은 임상진단에 있어서 중요하다. 그 유효성을 평가하기 위해 제안 방법과 기존 방법을 잡음을 포함하는 육각형 영상에 적용한다. 그 결과, 제안 알고리즘이 기존의 다른 방법에 비해 잡음에 대한 강인성과 출력 신호 대 잡음비, 에지 일치율 및 검출 정확도의 면에서 보다 양호한 검출률을 나타냈다. 다음으로, 2단계에서는 에너지 최소화 알고리즘에 의한 세선화 영상의 결손 부분을 보완한 후 임상진단에 필요한 정보를 제공하는 세포의 면적과 분포를 계산한다.
본 연구에서는 저 명암 대비 영상에서 잡음이 많은 육각형을 포함하는 윤곽 검출과 보완의 2단계 처리방법을 제안한다. 이 방법은 라플라시안-가우시안 필터(LGF)의 조합과 형상에 의존하는 필터의 아이디어에 기초한다. 먼저, 1단계에서는 모서리에서 특히 육각형상의 에지를 검출하기 위한 검출기로서 6개의 마스크를 갖는 알고리즘을 사용한다. 여기에서 두 개의 삼각화살 모양의 필터는 육각형의 삼각화살 모양의 접속부를 검출하기 위해 사용되고, 기타 네 개의 필터는 육각형 주변의 에지를 검출하기 위해 사용된다. 자연영상으로서 보통 규칙적인 육각형상의 각막 내피 세포를 선택하며, 이 각막 내피 세포의 형상을 자동적으로 계측하는 것은 임상진단에 있어서 중요하다. 그 유효성을 평가하기 위해 제안 방법과 기존 방법을 잡음을 포함하는 육각형 영상에 적용한다. 그 결과, 제안 알고리즘이 기존의 다른 방법에 비해 잡음에 대한 강인성과 출력 신호 대 잡음비, 에지 일치율 및 검출 정확도의 면에서 보다 양호한 검출률을 나타냈다. 다음으로, 2단계에서는 에너지 최소화 알고리즘에 의한 세선화 영상의 결손 부분을 보완한 후 임상진단에 필요한 정보를 제공하는 세포의 면적과 분포를 계산한다.
In this paper, two step processing method of contour extraction and complement which contain hexagonal shape for low contrast and noisy images is proposed. This method is based on the combination of Laplacian-Gaussian filter and an idea of filters which are dependent on the shape. At the first step,...
In this paper, two step processing method of contour extraction and complement which contain hexagonal shape for low contrast and noisy images is proposed. This method is based on the combination of Laplacian-Gaussian filter and an idea of filters which are dependent on the shape. At the first step, an algorithm which has six masks as its extractors to extract the hexagonal edges especially in the corners is used. Here, two tricorn filters are used to detect the tricorn joints of hexagons and other four masks are used to enhance the line segments of hexagonal edges. As a natural image, a corneal endothelial cell image which usually has regular hexagonal form is selected. The edge extraction of hexagonal shapes in corneal endothelial cell is important for clinical diagnosis. The proposed algorithm and other conventional methods are applied to noisy hexagonal images to evaluate each efficiency. As a result, this proposed algorithm shows a robustness against noises and better detection ability in the aspects of the output signal to noise ratio, the edge coincidence ratio and the extraction accuracy factor as compared with other conventional methods. At the second step, the lacking part of the thinned image by an energy minimum algorithm is complemented, and then the area and distribution of cells which give necessary information for medical diagnosis are computed.
In this paper, two step processing method of contour extraction and complement which contain hexagonal shape for low contrast and noisy images is proposed. This method is based on the combination of Laplacian-Gaussian filter and an idea of filters which are dependent on the shape. At the first step, an algorithm which has six masks as its extractors to extract the hexagonal edges especially in the corners is used. Here, two tricorn filters are used to detect the tricorn joints of hexagons and other four masks are used to enhance the line segments of hexagonal edges. As a natural image, a corneal endothelial cell image which usually has regular hexagonal form is selected. The edge extraction of hexagonal shapes in corneal endothelial cell is important for clinical diagnosis. The proposed algorithm and other conventional methods are applied to noisy hexagonal images to evaluate each efficiency. As a result, this proposed algorithm shows a robustness against noises and better detection ability in the aspects of the output signal to noise ratio, the edge coincidence ratio and the extraction accuracy factor as compared with other conventional methods. At the second step, the lacking part of the thinned image by an energy minimum algorithm is complemented, and then the area and distribution of cells which give necessary information for medical diagnosis are computed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 눈의 각막 내피 세포와 같이 잡음이 실린 육각형의 경계를 검출해서 보완하는 한 가지 알고리즘을 제안하였다. 제안하는 삼각화살 모양의 필터는 기존의 필터들에 비해 보다 양호하게 육각형 접속부의 윤곽을 검출할 수 있음을 실험을 통해 확인하였다.
아울러 눈의 구조에 있어서 각막 내피 세포는 각막의 탈수 상태를 유지하는 역할을 담당하고 있어 각막 내피 세포내 육각형상의 에지 검출[7∼10]은 임상진단에 있어서 매우 중요하다. 이에 본 논문에서는 이러한 점에 착안하여 저 명암 대비의 잡음이 포함된 영상에 대해 윤곽을 검출하고 보완하는 방법을 제안하게 되었다. 한편, 각막 내피 세포에 대한 윤곽 검출 처리는 많은 부수적인 잡음이 존재한다는 것, 저 명암 대비 영상이 대다수를 차지한다는 것, 저 분해능 영상이라는 것과 그레이 레벨의 위치 의존 변화가 심하다는 등의 문제점이 존재한다.
에 관해 많은 연구자들이 노력을 경주해 왔다. 이에 이번 연구에서는 특히 저명암 대비(contrast)와 잡음이 포함된 조건하에서 육각 형상을 검출함에 그 목표를 두고 있으며 또한 육각형 에지를 정확하게 검출할 수 있는 마스크를 작성하고자 한다. 각막내피세포는 안구의 영상정보시스템에 있어서 굴절율을 담당하는 등 중요한 역할을 하기 때문에 각막내피 세포의 검출은 의학 영상에 있어서 중요한 위치를 차지하고 있다.
가설 설정
1. The idea of tricorn filter.
제안 방법
우선, 대상 영상과 좌측‧우측‧수평‧수직 연산자 및 삼각화살 모양 필터-1과 삼각화살 모양 필터-2의 각 필터와의 컨볼루션을 취한다. 다음으로, 각 필터와의 컨벌루션 결과에 대해 각각 적절한 임계값 수준에 의해 각각의 출력을 2치화한 후 논리적으로 모든 결과값을 더한다. 여기에서 각각의 임계값은 필터와 함께 컨볼루션을 취하는 영상의 양쪽 특성에 의존한다.
신호대 잡음비는 필터에 대한 부분적인 특성이 아니라 전체적인 특성을 평가한다. 더구나 신호 대 잡음비는 아날로그 출력을 필요로 하기 때문에 6-필터 알고리즘 대신 선형적으로 합해진 필터만 평가했다. 그래서 삼각화살모양 필터의 부분적인 장점이 이러한 평가에 있어서 오히려 축소된다는 면이 존재한다.
그림 9는 내부 작용에 의해 손상을 받은 잡음이 실린저 명암 대비의 각막 내피 세포 원영상을 나타낸다. 먼저, 화살형상을 한 두 부분의 각막 내피 세포 영상을 선택했다. 이 부분 영상을 ±90도 이내로 회전시켜 두 개의 다른 영상을 생성한다.
가우시안 잡음을 샘플 영상에 가한다면 다른 종류의 잡음 영상이 생성된다. 이에 본 실험에서는 이들 잡음 영상에 대해 제안하는 6-필터를 포함한 다른 종류의 필터와의 컨볼루션 (convolution)을 행한다.
삼각화살 모양 필터에 대한 아이디어는 가우스 함수의 2차 미분과 그림 1의 육각형의 접속부에 해당하는 삼각 화살 모양과의 조합에 기초를 두고 있다. 이에 삼각화살 모양 필터의 구체적인 설계를 위해 멕시칸 모자 (sombrero)의 라플라시안-가우시안 함수식을 이용해서 필터식 작성을 시도해 보았으나 정확한 필터식 작성이 쉽지 않아 실험에 의한 경험적인 필터를 작성하게 되었다. 그래서 그림 1의 삼각화살 모양 필터에서 멕시칸 모자 모양의 육각형 일부를 포함하는 엷은 실선의 Y자형 모양을 시각적으로 발견하게 되어, 기존 필터를 참고하여 계단형의 다른 가중치를 가진 삼각화살 모양의 필터를 작성 하였다.
반면에 다른 결과들은 약간 불충분함을 나타내고 있다. 이에 수반하여 6-필터 알고리즘에 의한 처리 결과가 기존 필터들에 비해 우수함을 시각적인 방법 외에 정량적 방법으로 제시해야하지만 이번 연구의 경우 사용된 소수의 실제 각막 내피 세포의 대표성 문제로 생략하였다. 그림 15는 3×3 크기를 가진 Prewitt와 Sobel 필터와 각막 내피 세포와의 컨볼루션 결과를 나타내고 있다.
입력으로서 두 종류의 영상에 대해 제안방법을 실험하였다. 첫 번째 영상은 인공적인 잡음 영상 그룹이고 두 번째 영상은 실제 각막 내피 세포 영상이다.
대상 데이터
입력으로서 두 종류의 영상에 대해 제안방법을 실험하였다. 첫 번째 영상은 인공적인 잡음 영상 그룹이고 두 번째 영상은 실제 각막 내피 세포 영상이다. 모든 필터들은 9×9 크기를 갖는다.
이론/모형
그러나 그 형상은 육각형의 기본적인 특징을 뚜렷하게 갖고 있다. 각막 내피 세포의 윤곽을 검출하기 위해 Kass 등[16,17]이 윤곽검출에 사용한 스네이크 (snake)라는 에너지 함수 알고리즘을 사용한다. 여기에 서는 각각의 에너지 E1, Ec, EM을 아래와 같이 정의한다.
육각형의 접속부를 검출하기 위한 화살모양 필터라고 하는 두 개의 특별한 마스크를 포함하는 6-필터 알고리즘을 사고한다. 모든 필터들은 9×9 크기를 갖는다.
성능/효과
이 평가 결과는 잡음에 대한 제안 알고리즘의 강인성과 다른 방법에 비해 보다 양호한 검출 성능을 보여주고 있다.
표 3은 다른 잡음 영상에 대해 위에서 계산된 신호대 잡음비의 결과를 보여준다. 이러한 결과는 평균적으로 평균자승 오차가 라플라시안과 라플라시안-가우시안 결과와 비교해서 각각 23%와 12%만큼 감소했음을 나타내고 있다.
본 연구에서는 눈의 각막 내피 세포와 같이 잡음이 실린 육각형의 경계를 검출해서 보완하는 한 가지 알고리즘을 제안하였다. 제안하는 삼각화살 모양의 필터는 기존의 필터들에 비해 보다 양호하게 육각형 접속부의 윤곽을 검출할 수 있음을 실험을 통해 확인하였다. 이 알고리즘은 저 명암대비의 잡음이 많은 육각형상에 대하여 강인한 특성을 갖고 있다.
후속연구
그러나 이 알고리즘의 양호한 성능에도 불구하고 6-필터의 수행으로 인해 다른 방법에 비해 더 많은 시간이 소요된다. 제안하는 검출 알고리즘에서 각각의 강조된 영상에 대한 임계값 수준을 결정하는 양호한 방법을 찾아내는 것과 보완처리 결과에 있어서 육각형에 보다 근접한 완성된 경계를 만드는 것이 향후 해결해야 할 과제로 남아 있다.
한편, 각막 내피 세포에 대한 윤곽 검출 처리는 많은 부수적인 잡음이 존재한다는 것, 저 명암 대비 영상이 대다수를 차지한다는 것, 저 분해능 영상이라는 것과 그레이 레벨의 위치 의존 변화가 심하다는 등의 문제점이 존재한다. 하지만, 기존 필터외에 제안하는 알고리즘을 사용한다면 이러한 문제점들을 어느정도 극복하면서 저명암 대비의 잡음이 포함된 각막 내피 세포 영상에 대한 육각형 경계를 검출하고 보완할 수 있을 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
두 개의 삼각화살 모양의 필터는 어떻게 사용되는가?
먼저, 1단계에서는 모서리에서 특히 육각형상의 에지를 검출하기 위한 검출기로서 6개의 마스크를 갖는 알고리즘을 사용한다. 여기에서 두 개의 삼각화살 모양의 필터는 육각형의 삼각화살 모양의 접속부를 검출하기 위해 사용되고, 기타 네 개의 필터는 육각형 주변의 에지를 검출하기 위해 사용된다. 자연영상으로서 보통 규칙적인 육각형상의 각막 내피 세포를 선택하며, 이 각막 내피 세포의 형상을 자동적으로 계측하는 것은 임상진단에 있어서 중요하다.
8비트의 샘플 영상의 농도값과 배경 농도값은?
8비트의 샘플 영상은 그림 3에서와 같이 농도값 191과 배경 농도값 64의 대략적인 육각형상을 하고 있다. 육각형 선의 폭과 길이는 각각 3, 9의 화소(pixel)와 동일한 것으로 선택된다.
잡음이 많은 육각형을 포함하는 윤곽 검출과 보완의 2단계 처리방법은 어떤 아이디어에 기초하는가?
본 연구에서는 저 명암 대비 영상에서 잡음이 많은 육각형을 포함하는 윤곽 검출과 보완의 2단계 처리방법을 제안한다. 이 방법은 라플라시안-가우시안 필터(LGF)의 조합과 형상에 의존하는 필터의 아이디어에 기초한다. 먼저, 1단계에서는 모서리에서 특히 육각형상의 에지를 검출하기 위한 검출기로서 6개의 마스크를 갖는 알고리즘을 사용한다.
참고문헌 (17)
LS. Davis, "A survey of Edge Detection Techniques," Computer Graphics and Image Processing, Vol.4, pp.248-270, 1975.
D. Marr, E. Hidreth, "Theory of edge detection," Processing R., Society, Lond, Vol.B207, pp.187-217, 1980.
N. Yamaguchi, N. Tamori, and A. Shiomi, "A Lane Detection Method Using Adaptive Edge Preservative Smoothing," The ICEC Trans. on Information Systems, Part 2, Vol.J88-D-II, No.8, pp.1421-1431, Aug. 2002.
M. Basu, "Gaussian-based edge-detection method-a survey," IEEE Trans. System, Man and Cybernetics, Part C, Vol.32, Issue 3, pp.252-260, Aug. 2002.
Na Mi Kim, Min Kyu Shin, Su Jin Kim, "Confocal Microscopic Findings of Transplanted Cornea 10 Years After Penetrating Keratoplasty," Journal of the Korean Ophthalmological Society, Vol.50, No.5, pp.779-784, 2009.
Sanjay V. Patel, William M. Bourne, "Corneal Endothelial Cell Loss 9 Years After Excimer Laser Keratorefractive Surgery," JAMA Ophthalmology, Vol.127, No.11, pp.1423-1427, 2009.
B. Lipkin, A. Rosenfeld, Picture Processing and Psychopictorics, JMS Prewitt: Object Enhancement and Extraction, Academic Press, New York, 1970.
K. Suzuki, I. Horiba and N. Sugie, "Neural edge enhance for supervised edge enhancement from noisy images," IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.25, Issue 12, pp.1582-1596, Dec. 2003.
F. Gasparini, S. Corchs, R. Schettini, "Adaptive Edge Enhancement using a Neurodynamical Model of Visual Attention," ICIP, pp.972-975, 2005.
P. Shivakumara, W. Huang, and C. Tan, "An Efficient Edge based Technique for Text Detection in Video Frames," IEEE The Eighth International Association of Pattern Recognition(IAPR) International Workshop on Document Analysis Systems(DAS), 307-314, 2008.
Sung Woong Shin, Jun Chul Kim, Kum Hui Oh, Yung Ran Lee, "Automatic Matching of Multi-Sensor Images Using Edge Detection Based on Thining Algorithm," Korean Journal of Geomatics, Vol.26, No.4, pp.407-414, 2008.
Jun-Sik Kwon, "Obtaining 1-pixel Width Line Using an Enhanced Parallel Thinning Algorithm," Journal of the Institute of Electronics Engineers of Korea, Vol.46, No.1, SP, pp.1-6, 2009.
Yun-Hee Woo, Mi-Na Ha, Seung-Min Jung, "A Hardware Implementation of Fingerprint Identification Thinning Algorithm," Spring Conference Proceedings 2012 of The Korean Institute of Maritime Information and Communication Sciences, Vol.14, No.1, pp.493-496, 2010.
S. E. Umbaugh, Computer Imaging Digital Image Analysis and Processing, A CRC Press Book, pp.328-355: pp.377-391, 2005.
R. C. Gonzalez, R. E. Woods, S. L. Eddins, Digital Image Processing using MATLAB, PEASON Prentice Hall, Inc., pp.125-140, 2005.
A. Kass, A. Witkin, D. Terzopoulos, "Snakes Active Contour Models," International Journal of Computer Vision, Vol.1, No.3, pp.321-331, 1988.
Eung-Kyeu Kim, "Extraction of Renal Glomeruli Region using Genetic Algorithm," Journal of the Institute of Electronics Engineers of Korea, Vol.46 SP, No.2, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.