한방 설진 시스템의 자동화 과정에서 혀 영상 분할은 가장 중요한 분야이다. 그러나 대부분의 한방 설진 시스템의 혀 영상 분할 방식은 사용자 기반의 메뉴얼 방식이나 반자동 방식으로 제안되어 왔다. 따라서 본 논문에서는 한방 설진 시스템의 완전 자동화를 위해서 기존의 스네이크 알고리즘을 기반으로 한 혀 영상 분할의 새로운 방법을 제안한다. 제안한 방법은 기존의 스네이크 알고리즘을 개선한 방법으로서 설진을 위한 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적하면서 스네이크 에너지 함수가 최소화될 수 있도록 내부 에너지 함수를 개선하였고, 외부 에너지를 계산하기 위해서는 계층적 공간 필터링 방법을 적용하여 잡음에 강인한 특징을 갖는다. 또한 제안한 방법은 표본영상 실험과 실영상 실험을 수행한 결과, 기존 스네이크 알고리즘보다 배경 잡음에 강인함을 보였으며, 임의의 포인트 한 개를 선택하고 해당 포인트의 시작점, 중간점, 끝점에서의 에너지 값을 분석하여 국소적 최저치에 빠지지 않는 강인함을 보였다.
한방 설진 시스템의 자동화 과정에서 혀 영상 분할은 가장 중요한 분야이다. 그러나 대부분의 한방 설진 시스템의 혀 영상 분할 방식은 사용자 기반의 메뉴얼 방식이나 반자동 방식으로 제안되어 왔다. 따라서 본 논문에서는 한방 설진 시스템의 완전 자동화를 위해서 기존의 스네이크 알고리즘을 기반으로 한 혀 영상 분할의 새로운 방법을 제안한다. 제안한 방법은 기존의 스네이크 알고리즘을 개선한 방법으로서 설진을 위한 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적하면서 스네이크 에너지 함수가 최소화될 수 있도록 내부 에너지 함수를 개선하였고, 외부 에너지를 계산하기 위해서는 계층적 공간 필터링 방법을 적용하여 잡음에 강인한 특징을 갖는다. 또한 제안한 방법은 표본영상 실험과 실영상 실험을 수행한 결과, 기존 스네이크 알고리즘보다 배경 잡음에 강인함을 보였으며, 임의의 포인트 한 개를 선택하고 해당 포인트의 시작점, 중간점, 끝점에서의 에너지 값을 분석하여 국소적 최저치에 빠지지 않는 강인함을 보였다.
Tongue image segmentation is critical for automation of the tongue diagnosis system. However, most image segmentation methods for tongue diagnosis systems in oriental medicine have been proposed as user-based manual types or semi-automatic types. This study proposed a new method for tongue image seg...
Tongue image segmentation is critical for automation of the tongue diagnosis system. However, most image segmentation methods for tongue diagnosis systems in oriental medicine have been proposed as user-based manual types or semi-automatic types. This study proposed a new method for tongue image segmentation, which is the most important image processing stage for complete automation of the tongue diagnosis system in oriental medicine. The proposed method improved the conventional snake algorithm, by making improvement on the internal energy function so that, as the points move outward reversely, the snake energy function is minimized, by using the image characteristics of tongue images. To calculate external energy, hierarchical spatial filtering is applied to ensure resistance against noise. Also, The proposed method was tested by using sample images and actual images, and showed more robustness against the background noise than the conventional snake algorithm. And, when one selected point was moved by the improved snake algorithm, energy values at the starting, middle, and end points were analyzed, and showed robustness that does not fall in the local minima.
Tongue image segmentation is critical for automation of the tongue diagnosis system. However, most image segmentation methods for tongue diagnosis systems in oriental medicine have been proposed as user-based manual types or semi-automatic types. This study proposed a new method for tongue image segmentation, which is the most important image processing stage for complete automation of the tongue diagnosis system in oriental medicine. The proposed method improved the conventional snake algorithm, by making improvement on the internal energy function so that, as the points move outward reversely, the snake energy function is minimized, by using the image characteristics of tongue images. To calculate external energy, hierarchical spatial filtering is applied to ensure resistance against noise. Also, The proposed method was tested by using sample images and actual images, and showed more robustness against the background noise than the conventional snake algorithm. And, when one selected point was moved by the improved snake algorithm, energy values at the starting, middle, and end points were analyzed, and showed robustness that does not fall in the local minima.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 특징은 포인트들이 입력영상에서 혀 영역과 비슷한 색상 특성을 갖는 입술 영역 등을 지나가야 하는 문제를 발생시키기고, 그 결과로 혀 윤곽 이외의 국소적 윤곽에 빠질 수 있다. 따라서 본 논문에서는 한방 설진을 위한 입력영상의 특성을 고려하여 혀 안쪽에 초기 포인트를 생성하고 확산하는 방법을 제안한다.
따라서 본 논문에서는 혀 영상을 자동으로 안정적이고 정확하게 분할하기 위하여 개선된 스네이크 알고리즘 방법을 제안한다. 제안하는 방법은 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적 하면서 스네이크에너지 함수가 최소화될 수 있게 내부 에너지 함수를 개선함으로써 윤곽 추적에 있어서 국소적 최적치를 극복하게 한다.
본 논문에서는 한방 설진에서 혀 영상을 자동으로 분할하기 위하여 개선된 스네이크 알고리즘을 제안하였다. 제안하는 방법은 혀 영상의 색상 특성을 이용하여 윤곽 추적에 있어서 안에서 밖으로 이동하는 방법과 외부 에너지를 계산하는데 있어서 계층적 필터링 방법을 적용하였다.
제안 방법
제안하는 방법은 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적 하면서 스네이크에너지 함수가 최소화될 수 있게 내부 에너지 함수를 개선함으로써 윤곽 추적에 있어서 국소적 최적치를 극복하게 한다. 또한, 외부 에너지 계산에 있어서 계층적 공간 필터링(hierarchical spatial filtering) 방법을 적용함으로써 배경 잡음에 강인한 알고리즘을 설계한다.
본 논문에서 제안하는 스네이크 알고리즘에서 외부에너지 함수는 그림 2와 같은 계층적 공간 필터링 방법을 사용한다. 그림 2에서 w1은 1차 윈도우를 나타내며, w2는 k × k 크기의 2차 윈도우를 나타내고, 2차 윈도우에서 영상의 변화도를 구한다.
본 논문에서 제안한 개선된 스네이크 알고리즘은 Intel 社의 i7-2600K 3.7GHz CPU에서 Microsoft 社의 Visual Studio 2010 버전의 MFC와 OpenCV 라이브러리를 사용하여 실험하였다. 그리고 실험에 사용된 영상은 우리가 이전에 개발한 설진 영상 획득기를 이용하여 취득한 영상을 사용하였다[1].
그리고 실험에 사용된 영상은 우리가 이전에 개발한 설진 영상 획득기를 이용하여 취득한 영상을 사용하였다[1]. 실험에서는 제안한 알고리즘의 수행 되는 과정에서의 에너지 값을 분석하고, 표본 영상과 실제 혀 영상을 이용한 성능 검증을 실시하였다.
본 논문에서는 한방 설진에서 혀 영상을 자동으로 분할하기 위하여 개선된 스네이크 알고리즘을 제안하였다. 제안하는 방법은 혀 영상의 색상 특성을 이용하여 윤곽 추적에 있어서 안에서 밖으로 이동하는 방법과 외부 에너지를 계산하는데 있어서 계층적 필터링 방법을 적용하였다.
첫째 개선된 스네이크 알고리즘의 에너지 값 분석을 위해서는 임의 포인트에서의 윤곽 추적의 시작, 중간, 종료의 3시점에서의 이전 에너지 값과의 비교 분석을 수행 하였다.
대상 데이터
7GHz CPU에서 Microsoft 社의 Visual Studio 2010 버전의 MFC와 OpenCV 라이브러리를 사용하여 실험하였다. 그리고 실험에 사용된 영상은 우리가 이전에 개발한 설진 영상 획득기를 이용하여 취득한 영상을 사용하였다[1]. 실험에서는 제안한 알고리즘의 수행 되는 과정에서의 에너지 값을 분석하고, 표본 영상과 실제 혀 영상을 이용한 성능 검증을 실시하였다.
그림에서 표본 영상은 은 총 4가지이고 각 표본의 특성은 다음과 같다. 첫 번째 표본 영상 ST1( ∙ ) 은 배경이 제로 영상이고 물체의 외각이 분명한 영상이다. 두 번째 표본 영상 ST2( ∙ ) 은 배경이 중앙에서 외각으로 점점 어두워지는 배경이고 물체의 외각이 분명한 표본이다.
성능/효과
또한 제안하는 방법의 성능 검증에 있어서는 윤곽 추적 포인터의 에너지 값을 분석하여 국소적 최저치로부터 벗어나는 것을 확인하였으며, 4개의 샘플 영상을 제작하여 기존의 스네이크 알고리즘보다 혀 영상을 분할하는데 있어서 배경의 영향을 덜 받는 것을 실험하였다. 그 결과 기존 스네이크 알고리즘에 비해서 실제 혀 영상 분할에 있어서 우수한 가시성은 보였으나, 입 안쪽에 생기는 그림자 영향, 초기 포인트 설정 문제, 많은 계산량 등의 문제점은 남아 있다.
그리고 개선된 스네이크 알고리즘을 적용한 영상 (t), (x)에서는 혀 영역 주위의 혀와 비슷한 특성을 갖는 입술보다 입 안쪽에 생기는 그림자의 영향을 받는 것을 볼 수 있다. 그럼에도 불구하고 우리가 제안한 개선된 스네이크 알고리즘은 기존 알고리즘에 비해서 우수한 가시성을 보였다.
또한 제안하는 방법의 성능 검증에 있어서는 윤곽 추적 포인터의 에너지 값을 분석하여 국소적 최저치로부터 벗어나는 것을 확인하였으며, 4개의 샘플 영상을 제작하여 기존의 스네이크 알고리즘보다 혀 영상을 분할하는데 있어서 배경의 영향을 덜 받는 것을 실험하였다. 그 결과 기존 스네이크 알고리즘에 비해서 실제 혀 영상 분할에 있어서 우수한 가시성은 보였으나, 입 안쪽에 생기는 그림자 영향, 초기 포인트 설정 문제, 많은 계산량 등의 문제점은 남아 있다.
본 논문에서 제안하는 개선된 스네이크 알고리즘은 기존의 스네이크 알고리즘과 같이 초기 포인트 설정에 영향을 많이 받기 때문에 초기 포인터 설정은 혀 영상 분할의 자동화에 있어 상당히 중요한 부분이다.
따라서 본 논문에서는 혀 영상을 자동으로 안정적이고 정확하게 분할하기 위하여 개선된 스네이크 알고리즘 방법을 제안한다. 제안하는 방법은 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적 하면서 스네이크에너지 함수가 최소화될 수 있게 내부 에너지 함수를 개선함으로써 윤곽 추적에 있어서 국소적 최적치를 극복하게 한다. 또한, 외부 에너지 계산에 있어서 계층적 공간 필터링(hierarchical spatial filtering) 방법을 적용함으로써 배경 잡음에 강인한 알고리즘을 설계한다.
후속연구
그러나 제안한 개선된 스네이크 알고리즘은 한방 설진 시스템의 완전 자동화를 위한 하나의 기능으로서 그 활용성이 클 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
대부분의 한방 설진 시스템의 혀 영상 분할 방식은 어떤 식으로 제안되어 왔는가?
한방 설진 시스템의 자동화 과정에서 혀 영상 분할은 가장 중요한 분야이다. 그러나 대부분의 한방 설진 시스템의 혀 영상 분할 방식은 사용자 기반의 메뉴얼 방식이나 반자동 방식으로 제안되어 왔다. 따라서 본 논문에서는 한방 설진 시스템의 완전 자동화를 위해서 기존의 스네이크 알고리즘을 기반으로 한 혀 영상 분할의 새로운 방법을 제안한다.
한방 설진 시스템에서 설진의 완전 자동화를 위해 가장 중요한 과정은?
한방 설진 시스템은 일반적으로 영상 입력, 색상 보정, 채널 분할, 혀 영상 분할, 설태 및 설질 분할, 진단지표 추출, 설진 결과의 순으로 구성된다. 이 가운데에서 설진의 완전 자동화를 위한 가장 중요한 과정은 혀 영상 분할의 단계이다. 그러나 혀 영상은 광원에 의한 영향, 입술 영역과의 영상 특성의 유사성, 입안의 그림자 등과 같은 초기 영상 획득에서 비균일 변수가 많기 때문에 혀 영역 분할은 메뉴얼(manual) 방식이나 반자동(semi-auto) 방식이 대부분인 어려운 연구 분야 중에 하나이다[1][2].
한방 설진 시스템은 어떻게 구성되는가?
한방 설진 시스템은 일반적으로 영상 입력, 색상 보정, 채널 분할, 혀 영상 분할, 설태 및 설질 분할, 진단지표 추출, 설진 결과의 순으로 구성된다. 이 가운데에서 설진의 완전 자동화를 위한 가장 중요한 과정은 혀 영상 분할의 단계이다.
참고문헌 (12)
W. B. Lee. "Implementation of Computerized Assistant Diagnosis Software for Tongue Diagnosis in the Oriental Medicine," Journal of the Institute of Electronics and Information Engineers, vol. 51(6), pp. 175-182, Jun. 2014.
W, Jia et al. "Tongue area extraction in tongue diagnosis of traditional Chinese medicine," 2005 IEEE Engineering in Medicine and Biology, vol. 27, pp. 4955-4957, 2006.
M. Kass et al. "Snakes: active contour models", International Journal of Computer Vision, Vol. 1(4), pp. 321-331, Jan. 1988,
P, Bo et al. "On automated tongue image segmentation in Chinese medicine," Pattern Recognition, 2002. Proceedings. 16th International Conference, vol. 1, pp. 616-619, 2002.
C, Vicent et al. "Geodesic active contours," International journal of computer vision, vol.22(1), pp. 61-79, 1997.
C. A. Glasbey, "An analysis of histogram-based thresholding algorithms," CVGIP: Graphical models and image processing, vol. 55(6), pp. 532-537, Nov. 1993.
W. M. Rand, "Objective criteria for the evaluation of clustering methods," Journal of the American Statistical association, vol. 66(336), pp. 846-850, Apr. 1971.
J. Canny, "A computational approach to edge detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 6. pp. 679-698, Nov, 1986.
O. Ron et al. "Picture segmentation using a recursive region splitting method," Computer Graphics and Image Processing, vol. 8(3), pp. 313-333, Dec. 1978.
V. Caselles et al. "Geodesic active contours," International journal of computer vision, vol. 22(1), pp. 61-79, Fed. 1997.
R. Nock and N. Frank. "Statistical region merging," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26(11), pp. 1452-1458, Nov. 2004.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.