비파괴 검사를 위한 개선된 퍼지 이진화와 명암 대비 스트레칭을 이용한 세라믹 영상에서의 결함 영역 자동 검출 Automatic Defect Detection using Fuzzy Binarization and Brightness Contrast Stretching from Ceramic Images for Non-Destructive Testing원문보기
본 논문에서는 세라믹 소재의 영상에서 비파괴 검사를 위한 사람 눈으로 판단하기 어려운 결함 영역을 검출하기 위해 다양한 영상 처리 기법을 활용하여 자동으로 결함 의심 부분을 검출하는 방법을 제안한다. 제안된 방법은 명암도의 차이를 통해 배경이 제거된 관심 영역에서 개선된 명암 대비 스트레칭 기법을 적용하여 관심 영역의 명암 대비를 강조한다. 우리가 제안한 방법은 다양한 두께의 세라믹 소재 영상에 대해 안정적으로 결함을 추출하기 위해 설계되었다. 실험은 명암이 강조된 ROI 영역에서 8, 10, 11, 16, 22mm 영상의 결함 영역 검출을 실험했는데 다른 경우는 히스토그램이진화 기법을 적용하여 결함의 후보 영역을 추출하지만 8mm 영상은 다른 영상에 비해 결함의 밝기값과 잡음의 밝기값이 유사하여 허위 양성 영역이 결함으로 추출되는 문제점이 발생한다. 이 문제를 해결하기 위해 8mm는 개선된 퍼지 이진화 기법을 적용하여 결함 후보 영역을 추출한다. 제안된 방법을 다섯 종류의 세라믹 영상을 대상으로 실험한 결과, 제안된 검출 방법이 기존의 검출 방법보다 모든 두께의 세라믹 영상에서 효과적으로 결함 영역이 검출되는 것을 확인하였다.
본 논문에서는 세라믹 소재의 영상에서 비파괴 검사를 위한 사람 눈으로 판단하기 어려운 결함 영역을 검출하기 위해 다양한 영상 처리 기법을 활용하여 자동으로 결함 의심 부분을 검출하는 방법을 제안한다. 제안된 방법은 명암도의 차이를 통해 배경이 제거된 관심 영역에서 개선된 명암 대비 스트레칭 기법을 적용하여 관심 영역의 명암 대비를 강조한다. 우리가 제안한 방법은 다양한 두께의 세라믹 소재 영상에 대해 안정적으로 결함을 추출하기 위해 설계되었다. 실험은 명암이 강조된 ROI 영역에서 8, 10, 11, 16, 22mm 영상의 결함 영역 검출을 실험했는데 다른 경우는 히스토그램 이진화 기법을 적용하여 결함의 후보 영역을 추출하지만 8mm 영상은 다른 영상에 비해 결함의 밝기값과 잡음의 밝기값이 유사하여 허위 양성 영역이 결함으로 추출되는 문제점이 발생한다. 이 문제를 해결하기 위해 8mm는 개선된 퍼지 이진화 기법을 적용하여 결함 후보 영역을 추출한다. 제안된 방법을 다섯 종류의 세라믹 영상을 대상으로 실험한 결과, 제안된 검출 방법이 기존의 검출 방법보다 모든 두께의 세라믹 영상에서 효과적으로 결함 영역이 검출되는 것을 확인하였다.
In this paper, we propose a computer vision based automatic defect detection method from ceramic image for non-destructive testing. From region of interest of the image, we apply brightness enhancing stretching algorithm first. One of the strength of our method is that it is designed to detect defec...
In this paper, we propose a computer vision based automatic defect detection method from ceramic image for non-destructive testing. From region of interest of the image, we apply brightness enhancing stretching algorithm first. One of the strength of our method is that it is designed to detect defects of images obtained from various thicknesses, that is, 8, 10, 11, 16, and 22 mm. In other cases we apply histogram based binarization algorithm. However, for 8 mm case, it may have false positive cases due to weak brightness contrast between defect and noise. Thus, we apply modified fuzzy binarization algorithm for 8 mm case. From the experiment, we verify that the proposed method shows stronger result than our previous study that used Blob labelling for all five thickness cases as expected.
In this paper, we propose a computer vision based automatic defect detection method from ceramic image for non-destructive testing. From region of interest of the image, we apply brightness enhancing stretching algorithm first. One of the strength of our method is that it is designed to detect defects of images obtained from various thicknesses, that is, 8, 10, 11, 16, and 22 mm. In other cases we apply histogram based binarization algorithm. However, for 8 mm case, it may have false positive cases due to weak brightness contrast between defect and noise. Thus, we apply modified fuzzy binarization algorithm for 8 mm case. From the experiment, we verify that the proposed method shows stronger result than our previous study that used Blob labelling for all five thickness cases as expected.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 비파괴 검사를 통해 획득한 세라믹 영상에서 컴퓨터 비전 알고리즘을 이용하여 결함 부분을 자동으로 검출하는 방법을 제안한다. 이 분야는 의외로 다양한 연구가 있지는 않은데 흠집의 선을 검출하기 위하여 퍼지 문턱값 결정 알고리즘[2] 을 사용하거나 Expectation Maximization 알고리즘[3]을 사용하거나 그 둘을 조합하여 MRI 영상에서 흠집을 검출하는 방법[4]이 있다.
본 논문에서는 비파괴 검사를 통해 획득한 세라믹 소재 영상에서 결함 영역을 검출하는 방법을 제안하였다. 양방향 소벨 마스크 기법을 적용하여 ROI 영역을 추출한 후, ROI 영역에서 최소값 필터를 적용하여 배경을 제거하였다.
제안 방법
10mm, 11mm, 16mm, 22mm ROI 영역에서 히스토그램 이진화 기법을 적용하여 결함 후보 영역을 추출한다[8]. 8mm 영상은 다른 영상에 비해 결함의 밝기값과 잡음의 밝기값이 유사하여 히스토그램 기반 이진화를 적용한 경우에는 잡음 영역이 결함 영역으로 이진화가 되어서 결함의 후보 영역에서 결함 이외의 영역이 결함으로 검출되는 문제점이 발생한다.
결함 영역 검출의 효율을 높이기 위해 ROI 영역과 최소값 필터가 적용된 ROI 영역간의 명암도 차이를 구하여 배경을 제거한다.
배경이 제거된 ROI 영역에 개선된 명암대비 스트레칭 기법을 적용한 후, 개선된 퍼지 이진화 기법과 히스토그램 이진화 기법을 적용하여 결함의 후보 영역을 추출하였다. 결함 후보 영역에서 중간값 필터, 침식, 팽창 기법을 적용하여 최종적으로 결함 영역을 검출하였다. 다양한 두께의 영상을 대상으로 실험한 결과, 다양한 두께의 영상에 대해 비교적 안정적으로 자동 검출에 성공하였고 2015년의 결과[5]보다 개선된 검출 성능을 보였다.
배경이 제거된 ROI 영역에 개선된 명암대비 스트레칭 기법을 적용한 후, 개선된 퍼지 이진화 기법과 히스토그램 이진화 기법을 적용하여 결함의 후보 영역을 추출하였다. 결함 후보 영역에서 중간값 필터, 침식, 팽창 기법을 적용하여 최종적으로 결함 영역을 검출하였다.
본 논문에서는 비파괴 검사를 통해 획득한 세라믹 소재 영상에서 결함 영역을 검출하는 방법을 제안하였다. 양방향 소벨 마스크 기법을 적용하여 ROI 영역을 추출한 후, ROI 영역에서 최소값 필터를 적용하여 배경을 제거하였다.
윤곽선이 검출된 세라믹 소재의 영상에서 수평으로 4등분한 후, 좌표를 탐색하여 가장 높은 좌표 값을 가지는 좌표를 기준으로 ROI 영역을 추출한다. 양방향 소벨 마스크를 적용한 그림 4(a)에서 ROI 영역을 추출한 결과는 그림 4(b)와 같다.
그러나 영상의 명암도 차이 및 그 분산에 민감하게 반응하여 검출의 안정성이 떨어지는 문제점이 있다. 이에 제안된 방법은 오츠 이진화, 퍼지 이진화 및 명암 대비 스트레칭 등의 다양한 영상 처리 기법을 적용하여 영상의 명암 대비가 불량할 경우에도 대체로 안정적으로 자동 검출하는 방법을 제안한다.
중간값 필터가 적용된 ROI 영역에서 결함 영역을 복원하기 위해 침식, 팽창 기법을 적용하여 최종적으로 결함 영역을 검출한다. 침식 및 팽창 기법을 적용하여 세라믹 영상에서 최종적으로 결함 영역을 검출한 결과는 그림 11과 같다.
대상 데이터
또한 비교적 안정적인 검출 방법이었던 Blob Labeling 활용 방법[5]의 경우에는 수평과 수직 에지를 검출하여 윤곽선 추적 기법을 적용하여 결함 영역의 경계를 보정하였으나 다양한 두께의 세라믹 소재 영상을 대상으로 실험한 경우에는 검출의 효율성이 낮아지는 문제점 있다. 따라서 본 논문은 현실적으로 활용도가 높은 두께 8mm, 10mm, 11mm, 16mm, 22mm 을 대상으로 실험하여 제안된 방법의 검출 효율성을 실험한다.
본 논문에서는 세라믹 영상을 대상으로 결함 영역을 검출하기 위해서 Intel(R) Core(TM) i5-3337U CPU 8.00GB RAM이 장착된 PC상에서 Visual Studio 2015 C#으로 구현하였으며, 실험 표본은 서로 다른 비파괴 검사에서 획득한 1360x1024 크기를 가진 8mm, 10mm, 11mm, 16mm, 22mm의 영상을 대상으로 실험하였다.
데이터처리
8mm 9장, 10mm 2장, 11mm 2장, 16mm 4장, 22mm 10장의 세라믹 영상을 대상으로 실험한 결과 이전의 결함 검출 방법[5]보다 제안된 방법이 모든 두께의 영상에서 비교적 정확히 결함 영역이 추출되는 것을 확인하였다. 기존의 결함 검출 방법과 제안된 결함 감출 방법 간의 검출 개수를 비교하여 표 1로 나타내었다.
이론/모형
결함 후보 영역에서 미세잡음을 제거하기 위해서 중간값 필터 기법을 적용한다. 결함 후보 영역에서 중간값 필터가 적용된 결과는 그림 10과 같다.
8mm 영상은 다른 영상에 비해 결함의 밝기값과 잡음의 밝기값이 유사하여 히스토그램 기반 이진화를 적용한 경우에는 잡음 영역이 결함 영역으로 이진화가 되어서 결함의 후보 영역에서 결함 이외의 영역이 결함으로 검출되는 문제점이 발생한다. 따라서 본 논문에서는 8mm 영상에 대해서는 개선된 퍼지 이진화 기법을 적용하여 결함 후보 영역을 추출한다. 개선된 퍼지 이진화 기법에서 α_cut은 식(4)와 같이 구한다.
배경이 제거된 ROI 영역에서 결함 영역 검출의 효율 성을 높이기 위해서 개선된 명암 대비 스트레칭 기법을 적용한다. 개선된 명암 대비 스트레칭은 식(3)과 같이 구한다.
성능/효과
8mm 9장, 10mm 2장, 11mm 2장, 16mm 4장, 22mm 10장의 세라믹 영상을 대상으로 실험한 결과 이전의 결함 검출 방법[5]보다 제안된 방법이 모든 두께의 영상에서 비교적 정확히 결함 영역이 추출되는 것을 확인하였다. 기존의 결함 검출 방법과 제안된 결함 감출 방법 간의 검출 개수를 비교하여 표 1로 나타내었다.
제안된 방법으로 세라믹 영상에서 결함 영역을 검출할 경우에는 표 1과 같이 일부 16mm, 22mm 세라믹 영상에서 배경을 제거하는 과정에서 결함 영역과 배경 영역간의 밝기값의 차이가 적어서 그림 13의 (b)와 (d)와 같이 배경 영역까지 결함 영역으로 추출되는 경우가 발생하였다.
후속연구
향후 연구 과제는 제안된 방법을 기반으로 결함의 크기를 정확히 추출할 수 있는 Fuzzy SVM 방법에 대해 연구할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
비파괴 검사는 무엇인가?
비파괴 검사란 재료나 제품의 원형과 기능에 물리적 변화를 주지 않고 결함의 유무와 상태 또는 성질, 상태 내부구조 등을 알아내는 검사를 말한다. 비파괴 검사의 방법으로는 방사선 비파괴, 초음파 비파괴, 자기 비파괴, 침투 비파괴, 와전류 비파괴, 누설 비파괴, 음향방출 비파괴 등 다양한 비파괴 검사 방법이 있으며, 세라믹의 경우는 주로 침투 비파괴 검사 방법을 이용한다.
비파괴 검사의 방법은 무엇이 있는가?
비파괴 검사란 재료나 제품의 원형과 기능에 물리적 변화를 주지 않고 결함의 유무와 상태 또는 성질, 상태 내부구조 등을 알아내는 검사를 말한다. 비파괴 검사의 방법으로는 방사선 비파괴, 초음파 비파괴, 자기 비파괴, 침투 비파괴, 와전류 비파괴, 누설 비파괴, 음향방출 비파괴 등 다양한 비파괴 검사 방법이 있으며, 세라믹의 경우는 주로 침투 비파괴 검사 방법을 이용한다. 비파괴 검사의 목적은 재료와 제품의 원형을 변형시키지 않음으로서 제품의 신뢰도를 높이고, 원가 절감, 인력 단축, 철저한 품질 관리를 통한 제조기술 향상 등이 이다.
MRI 영상에서 흠집을 검출하는 방법의 문제점은 무엇인가?
이 분야는 의외로 다양한 연구가 있지는 않은데 흠집의 선을 검출하기 위하여 퍼지 문턱값 결정 알고리즘[2] 을 사용하거나 Expectation Maximization 알고리즘[3]을 사용하거나 그 둘을 조합하여 MRI 영상에서 흠집을 검출하는 방법[4]이 있다. 그러나 영상의 명암도 차이 및 그 분산에 민감하게 반응하여 검출의 안정성이 떨어지는 문제점이 있다. 이에 제안된 방법은 오츠 이진화, 퍼지 이진화 및 명암 대비 스트레칭 등의 다양한 영상 처리 기법을 적용하여 영상의 명암 대비가 불량할 경우에도 대체로 안정적으로 자동 검출하는 방법을 제안한다.
참고문헌 (8)
K. B. Kim, "Fault Detection of Ceramic Imaging using ART2 Algorithm," Journal of The Korea Institute of Information and Communication Engineering, vol. 17, no. 11, pp. 2486-2491, Nov. 2013.
M. Mansoory, H. Tajik, G. Mohamadi, M. Pashna, "Edge Defect Detection in Ceramic Tile Based on Boundary Analysis Using Fuzzy Thresholding and Radon Transform," IEEE International Symposium on Signal Processing and Information Technology, pp 58-62, Dec. 2008.
C. R. Sarin, M. Karthik, M. Anilesh, P. Subramaniam, "Advanced Image Enhancement of Ultrasonic Scan Images For Intelligent Quality Inspection of Adhesively Bonded Joints in Ceramics," International Journal of Advanced Research in Computer Science and Software Engineering, vol. 2, no. 4, pp.302-306, April 2012.
Y. Yang, "Fuzzy Expectation Maximum Algorithm for Magnetic Resonance Image Segmentation," Journal of Engineering Materials, vol. (439-440), pp.1618-1623, June 2010.
K. B. Kim, Kim, Y. W. Woo, "Defect Detection in Ceramic Images Using Sigma Edge Information and Contour Tracking Method," International Journal of Electrical and Computer Engineering, vol. 6, no. 1, pp.160-166, Feb. 2016.
D. -Y. Huang, C. -H. Wang, "Optimal multi-level thresholding using a two-stage Otsu optimization approach," Pattern Recognition Letters, vol. 30, no. 3, pp.275-284, Jan. 2009.
M. D. Abramoff, P. J. Magalhaes, S. J. Ram, Sunanda J, "Image processing with Image J," Biophotonics International, vol. 11, no. 7, pp.36-42, July 2004.
J. W. Lim, E. K. Kim, "Noise Reduction by Filter Improvement in Mixed Noise Image," Journal of the Institute of Electronics and Information Engineers, vol. 50, no. 5, pp.231-241, May 2013.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.