[국내논문]광자 계수 집적 영상 현미경을 사용한 마이크로 물체의 3차원 시각화와 인식 Three-Dimensional Visualization and Recognition of Micro-objects using Photon Counting Integral Imaging Microscopy원문보기
본 논문에서는 광자 계수 집적 영상 현미경을 사용하여 광자가 희박한 조건에서 마이크로 물체의 3차원 시각화와 인식에 대한 기술을 제안한다. 제안하는 방법에서는 고해상도의 서로 다른 원근감을 가지는 2차원 영상을 획득하기 위해 합성조리개 집적 영상을 사용한다. 그리고 영상으로부터 광자를 추출하기 위해 광자계수 영상 시스템의 수학적 모델인 포아송 분포를 사용하며 통계적 추정법으로 부터 3차원 영상을 추정한다. 따라서, 광자가 희박한 조건에서 마이크로 물체가 손상되지 않으면서 그에 대한 3차원 영상을 획득하고 시각화할 수 있다. 추가적으로, 비선형 상관 필터를 사용하여 3차원 물체의 인식도 가능하다. 본 기술의 유용성을 증명하기 위해, 광학적 실험을 수행하였다.
본 논문에서는 광자 계수 집적 영상 현미경을 사용하여 광자가 희박한 조건에서 마이크로 물체의 3차원 시각화와 인식에 대한 기술을 제안한다. 제안하는 방법에서는 고해상도의 서로 다른 원근감을 가지는 2차원 영상을 획득하기 위해 합성조리개 집적 영상을 사용한다. 그리고 영상으로부터 광자를 추출하기 위해 광자계수 영상 시스템의 수학적 모델인 포아송 분포를 사용하며 통계적 추정법으로 부터 3차원 영상을 추정한다. 따라서, 광자가 희박한 조건에서 마이크로 물체가 손상되지 않으면서 그에 대한 3차원 영상을 획득하고 시각화할 수 있다. 추가적으로, 비선형 상관 필터를 사용하여 3차원 물체의 인식도 가능하다. 본 기술의 유용성을 증명하기 위해, 광학적 실험을 수행하였다.
In this paper, we propose three-dimensional (3D) visualization and recognition techniques of micro-objects under photon-starved conditions using photon counting integral imaging microscopy. To capture high resolution 2D images with different perspectives in the proposed method, we use Synthetic Aper...
In this paper, we propose three-dimensional (3D) visualization and recognition techniques of micro-objects under photon-starved conditions using photon counting integral imaging microscopy. To capture high resolution 2D images with different perspectives in the proposed method, we use Synthetic Aperture Integral Imaging (SAII). Poisson distribution which is mathematical model of photon counting imaging system is used to extract photons from the images. To estimate 3D images with 2D photon counting images, the statistical estimation is used. Therefore, 3D images can be obtained and visualized without any damage under photon-starved conditions. In addition, 3D object recognition can be implemented using nonlinear correlation filters. To prove the usefulness of our technique, we implemented the optical experiment.
In this paper, we propose three-dimensional (3D) visualization and recognition techniques of micro-objects under photon-starved conditions using photon counting integral imaging microscopy. To capture high resolution 2D images with different perspectives in the proposed method, we use Synthetic Aperture Integral Imaging (SAII). Poisson distribution which is mathematical model of photon counting imaging system is used to extract photons from the images. To estimate 3D images with 2D photon counting images, the statistical estimation is used. Therefore, 3D images can be obtained and visualized without any damage under photon-starved conditions. In addition, 3D object recognition can be implemented using nonlinear correlation filters. To prove the usefulness of our technique, we implemented the optical experiment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다음 실험으로 본 논문에서 제안하는 기술이 깊이 방 향으로 3차원 물체를 인식할 수 있음을 위한 인식 실험 을 수행하였다. 이를 위해서 다양한 저전력 광원에 대 해서 3차원 영상을 복원하였다.
하지만 이렇게 생성된 광자 계수 영상은 2차원 영상 이고 광자 수가 희박하기 때문에 물체를 인식하는데 어려움이 있다. 따라서 본 논문에서는 광자 계수 영상 기법에 현미경과 집적 영상을 융합한 광자 계수 집적 영상 현미경을 제안한다. 또한, 고해상도의 서로 다른 원근감을 갖는 2차원 영상 (요소 영상)을 획득하기 위 해 그림 2와 같이 합성 조리개 집적 영상 기술을 사용 한다.
광자 계 수 영상 기법은 광자가 희박한 조건에서 소량의 광자를 추출하는 기법인더 이는 수학적 통계 모델로 구현이 가 능하다[13]. 따라서, 본 논문에서는 저출력 광원을 사용 하는 환경에서 3차원 마이크로 물체의 영상을 획득하기 위해 광자 계수 집적 영상 현미경 기술을 제안하고 마 이크로 물체에 대한 시각화 실험을 수행한다. 또한 복 원된 영상을 이용하여 마이크로 물체 인식 실험을 수행 한다.
본 논문에서는 광자 계수 집적 영상 현미경 기술을 검증하기 위해 광학적 실험을 수행하였다. 현미경은 20 배율을 가지는 일반 현미경 렌즈를 사용하였고 50mm 초점 거리를 가지는 카메라를 사용하였다.
본 논문에서는 광자 수가 희박한 환경 에서 3차원 광 자 계수 집적 영상 현미경을 사용하여 3차원 마이크로 물체의 영상을 획득하고 시각화하는 방법에 대해 제안 하였다. 또한, 보다 정확한 인식을 위하여 비선형 상관 필터를 사용하였다.
가설 설정
MLE를 수행하 기 위해서는 우도(likelihood) 함수를 생성하여야 한다. 본 논문에서는 각 요소 영상을 식 ⑴과 (2)를 사용하여 광자 계수 영상으로 변환하기 때문에 각 요소 영상은 포아송 분포를 따르게 되고 서로 통계적으로 독립이 라고 가정한다. 따라서, 다수의 요소 영상으로부터 likelihood 함수를 생성하면 다음과 같다[10].
제안 방법
따라서, 본 논문에서는 저출력 광원을 사용 하는 환경에서 3차원 마이크로 물체의 영상을 획득하기 위해 광자 계수 집적 영상 현미경 기술을 제안하고 마 이크로 물체에 대한 시각화 실험을 수행한다. 또한 복 원된 영상을 이용하여 마이크로 물체 인식 실험을 수행 한다.
따라서 본 논문에서는 광자 계수 영상 기법에 현미경과 집적 영상을 융합한 광자 계수 집적 영상 현미경을 제안한다. 또한, 고해상도의 서로 다른 원근감을 갖는 2차원 영상 (요소 영상)을 획득하기 위 해 그림 2와 같이 합성 조리개 집적 영상 기술을 사용 한다.
다음 실험으로 본 논문에서 제안하는 기술이 깊이 방 향으로 3차원 물체를 인식할 수 있음을 위한 인식 실험 을 수행하였다. 이를 위해서 다양한 저전력 광원에 대 해서 3차원 영상을 복원하였다. 실험에서는 광자수를 20,000개, 30,000개, 40,000개 그리고 100,000개의 네 종류를 반복 실험하였다.
대상 데이터
그림 3과 같은 요소 영상 12개를 SAII 기술을 이용하 여 카메라를 이동하면서 획득하였다. 이들 기록된 12 개의 영상에 대해서 식 (3)에서 식 ⑺을 사용하여 3차 원 시각화하면 그림 4와 같은 실험 결과를 얻을 수 있다.
이를 위해서 다양한 저전력 광원에 대 해서 3차원 영상을 복원하였다. 실험에서는 광자수를 20,000개, 30,000개, 40,000개 그리고 100,000개의 네 종류를 반복 실험하였다. 복원된 영상들에 대해서 식 (8)과 (9)를 사용하여 PSR을 구하였다.
본 논문에서는 광자 계수 집적 영상 현미경 기술을 검증하기 위해 광학적 실험을 수행하였다. 현미경은 20 배율을 가지는 일반 현미경 렌즈를 사용하였고 50mm 초점 거리를 가지는 카메라를 사용하였다. 카메라 배열 은 4(H)Q(V)를 사용하였고 카메라간의 간격은 px=5 mm, py=4 mm이다.
데이터처리
본 논문에서는 광자 수가 희박한 환경 에서 3차원 광 자 계수 집적 영상 현미경을 사용하여 3차원 마이크로 물체의 영상을 획득하고 시각화하는 방법에 대해 제안 하였다. 또한, 보다 정확한 인식을 위하여 비선형 상관 필터를 사용하였다. 제안되는 기술은 야간이나 광원에 취약한 물체의 영상을 획득하는데 응용될 수 있을 것 이다.
이론/모형
그리고 0<k<1이면 비선형 필터가 된다. 또한 최신의 k값을 구하기 위해 본 논문에서는 최대신호 대사이드로브 비(Peak to Sidelobe Ratio:PSR)을 사용하였다. 이것은 다음고 ㅏ같은 식으로 정의할 수 있다.
식 ⑺을 사용하여 3차원 영상을 획득할 수 있는데, 광자의 수가 매우 희박한 경우에는 시각화가 어렵기 때 문에 물체를 인식하기가 쉽지 않다 따라서, 비선형 상 관 필터를 사용하여 물체를 인식하는 것이 보다 효율적 이다. 본 논문에서는 비선형 상관 필터로 k 법칙 비선형 상관 필터를 사용한다[14,15]. 이 상관 필터는 k 값을 조 절함으로써 위상 필터, 선형 필터, 비선형 필터가 될 수 있다.
성능/효과
224 mm 깊이에서 재생되었 으며 광자수는 20,000개이다. 실험 결과로부터 저전력 광원에서 3차원 영상이 잘 복원됨을 실험적으로 확인하 였다
그림 5의 결과에서 알 수 있듯이, 깊이가 224 mm일 때, 최대 PSR을 얻게 됨을 알 수 있 다 또한, 광자의 수가 많을수록 PSR값이 높다는 것도 알 수가 있다. 이 실험 결과로부터 저전력 광원의 환경 에서도 3차원 물체를 제대로 인식이 가능함을 실험적으 로 확인하였다.
후속연구
또한, 보다 정확한 인식을 위하여 비선형 상관 필터를 사용하였다. 제안되는 기술은 야간이나 광원에 취약한 물체의 영상을 획득하는데 응용될 수 있을 것 이다. 하지만, 광자의 수가 매우 희박한 경우에는 3차원 시각화를 하는데 어려움이 있었다.
하지만, 광자의 수가 매우 희박한 경우에는 3차원 시각화를 하는데 어려움이 있었다. 향후에는 보다 정밀 한 고급 통계 추론방법인 베이지안 추론(Bayesian estimation)을 적용한 연구를 진행할 것이다.
참고문헌 (15)
G. Lippmann, "La Photographie Integrale," Comptes-Rendus Academie des Sciences, vol. 146, pp. 446-451, May 1908.
S.-H. Hong, J.-S. Jang, and B. Javidi, "Three-dimensional volumetric object reconstruction using computational integral imaging," Opt. Express, vol. 12, no. 3, pp. 483-491, Feb. 2004.
J.-S. Jang and B. Javidi, "Improved viewing resolution of three-dimensional integral imaging by use of nonstationary micro-optics," Opt. Lett., vol. 27, no. 5, pp. 324-326, Mar. 2002.
M. Cho, M. Daneshpanah, I. Moon, and B. Javidi, "Three-dimensional optical sensing and visualization using integral imaging," Proc. IEEE, vol. 99, no. 4, pp. 556-575, April, 2011.
Y.-T. Lim, J.-H. Park, K.-C. Kwon, and N. Kim, "Analysis on enhanced depth of field for integral imaging microscope," Opt. Express, vol. 20, no. 21, pp. 23480-23488, Oct. 2012.
Y. Oh, D. Shin, B.-G. Lee, S.-I. Jeong, and H.-J. Choi, "Resolution-enhanced integral imaging in focal mode with a time-multiplexed electrical mask array," Opt. Express, vol. 22, no. 15, 17620-17629, Jul. 2014.
B. Tavakoli, B. Javidi, and E. Watson, "Three dimensional visualization by photon counting computational integral imaging," Opt. Express, vol. 16, no. 7, pp. 4426-4436, Mar. 2008.
J. Jung, M. Cho, D. K. Dey, and B. Javidi, "Threedimensional photon counting integral imaging using Bayesian estimation," Opt. Lett., vol. 35, no. 11, pp. 1825 - 1827, Jun. 2010.
M. Cho, A. Mahalanobis, and B. Javidi, "3D passive photon counting automatic target recognition using advanced correlation filters," Opt. Lett., vol. 36, no. 6, pp. 861-863, Mar. 2011.
M. Cho and B. Javidi, "Three-dimensional photon counting integral imaging using moving array lens technique," Opt. Lett., vol. 37, no. 9, pp. 1487-1489, May 2012.
D. Shin and J.-J. Lee, "Nonlinear 3D Correlator Based on Pixel Restoration for Enhanced Objects Recognition" Journal of the Korea Institute of Information and Communication Engineering, vol. 17, no. 3, pp.712-717, Mar. 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.