적응적 이진화 기법과 Bresenham's algorithm을 이용한 안경 렌즈 제품의 자동 흠집 검출 Automatic Defect Inspection with Adaptive Binarization and Bresenham's Algorithm for Spectacle Lens Products원문보기
기존의 안경 렌즈 흠집 검출 방법은 영상내의 미세 잡음이 제거되지 않아 렌즈 영역이 정확히 추출되지 않는 경우가 발생하여 흠집 영역을 검출할 수 없다는 문제점이 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위해 적응적 이진화 기법과 Bresenham algorithm을 적용하여 흠집 영역을 검출한다. 제안된 방법은 안경 렌즈 영상에서 명암 대비를 적용하여 렌즈의 명암을 강조한다. 명암이 강조된 영상에서 렌즈 밖의 배경 영역은 흠집 검출에 불필요하므로 이진화 기법을 적용한 후에 Bresenham algorithm을 적용하여 렌즈의 윤곽선을 검출하고 렌즈 이외의 배경을 제거한다. 렌즈 이외의 배경이 제거된 렌즈 영상에서 렌즈 내부의 배경과 흠집의 명암 대비를 높인다. 명암이 강조된 렌즈 내부 영역에서 적응적 이진화 기법을 적용하여 흠집과 잡음을 검출한다. 잡음은 중간값 필터를 적용하여 제거한 후에 흠집 영역을 추출한다. 추출된 흠집 영역에서 렌즈의 중심으로부터의 거리와 흠집의 크기를 퍼지 추론 규칙에 적용하여 눈에 미치는 영향 정도를 분석한다. 제안된 방법의 성능을 분석하기 위해 CHEMI, MID, HL, HM과 같은 시력 보정용 렌즈 영상을 대상으로 실험한 결과, 12개의 시력 보정용 렌즈 영상 중에서 10개에서 결함을 성공적으로 추출하였다.
기존의 안경 렌즈 흠집 검출 방법은 영상내의 미세 잡음이 제거되지 않아 렌즈 영역이 정확히 추출되지 않는 경우가 발생하여 흠집 영역을 검출할 수 없다는 문제점이 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위해 적응적 이진화 기법과 Bresenham algorithm을 적용하여 흠집 영역을 검출한다. 제안된 방법은 안경 렌즈 영상에서 명암 대비를 적용하여 렌즈의 명암을 강조한다. 명암이 강조된 영상에서 렌즈 밖의 배경 영역은 흠집 검출에 불필요하므로 이진화 기법을 적용한 후에 Bresenham algorithm을 적용하여 렌즈의 윤곽선을 검출하고 렌즈 이외의 배경을 제거한다. 렌즈 이외의 배경이 제거된 렌즈 영상에서 렌즈 내부의 배경과 흠집의 명암 대비를 높인다. 명암이 강조된 렌즈 내부 영역에서 적응적 이진화 기법을 적용하여 흠집과 잡음을 검출한다. 잡음은 중간값 필터를 적용하여 제거한 후에 흠집 영역을 추출한다. 추출된 흠집 영역에서 렌즈의 중심으로부터의 거리와 흠집의 크기를 퍼지 추론 규칙에 적용하여 눈에 미치는 영향 정도를 분석한다. 제안된 방법의 성능을 분석하기 위해 CHEMI, MID, HL, HM과 같은 시력 보정용 렌즈 영상을 대상으로 실험한 결과, 12개의 시력 보정용 렌즈 영상 중에서 10개에서 결함을 성공적으로 추출하였다.
In automatic defect detection problem for spectacle lenses, it is important to extract lens area accurately. Many existing detection methods fail to do it due to insufficient minute noise removal. In this paper, we propose an automatic defect detection method using Bresenham algorithm and adaptive b...
In automatic defect detection problem for spectacle lenses, it is important to extract lens area accurately. Many existing detection methods fail to do it due to insufficient minute noise removal. In this paper, we propose an automatic defect detection method using Bresenham algorithm and adaptive binarization strategy. After usual average binarization, we apply Bresenham algorithm that has the power in extracting ellipse shape from image. Then, adaptive binarization strategy is applied to the critical minute noise removal inside the lens area. After noise removal, We can also compute the influence factor of the defect based on the fuzzy logic with two membership functions such as the size of the defect and the distance of the defect from the center of the lens. In experiment, our method successfully extracts defects in 10 out of 12 example images that include CHEMI, MID, HL, HM type lenses.
In automatic defect detection problem for spectacle lenses, it is important to extract lens area accurately. Many existing detection methods fail to do it due to insufficient minute noise removal. In this paper, we propose an automatic defect detection method using Bresenham algorithm and adaptive binarization strategy. After usual average binarization, we apply Bresenham algorithm that has the power in extracting ellipse shape from image. Then, adaptive binarization strategy is applied to the critical minute noise removal inside the lens area. After noise removal, We can also compute the influence factor of the defect based on the fuzzy logic with two membership functions such as the size of the defect and the distance of the defect from the center of the lens. In experiment, our method successfully extracts defects in 10 out of 12 example images that include CHEMI, MID, HL, HM type lenses.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 렌즈 영상의 흠집 정보를 이용하여 시력을 분석하기 위해 적응적 이진화 기법을 이용하여 흠집을 자동으로 검출하고 눈에 미치는 영향을 퍼지 추론기법에 적용하여 눈에 미치는 영향 정도를 분석하는 방법을 제안하였다.
제안 방법
따라서 본 논문에서 안경렌즈 영상에 양방향 소벨 마스크를 적용하여 렌즈 영역을 검출한 후, 적응적 이진화 기법과 개선된 명암 대비 스트레칭 기법을 적용하여 흠집을 검출한다. 검출된 흠집을 퍼지 추론 규칙에 적용하여 렌즈 흠집이 눈에 미치는 영향 정도를 그래프로 분석하는 방법을 제안한다.
기존의 흠집 추출 방법[3]은 흠집 영역과 배경의 명암도 차이를 향상시키기 위하여 퍼지 스트레칭 기법을 적용하였으나 흠집 영역과 배경의 밝기 차이가 매우 적은 경우에는 퍼지 스트레칭 기법을 적용하여도 흠집 영역이 추출되지 않았다. 그러나 제안된 방법에서는 추출된 렌즈의 내부 영역이 히스토그램 분포가 불균등하게 분포되어 있거나 흠집 영역과 배경의 밝기 차이가 매우 적은 경우에도 정확히 흠집 영역을 추출하기 위해 적응적 이진화 기법을 적용하고 중간값 필터가 적용된 렌즈 내부 영역의 명암도 값과 개선된 명암 대비 스트레칭이 적용된 렌즈 내부 영역의 명암도 값의 차이를 이용하여 렌즈의 윤곽선을 제거한 후에 흠집을 검출하였다. 그러나 표 2에서와 같이 2개의 영상에서는 흠집 영역이 정확히 추출되지 않았다.
그리고 안경 렌즈의 흠집 검사는 안경사의 묵시검사로 이루어져 정확한 결과가 나오지 않는다. 따라서 본 논문에서 안경렌즈 영상에 양방향 소벨 마스크를 적용하여 렌즈 영역을 검출한 후, 적응적 이진화 기법과 개선된 명암 대비 스트레칭 기법을 적용하여 흠집을 검출한다. 검출된 흠집을 퍼지 추론 규칙에 적용하여 렌즈 흠집이 눈에 미치는 영향 정도를 그래프로 분석하는 방법을 제안한다.
하지만 기존 연구 방법은 일부 렌즈 영상에서 빛과 흠집의 명암값이 유사하여 일부 렌즈 영상에서 흠집을 검출할 수 없다는 문제점이 발생한다. 따라서 본 논문에서는 평균 이진화 기법과 적응적 이진화 기법을 적용하여 흠집 영역을 추출한다. 렌즈 영상에서 흠집 검출 과정은 그림 1과 같다.
추론 규칙을 통해 구한 최종 소속도를 무게중심법을 적용하여 비퍼지화 한다[7]. 비퍼지화 된 값을 정규화하여 결과값을 구한 후, 그림 11과 같은 흠집이 눈에 미치는 영향에 대한 소속 함수에 적용하여 흠집이 눈에 미치는 정도를 분석한다.
제안된 흠집 검출 과정에서 획득한 흠집의 크기 정보와 렌즈의 중심으로부터 흠집 사이의 거리 정보를 퍼지 추론 규칙에 적용한다. 따라서 그림 10(a)와 같은 흠집 크기의 소속 함수와 그림 10(b)와 같은 렌즈 중심에서 흠집간의 거리에 대한 소속 함수를 적용하여 소속도를 구한 후, 퍼지 추론 규칙에 적용한다.
흡집 검출의 정확성을 높이기 위하여 중간값 필터가 적용된 렌즈 내부 영역의 명암도 값과 개선된 명암 대비 스트레칭이 적용된 렌즈 내부 영역의 명암도 값간의 차이를 이용하여 렌즈의 윤곽선을 제거한 후에 흠집을 검출한다. 윤곽선 제거는 식(4)와 같다.
대상 데이터
NET 2015 C# 으로 구현하여 실험하였다. 실험에 적용된 영상은 안경사가 촬영한 CHEMI MID HL HM 시력 보정용 렌즈 영상 12장을 대상으로 실험하였다. 흠집을 검출하기 위한 초기 제안된 화면은 그림 12와 같다.
이론/모형
렌즈 영상에서 렌즈의 윤곽선을 추출하기 위해서 양방향 소벨 마스크 기법을 적용한다. 원본 렌즈 영상 그림 2(a)에서 양방향 소벨 마스크를 적용한 결과는 그림 2(b)와 같다.
양방향 소벨 마스크 기법이 적용된 결과 영상에서 원 영역을 검출하기 위해서 평균 이진화 기법을 적용한다. 양방향 소벨 마스크 기법이 적용된 그림 3(a)와 같은 영상에서 평균 이진화 기법을 적용한 결과는 그림 3(b)와 같다.
추론 규칙을 통해 구한 최종 소속도를 무게중심법을 적용하여 비퍼지화 한다[7]. 비퍼지화 된 값을 정규화하여 결과값을 구한 후, 그림 11과 같은 흠집이 눈에 미치는 영향에 대한 소속 함수에 적용하여 흠집이 눈에 미치는 정도를 분석한다.
구한 소속도를 표 1과 같은 퍼지 추론 규칙에 적용한다. 퍼지 추론 규칙에서 추론 방법은 Max-Min 추론 방식으로 추론하여 최종 소속도를 구한다[7].
평균 이진화 기법이 적용된 영상에서 렌즈 영역을 추출하기 위하여 수평적으로 좌우 극한값과 수직적으로 상하 극한값을 구한 후, 타원 추출 기법인 Bresenham Algorithm 을 적용하여 렌즈의 경계 영역을 추출한다[4]. 평균 이진화 기법이 적용된 그림 4(a)에서 Bresenham's algorithm을 적용하여 렌즈의 경계 영역을 Fig.
후속연구
향후 연구 과제는 공정 렌즈에 존재하는 흠집 크기의 정밀도를 높이기 위해 퍼지 분석 기반 명암 대비를 이용하여 정확한 크기의 흠집을 검출하는 기법을 연구하고 안경 전문의와 함께 안경 렌즈의 흠집이 시력에 미치는 정도를 정확히 분석하기 위해 임상적인 실험을 통하여 통계학적으로 분석할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
렌즈의 흠집 크기에 따라 눈에 미치는 영향은 어떻게 달라지는가?
렌즈의 흠집 크기가 작으면서 렌즈 중심에서 멀어질수록 눈에 적은 영향을 미치고, 흠집의 크기가 크고 렌즈의 중심에 가까울수록 눈에 큰 영향을 미친다[6]. 따라서 이러한 눈에 미치는 영향에 대한 특징을 그림 10(a)와 (b)를 적용하여 소속도를 구한다.
본 연구에서 렌즈의 윤곽선을 추출하기 위해 어떠한 기법을 적용하였는가?
렌즈 영상에서 렌즈의 윤곽선을 추출하기 위해서 양방향 소벨 마스크 기법을 적용한다. 원본 렌즈 영상 그림 2(a)에서 양방향 소벨 마스크를 적용한 결과는 그림 2(b)와 같다.
본 논문에서 적응적 이진화 기법과 Bresenham algorithm을 적용하여 흠집 영역 검출을 제안한 이유는 기존의 어떠한 문제점을 극복하기 위해서인가?
기존의 안경 렌즈 흠집 검출 방법은 영상내의 미세 잡음이 제거되지 않아 렌즈 영역이 정확히 추출되지 않는 경우가 발생하여 흠집 영역을 검출할 수 없다는 문제점이 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위해 적응적 이진화 기법과 Bresenham algorithm을 적용하여 흠집 영역을 검출한다.
참고문헌 (7)
J. H. Kim, J. S. Hong, H. J. Lee, "A Research on the Actual Condition of Wearing Progressive addition Lens in accordance with the Occupations and Refractive State of Presbyopia," The Korean Society of Vision Science, vol. 11, no. 2, pp. 93-104, Jun. 2009.
W. J. Lee, "A Study on DLC Hard Coating in Ocular Lens (CR - 39)," Journal of Korean Ophthalmic Optics Society, vol. 6, no. 1, pp. 87-91, Jun. 2001.
K. B.Kim, D. H. Song, Y. W. Woo, "Fuzzy Scratch Inspection of Sight-Corrective Spectacle Lenses," International Journal of Multimedia and Ubiquitous Engineering, vol. 9, no. 3, pp. 1-10, Mar. 2014.
F. L. Gaol, "Bresenham Algorithm: Implementation and Analysis in Raster Shape," JOURNAL OF COMPUTERS, vol. 8, no. 1, pp. 69-78, Jan. 2013.
J. H. Joo, J. S. Oh, "An Adaptive Binarization Algorithm for Degraded Document Images," Journal of Communications and Networks, vol. 37, no. 7, pp. 581-585, Jul, 2012.
S. H. Jung, H. S. Kim, "The Study for Pupil Position in the Eye size After Glasses," The Korean Society of Vision Science, vol. 11, no. 4, pp. 285-291, Dec. 2009.
K. B. Kim, H. J. Park, D. H. Song, "Vision-based Crack Identification on the Concrete Slab Surface using Fuzzy Reasoning Rules and Self-Organizing," International Journal of Electrical and Computer Engineering, vol.6, no.4, pp. 1577-1586, Aug. 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.