[논문]히스토그램 분포 분류를 통한 효율적인 세포 이미지 분할 시스템

조미경

doi:10.6109/jkiice.2014.18.2.431

히스토그램 분포 분류를 통한 효율적인 세포 이미지 분할 시스템
An Efficient Segmentation System for Cell Images By Classifying Distributions of Histogram 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.18 no.2, 2014년, pp.431 - 436

조미경 (Department of Media Engineering, Tongmyong University)

초록
AI-Helper

세포 분할 작업은 세포 이미지의 배경으로부터 세포 영역을 추출하는 작업으로 배양과정에 있는 살아있는 세포를 이미지화하여 분석하는 바이오 이미징 분야에서 기초적인 작업들 중 하나이다. 선명한 이미지의 경우 바이모덜 히스토그램 분포를 가지므로 Otsu와 같은 전역임계값 알고리즘을 이용하여 쉽게 세포분할 작업을 수행할 수 있지만 희미한 이미지의 경우는 정확한 세포 분할을 하기가 어렵다. 본 논문에서는 입력된 세포이미지의 히스토그램을 분석하여 히스토그램 분포에 따라 분류한 후 바이모덜 분포를 가지는 이미지의 경우 전역임계값 알고리즘을 적용하고 유니모덜 분포를 가지는 이미지의 경우 영역을 분할하여 부분 영역별로 다른 임계값을 적용하는 새포 분할 시스템을 개발하였다. 실험결과 제안한 시스템은 바이모덜 분포를 가지는 세포이미지 뿐만 아니라 유니모덜 분포를 가지는 세포 이미지에 대해서도 정확한 세포 분할 작업을 수행하였다.

Abstract ▼ AI-Helper

Cell segmentation which extracts cell objects from background is one of basic works in bio-imaging which analyze cell images acquired from live cells in cell culture. In the case of clear images, they have a bi-modal histogram distribution and segmentation of them can easily be performed by global threshold algorithm such as Otsu algorithm. But In the case of degraded images, it is difficult to get exact segmentation results. In this paper, we developed a cell segmentation system that it classify input images by the type of their histogram distribution and then apply a proper segmentation algorithm. If it has a bi-modal distribution, a global threshold algorithm is applied for segmentation. Otherwise it has a uni-modal distribution, our algorithm is performed. By experimentation, our system gave exact segmentation results for uni-modal cell images as well as bi-modal cell images.

주제어

AI 본문요약
AI-Helper

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

문제 정의

조명의 불균등은 이미지의 중간영역과 가장자리 영역의 밝기를 다르게 만들며 광학 현미경의 잡음도 영역에 따라 잡음의 정도가 다르다. 본 논문에서는 이러한 것에 착안하여 이미지를 몇 개의 부분영역으로 나누어 각 부분 영역에 대한 임계값을 구하고, 구해진 임계값의 특징에 따라 최종 임계값을 적용하는 분할 알고리즘을 제안한다.
본 연구에서는 다양한 품질의 세포 이미지들에 대한 정확한 분할 작업을 위해 강도 히스토그램의 분포 분류를 통한 자동화된 세포 분할 시스템을 제안하고 개발하였다. 제안된 시스템은 입력된 세포 이미지에 대한 히스토그램 분포를 분석하여 세포 이미지가 어떤 히스토그램 분포(바이모덜, 멀티모덜, 유니모덜 분포)를 따르는지를 먼저 결정한다.
바이오 이미징에서는 광학현미경으로부터 획득한 세포이미지를 분석하여 살아있는 세포의 변화 과정을 분석한다. 이때 배경으로부터 세포를 분할해 내는 것은 가장 기초적이고 중요한 작업인데 본 논문에서는 세포이미지의 히스토그램 분포에 따라 세포이미지를 분류한 다음 세포를 분할하는 시스템을 개발하였다. 바이모덜분포를 가지는 경우 Otsu 알고리즘을 적용하고 유니모덜 분포를 가지는 이미지의 경우 영역을 일정한 크기로 분할하여 부분영역에 대한 임계값을 구하여 임계값의 특징을 분석한 후 부분 영역별로 최종 임계값을 결정하는 분할 알고리즘을 제안하고 적용하였다.

가설 설정

그림 2 (a) 세포이미지는 잡음이 없고 명암대비가 높은 이미지이다. 따라서 (b)의 히스토그램도 바이모덜 분포를 가진다.
그림 2 (a) 세포이미지는 잡음이 없고 명암대비가 높은 이미지이다. 따라서 (b)의 히스토그램도 바이모덜 분포를 가진다. 히스토그램이 어떤 분포를 따르는지 자동적으로 결정하기 위해 다각형 대략화 기법을 적용하여 대략화한 결과가 그림 2 (c)이다.

제안 방법

제안된 시스템은 입력된 세포 이미지에 대한 히스토그램 분포를 분석하여 세포 이미지가 어떤 히스토그램 분포(바이모덜, 멀티모덜, 유니모덜 분포)를 따르는지를 먼저 결정한다. 만약 바이모덜 분포나 멀티모덜 분포를 따르면 대표적인 전역 임계값 알고리즘인 Otsu알고리즘으로 분할 작업을 수행하고 유니모덜 분포를 따르면 본 연구에서 제안하는 영역 분할과 지역 임계값 알고리즘을 이용한 분할 기법을 적용하여 세포 분할 작업을 수행한다.
이때 배경으로부터 세포를 분할해 내는 것은 가장 기초적이고 중요한 작업인데 본 논문에서는 세포이미지의 히스토그램 분포에 따라 세포이미지를 분류한 다음 세포를 분할하는 시스템을 개발하였다. 바이모덜분포를 가지는 경우 Otsu 알고리즘을 적용하고 유니모덜 분포를 가지는 이미지의 경우 영역을 일정한 크기로 분할하여 부분영역에 대한 임계값을 구하여 임계값의 특징을 분석한 후 부분 영역별로 최종 임계값을 결정하는 분할 알고리즘을 제안하고 적용하였다. 제안한 세포분할 시스템은 선명한 이미지뿐만 아니라 잡음과 불균등한 조명으로 인해 배경이 선명하지 못한 이미지에 대해서도 정확한 세포 분할 작업을 수행해 주었다.
본 장에서는 영역 분할과 지역 임계값 알고리즘을 이용한 세포 분할 방법을 제안한다. 조명의 불균등은 이미지의 중간영역과 가장자리 영역의 밝기를 다르게 만들며 광학 현미경의 잡음도 영역에 따라 잡음의 정도가 다르다.
세포분할시스템의 두 번째 단계인 세포분할 단계에서는 히스토그램의 분포 종류에 따라 바이모덜 분포인 경우 Otsu 알고리즘을 적용하여 세포 분할을 수행하고 유니모덜 분포를 가질 경우 3장에서 제안하는 방법에 의해 세포 분할을 수행한다.
본 연구에서는 다양한 품질의 세포 이미지들에 대한 정확한 분할 작업을 위해 강도 히스토그램의 분포 분류를 통한 자동화된 세포 분할 시스템을 제안하고 개발하였다. 제안된 시스템은 입력된 세포 이미지에 대한 히스토그램 분포를 분석하여 세포 이미지가 어떤 히스토그램 분포(바이모덜, 멀티모덜, 유니모덜 분포)를 따르는지를 먼저 결정한다. 만약 바이모덜 분포나 멀티모덜 분포를 따르면 대표적인 전역 임계값 알고리즘인 Otsu알고리즘으로 분할 작업을 수행하고 유니모덜 분포를 따르면 본 연구에서 제안하는 영역 분할과 지역 임계값 알고리즘을 이용한 분할 기법을 적용하여 세포 분할 작업을 수행한다.
바이모덜분포를 가지는 경우 Otsu 알고리즘을 적용하고 유니모덜 분포를 가지는 이미지의 경우 영역을 일정한 크기로 분할하여 부분영역에 대한 임계값을 구하여 임계값의 특징을 분석한 후 부분 영역별로 최종 임계값을 결정하는 분할 알고리즘을 제안하고 적용하였다. 제안한 세포분할 시스템은 선명한 이미지뿐만 아니라 잡음과 불균등한 조명으로 인해 배경이 선명하지 못한 이미지에 대해서도 정확한 세포 분할 작업을 수행해 주었다. 앞으로 더 다양한 세포 데이터들에 대한 실험을 수행하여 제안한 세포 분할 시스템의 성능을 검증하고자 한다.
선명한 데이터뿐만 아니라 명암대비가 낮고 잡음이 많은 데이터에 대해서도 정확한 분할 결과를 주었다. 제안한 알고리즘은 바이모덜 분포를 가질 경우 Otsu 알고리즘을 적용하고 그렇지 않는 경우 제안된 알고리즘1의 식5와 같이 임계값을 설정하여 분할한다. 부분 영역별로 다른 임계값을 사용하기고 하고 부분영역별 임계값의 특징에 따라 전역 임계값을 사용하기도 한다.

데이터처리

제안한 알고리즘의 성능을 검증하기 위해, 전역 임계값 알고리즘인 otsu알고리즘[6]과 지역적으로 적응된 임계값을 적용하는 MAT 알고리즘[8]의 분할 결과와 본 논문에서 제안한 알고리즘의 분할 결과를 비교해 보았다. Otsu 알고리즘은 바이모덜 분포를 지니는 이미지의 분할에 대표적으로 사용되는 방법으로 성능이 입증된 알고리즘이다.

이론/모형

[단계1] 모든 부분영역 Si에 대해 Otsu 알고리즘을 이용하여 임시 임계값 Ti(0≤i≤n2 -1)를 구한다.
주어진 이미지를 그림 3과 같이 크기 n에 대하여 나눈 다음, Otsu 알고리즘을 이용하여 나누어진 각 부분영역에 대한 임계값 T_i를 구한다. 크기 n이 4인 경우 전체 이미지는 16개의 부분영역으로 나누어지므로 T₀부터 T₁₅까지의 임계값을 계산하게 된다.

성능/효과

부분 영역별로 다른 임계값을 사용하기고 하고 부분영역별 임계값의 특징에 따라 전역 임계값을 사용하기도 한다. 따라서 이미지의 특징에 따라 다른 임계값이 설정되므로 잡음과 불균등한 조명으로 인해 유니모덜 분포를 가지는 이미지에 대해서도 정확한 세포 분할 결과를 보여 주었다.
그림 3의 (e)는 제안한 분할 알고리즘을 적용한 결과이다. 선명한 데이터뿐만 아니라 명암대비가 낮고 잡음이 많은 데이터에 대해서도 정확한 분할 결과를 주었다. 제안한 알고리즘은 바이모덜 분포를 가질 경우 Otsu 알고리즘을 적용하고 그렇지 않는 경우 제안된 알고리즘1의 식5와 같이 임계값을 설정하여 분할한다.

후속연구

제안한 세포분할 시스템은 선명한 이미지뿐만 아니라 잡음과 불균등한 조명으로 인해 배경이 선명하지 못한 이미지에 대해서도 정확한 세포 분할 작업을 수행해 주었다. 앞으로 더 다양한 세포 데이터들에 대한 실험을 수행하여 제안한 세포 분할 시스템의 성능을 검증하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	세포 분할 작업이란 무엇인가?	세포 분할 작업은 세포 이미지의 배경으로부터 세포 영역을 추출하는 작업으로 배양과정에 있는 살아있는 세포를 이미지화하여 분석하는 바이오 이미징 분야에서 기초적인 작업들 중 하나이다. 선명한 이미지의 경우 바이모덜 히스토그램 분포를 가지므로 Otsu와 같은 전역임계값 알고리즘을 이용하여 쉽게 세포분할 작업을 수행할 수 있지만 희미한 이미지의 경우는 정확한 세포 분할을 하기가 어렵다.
	영상처리 분야에서 유니모덜 분포를 가지는 이미지의 배경으로부터 객체를 분할하기 어려운 이유는 무엇인가?	영상처리 분야에서도 유니모덜 분포를 가지는 이미지의 배경으로부터 객체를 분할하는 것은 어려운 문제로 알려져 있다[8-9]. 이는 유니모덜 분포에서는 최적의 임계값을 설정하는 것이 매우 어렵기 때문이다. 임계값 설정은 크게 전역 임계값 알고리즘과 지역 임계값 알고리즘으로 나눌 수 있다.
	분할 시스템의 두 단계는 무엇인가?	분할 시스템은 히스토그램 분류 단계와 세포 분할 단계로 나누어진다. 히스토그램 분류 단계에서는 그레이스케일 세포 이미지를 입력으로 받아 강도 히스토그램을 얻은 후 다각형 대략화 기법을 적용하여 히스토그램을 대략화(스무딩)하는 작업을 수행한다.

참고문헌 (9)

Xian Du, Sumeet Dua, "Segmentation of Fluorescence Microscopy Cell Image Using Unsupervised Mining," The Open Medical Information Journal, Vol.4, pp.41-49, 2010.
Migyung Cho, "An Algorithm for Determining Histogram Type of a Cell Image Using Polygonal Approximation," International Journal of Advancements in Computing Technology, Vol.5 No.13, pp.229-234, Sept., 2013.
Thouis R. Jones, Anne Carpenter, Polina Golland, "Voronoibased segmentation of cells on image manifolds", Lecture Notes of Computer Science, Vol. 3765, pp 535-543, 2005.
Bazi Y, Rruzzone L, Melgani F., "Image thresholding based on the EM algorithm and the generalized Gaussian distribution", Pattern Recognition Letter, Vol. 40, pp.619-634, 2007.

상세보기
P.K Sahoo, S. Soltani, A.K.C Wong, "A survey of thresholding techniques", Computer Vision, Graphics, and Image Processing, Vol. 41, Issue 2, pp. 233-260, 1988.

상세보기
Nobuyuki Otsu, "A threshold Selection Method from Gray-Level Histograms", IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-9, No. 1, pp62-66, Jan., 1979.
Migyung Cho and Jaesool Shim "Segmentation Algorithm of Fluorescence Microscopy Cell Images using Area Partition," in Proceeding of the 3rd International Conference on Convergence Technology 2013, Chiang Mai, Thailand, pp. 402-403, 2013.
Feixianng Yan, Hong Zhang, C. Ronald Kube, "A multistage adaptive thresholding method," Pattern Recognition Letters, vol. 26, pp. 1183-1191, Dec. 2005.

상세보기
Nicolas Coudray, Jean-Luc Buessler, Jean-Philippe Urban, "Robust threshold estimation for images with unimodal histograms," Pattern Recognition Letters, vol. 31, pp. 1010-1019, Jan. 2010.

상세보기

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