[논문]디지털 맘모그램을 위한 비선형 영상 향상 방법

전금상; 김상희

디지털 맘모그램을 위한 비선형 영상 향상 방법
A Nonlinear Image Enhancement Method for Digital Mammogram 원문보기

信號處理·시스템學會論文誌 = Journal of the institute of signal processing and systems, v.14 no.1, 2013년, pp.6 - 12

초록
AI-Helper

맘모그램은 유방암의 조기발견을 위해 가장 일반적으로 이용되고 있다 유방암의 정확한 진단과 효율적인 치료를 위하여 많은 영상향상 방법들이 개발되어왔다. 본 논문은 디지털 유방 촬영상의 영상향상을 위하여 새로운 비선형 영상향상 방법을 제안한다. 제안된 방법은 영상의 밝기 정보를 향상시키기 위한 비선형 함수와 경계와 디테일 정보를 개선하기 위한 비선형 필터로 구성된다. 비선형 함수는 영상의 어두운 영역의 밝기를 향상시키고 밝은 영역의 동적범위를 넓혀주며, 비선형 필터는 영상의 특정 영역이나 객체를 효과적으로 개선시킨다. 최종 향상된 영상은 비선형 함수로 처리한 영상과 비선형 필터로 필터된 영상을 더하여 얻어진다. 제안된 비선형 영상향상 방법은 실험에서 기존 방법과 영상향상 결과를 비교하여 우수한 성능을 확인하였다.

Abstract ▼ AI-Helper

Mammography is the most common technique for the early detection of breast cancer. To diagnose correctly and treat of breast cancer efficiently, many image enhancement methods have been developed. This paper presents a nonlinear image enhancement method for the enhancement of digital mammogram. The proposed method is composed of a nonlinear function for brightness improvement and a nonlinear filter for contrast enhancement. The nonlinear function improves the brightness of dark area and extends the dynamic range of bright area, and the nonlinear filter efficiently enhances the specific regions and objects of the mammogram. The final enhanced image was obtained by combining the processed image with the nonlinear function and the filtered image with the nonlinear filter. The proposed nonlinear image enhancement method was confirmed the enhanced performance comparing with other existing methods.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 디지털 유방 촬영상을 위하여 비선형 함수와 비선형 필터를 이용한 비선형 영상 향상 방법을 제안하였다. 제안된 영상향상 방법은 비선형 함수를 이용한 처리 과정과 비선형 필터를 이용한 처리과정으로 구분되어 진다.
본 논문에서는 디지털 유방 촬영상을 위하여 비선형 함수와 비선형 필터를 이용한 영상향상 방법을 제안하였다. 실험에 사용한 유방 촬영상은 1024x1024 크기의 PGM 파일 형식으로 mini-MIAS 데이터베이스에서 다운로드 하였다[19].
본 논문에서는 앞서 소개한 NLUM 방법의 단점을 개선하기 위해 비선형 필터와 비선형 함수를 사용하여 디지털 유방 촬영상을 위한 비선형 영상향상 방법을 제안한다. 제안하는 비선형 영상향상 방법은 원 영상에 비선형 함수로 처리한 영상과 비선형 필터로 필터링한 영상을 더하여 최종적으로 향상된 영상을 얻게 된다.
기존에 사용된 UM 방법들은 고주파 통과 필터를 사용하여 영상의 밝기는 고려하지 않고 대비향상에만 중점을 두고 있다. 본 논문에서는 영상의 밝기와 대비를 함께 향상시키기 위한 방법을 제안한다. 그 방법은 원 영상에 비선형 필터링 연산을 수행한 후 0에서 1사이 값으로 정규화를 하여 원영상과 곱한 결과를 비선형 함수로 밝기를 향상시킨 영상과 더하여 최종적으로 향상된 영상을 얻는 것이다.

가설 설정

그림 9-(b) 영상은 밝기에 상관없이 대비는 개선되었지만 선형 고주파 통과 필터의 잡음 민감성으로 인해 전체적으로 거칠어진 결과를 보인다. 그림 9-(c) 영상은 지역 히스토그램 사용으로 인해 대비와 밝기가 전체적으로 고르지 못하다. 그림 9-(d) 영상은 전체적으로 대비개선이 고르지 않았고, 특히 밝은 영역의 경우 개선된 바가 없음을 확인할 수 있었다.
그림 ll-(b) 영상이 병변의 특성을 잘 나타내고, 그림 11에서 (c)와 (e) 영상은 열화 현상이 나타났다. 그림 ll-(d) 영상은 (a) 영상과 큰 차이를 보이지 않는다. 그림 ll-(f) 영상은 열화현상 없이 병변의 대비를 잘 나타내고 있다.

제안 방법

제안하는 비선형 영상향상 방법은 원 영상에 비선형 함수로 처리한 영상과 비선형 필터로 필터링한 영상을 더하여 최종적으로 향상된 영상을 얻게 된다. 제안된 방법은 비선형필터의 계수를 고정된 값으로 사용함으로서 반복적인 계산을 줄이고 비선형 함수를 사용하여 영상의 밝기와 대비를 효율적으로 개선하는 장점을 갖는다.
제안된 영상향상 방법은 비선형 함수를 이용한 처리 과정과 비선형 필터를 이용한 처리과정으로 구분되어 진다. 비선형 함수는 영상의 어두운 영역의 밝기를 향상시키고 밝은 영역에 동적범위를 넓혀준다.
제안하는 비선형 영상향상 방법은 원 영상에 비선형 함수로 처리한 영상과 비선형 필터로 필터링한 영상을 더하여 최종적으로 향상된 영상을 얻게 된다. 제안된 방법은 비선형필터의 계수를 고정된 값으로 사용함으로서 반복적인 계산을 줄이고 비선형 함수를 사용하여 영상의 밝기와 대비를 효율적으로 개선하는 장점을 갖는다.

대상 데이터

제안하였다. 실험에 사용한 유방 촬영상은 1024x1024 크기의 PGM 파일 형식으로 mini-MIAS 데이터베이스에서 다운로드 하였다[19]. 제안된 비선형 영상향상(NLIE) 방법의 향상성능은 기존 방법들의 향상결과를 비교하여 평가하였다.

데이터처리

실험에 사용한 유방 촬영상은 1024x1024 크기의 PGM 파일 형식으로 mini-MIAS 데이터베이스에서 다운로드 하였다[19]. 제안된 비선형 영상향상(NLIE) 방법의 향상성능은 기존 방법들의 향상결과를 비교하여 평가하였다. 실험에서 제안된 방법의 제어변수, 와 λ는 모두 0.

이론/모형

제안된 비선형 영상향상 방법과 기존방법들의 향상성능을 객관적인 수치로 비교하기 위하여 대비 향상 측정 SDME[14], Michelson-Law measure of enliancement (AME)[18], Region contrast value (RCV)[7] 방법으로 향상된 영상을 측정하여 비교했다. 영상의 대비가 높을수록 대비 향상 측정값들이 크게 나타난다.

성능/효과

유선조직이 많은 밝은 영역은 개선효과를 볼 수 없다. 그림 10-(c) 영상은 어두운 영역이 향상된 것을 볼 수 있으나 전체적으로 고르지 못한 밝기 분포와 유선조직의 밝은 영역에 열화현상이 나타난다. 그림 10-(d) 영상은 전체적으로 유선조직의 좋은 대비개선 결과를 보인다.
SDME 값이 가장 높게 나타난 영상(f)은 영상 전체적인 대비는 개선되었지만, 밝기향상으로 병변의 특징을 파악하기 어려웠다. (c) 영상은 원 영상의 SDME 값보다 작지만 특히 병변 주변의 대비가 개선됨을 확인할 수 있었다.
그림 9-(c) 영상은 지역 히스토그램 사용으로 인해 대비와 밝기가 전체적으로 고르지 못하다. 그림 9-(d) 영상은 전체적으로 대비개선이 고르지 않았고, 특히 밝은 영역의 경우 개선된 바가 없음을 확인할 수 있었다. 그림 9-(e) 영상은 밝기와 대비 개선 효과를 확인할 수 있지만 밝은 영역에 과도한 대비 개선으로 인하여 열화현상이 발생했다.
그 결과 가장 높은 SDME 값을 보인 영상은 (f)이며, 병변의 특징을 잘 나타내는 영상은 (c)이다. (b), (d), (e) 영상들은 병변 주변 밝기를 과도하게 향상시켜 열화 현상이 나타났다. SDME 값이 가장 높게 나타난 영상(f)은 영상 전체적인 대비는 개선되었지만, 밝기향상으로 병변의 특징을 파악하기 어려웠다.
그래프이다. 그 결과 h값의 변화는 SDME 값에 크게 영향을 미치지 않았지만 &값의 변화에 따라 SDME 값이 변하는 것을 확인할 수 있었다.
영상의 SDME를 측정한 결과이다. 그 결과 제안된 비선형 영상향상 방법에서는 제어변수 z와 λ값의 변화 없이도 모든 영상에서 우수한 향상 성능을 보였다.
제안된 비선형 영상향상 방법의 성능을 실험을 통해 평가하였고, 그 결과 제안된 비선형 영상향상 방법이 유방 촬영상의 병변과 같은 특정지역의 대비를 기존방법들보다 우수하게 향상시킴은 물론, 치밀유방 영상에서도 그 효과를 확인할 수 있었다. 다양한 향상성능 측정 방법으로 기존 방법들과 향상성능을 객관적으로 비교한 결과에서도 제안된 비선형 영상향상 방법이 우수함 확인하였다.
5를 적용하여 영상을 향상시킨 결과이다. 실험 결과 영상의 어두운 영역은 밝기가 향상되었고, 밝은 영역은 대비가 개선되어 밝은 영역에 존재하는 병변의 특성을 잘 보여주었다.
그림 9-(f) 영상은 제안된 방법으로 향상된 결과이다. 어두운 영역은 밝기가 향상되었고, 밝은 영역에 존재하는 병변 주변의 대비도 다른 방법에 비해 우수함을 보여준다.
제안된 비선형 영상향상 방법이 SDME와 AME 측정값이 가장 높게 나타났으며, RCV 측정결과에서는 LTM 방법이 다른 방법에 비해 아주 높은 값을 나타내었다. 이 결과는 RCV 측정 방법이 2차 미분 연산을 사용하여 대비를 계산함으로 2차 미분 연산과 유사한 UM 방법이 가장 높게 나타난 것으로 판단된다. 제안된 방법의 측정 결과는 모든 측정 결과에서 원 영상보다 높은 성능을 보였으며, CLAHE 방법은 AME 측정값이 원 영상보다 낮게 나타났다.
이 결과는 RCV 측정 방법이 2차 미분 연산을 사용하여 대비를 계산함으로 2차 미분 연산과 유사한 UM 방법이 가장 높게 나타난 것으로 판단된다. 제안된 방법의 측정 결과는 모든 측정 결과에서 원 영상보다 높은 성능을 보였으며, CLAHE 방법은 AME 측정값이 원 영상보다 낮게 나타났다. 나머지 향상 방법들은 RCV 측정값이 원 영상보다 높게 나타났으나 SDME, AME 측정값은 오히려 낮게 나타났다.
최종 향상된 영상은 비선형함수로 처리된 영상과 비선형 필터로 필터링 된 영상을 더하여 얻어진다. 제안된 비선형 영상향상 방법의 성능을 실험을 통해 평가하였고, 그 결과 제안된 비선형 영상향상 방법이 유방 촬영상의 병변과 같은 특정지역의 대비를 기존방법들보다 우수하게 향상시킴은 물론, 치밀유방 영상에서도 그 효과를 확인할 수 있었다. 다양한 향상성능 측정 방법으로 기존 방법들과 향상성능을 객관적으로 비교한 결과에서도 제안된 비선형 영상향상 방법이 우수함 확인하였다.
제안된 비선형 영상향상 방법이 SDME와 AME 측정값이 가장 높게 나타났으며, RCV 측정결과에서는 LTM 방법이 다른 방법에 비해 아주 높은 값을 나타내었다. 이 결과는 RCV 측정 방법이 2차 미분 연산을 사용하여 대비를 계산함으로 2차 미분 연산과 유사한 UM 방법이 가장 높게 나타난 것으로 판단된다.
제안된 비선형 함수는 입력 값이 작은 어두운 영역의 밝기를 향상시켜 동적 범위를 줄이고, 밝은 영역의 동적 범위를 넓혀줌으로써 밝은 영역의 대비를 효과적으로 개선시키는 특징을 갖는다. 제안된 방법의 전체 알고리즘은 다음과 같은 추식으로 표현된다.
향상된 영상의 SDME값은 큰 폭의 변화는 없지만 제어 변수 λ값에 비하여, 값의 따라 변화함을 확인할 수 있었다.

참고문헌 (19)

L.M. Wun, R. M. Merrill, and E. J. Feuer, "Estimation Lifetime and Age-Conditional Probabilities of Developing Cancer," Lifetime Data Analysis, vol. 4, pp. 169-186, 1998

상세보기
D. B. Kopans, "The 2009 U.S. Preventive Services Task Force Guidelines Ignore Important Scientific Evidence and Should Be Revised or Withdrawn," Radiology, vol. 256, pp. 15-20, 2010

상세보기
R. A. Smith, "Epidemiology of breast cancer categorical course in physis," Tech. Aspects Breast Imageing, Radiol. Soc. North Amer., pp. 21-33, 1993
AF. Laine, S. Schuler, J. Fan, W. Huda, "Mammographic feature enhancement by multiscale analysis," IEEE Trans. Med. Imag., vol. 13, no. 4, pp. 725-740, 1994.

상세보기
A. Laine, J. Fan, W. Yang, "Wavelets for contrast enhancement of digital mammography," IEEE Eng. Med. Biol. Mag., vol. 14, pp. 536-550, 1995.

상세보기
S. Dippel, M. Stahl, R. Wiemker, T. Blaffert, "Multiscale contrast enhancement for radiographies: laplacian pyramid versus fast wavelet transform," IEEE Trans. Med. Imag., vol. 21, no. 4, pp. 343-353, 2002.

상세보기
J. Tang, X. Liu, Q. Sun, "A direct image contrast enhancement algorithm in the wavelet domain for screening mammograms," IEEE J. Sel. Top. Sign. Process., vol. 3, no. 1, pp. 74-80, 2009.
R. Hummel, Histogram modification techniques. Computer Graphics and Image Processing, 1975.
S. M. Pizer, E. P. Amburn, J. D. Austin, R. Cromartie, A. Geselowitz, T. Greer, B. H. Romeny, J. B. Zimmerman, K. Zuiderveld, "Adaptive histogram equalization and its variations," Computer Vision Graphics and Image Processing, vol. 39, pp.355-368, 1987.

상세보기
G. Ramponi, et al., "Nonlinear unsharp masking methods for image contrast enhancement," J. Electron. Imaging, vol. 5, pp. 353-366, 1996.

상세보기
G. Ramponi, A. Polesel, "Rational unsharp masking technique," J. Electron. Imaging, vol. 7, pp. 333-338, 1998.

상세보기
G. Ramponi, "A cubic unsharp masking technique for contrast enhancement," Signal Process., vol. 67, pp. 211-222, 1998.

상세보기
A. Polesel, G. Ramponi, V. J. Mathews, "Image Enhancement via adaptive unsharp masking," IEEE Transactions on Image Processing, vol. 9, no. 3, 2000.
K. Panetta, Y. Zhou, S, Agaian, H. Jia, "Nonlinear Unsharp Masking for mammogram enhancement," IEEE Transactions on Information Technology in Biomedicine, vol. 15, no. 6, pp. 918-928, 2011.

상세보기
G. Ramponi, "Bi-impulse response design of isotropic quadratic filters," Proceedings of the IEEE, vol. 78, no. 4, pp. 665-677, 1990.
N. Strobel, S. K. Mitra, "Quadratic filters for image contrast enhancement," in 1994 28th Asilomar Conf. Signals, Systems and Computers, vol. 1, pp. 208-212, 1994.
Y. Zhou, K. Panetta, S. Agaian, "Mammogram enhancement using alpha weighted quadratic filter," in 2009 Annu. Int. Conf. IEEE Engineering in Medicine and Biology Society, Minneapolis, Minnesota, pp. 3681-3684, 2009.
S. S. Agaian, B. Silver, K. A. Panetta, "Transform coefficient histogram-based image enhancement algorithms using contrast entropy," IEEE Transactions on Image Processing, vol. 16, no. 3, 2007.
J. Suckling, et al., "The mammographic images analysis society digital mammogram database," Experta Medica International Congress Series, vol. 1069, pp. 375-378, 1994.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

디지털 맘모그램을 위한 비선형 영상 향상 방법
A Nonlinear Image Enhancement Method for Digital Mammogram 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

참고문헌 (19)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

디지털 맘모그램을 위한 비선형 영상 향상 방법 A Nonlinear Image Enhancement Method for Digital Mammogram 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

참고문헌 (19)

이 논문을 인용한 문헌

저자의 다른 논문 :

전금상 (2) 김상희 (14)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

디지털 맘모그램을 위한 비선형 영상 향상 방법
A Nonlinear Image Enhancement Method for Digital Mammogram 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper