$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

피부진단을 위한 딥러닝 기반 피부 영상에서의 자동 주름 추출
Deep Learning-based Automatic Wrinkles Segmentation on Microscope Skin Images for Skin Diagnosis 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.24 no.2, 2020년, pp.148 - 154  

최현영 (금오공과대학교 ICT융합특성화연구센터) ,  고재필 (금오공과대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

주름은 피부의 노화도를 알 수 있는 주요한 특징 중의 하나이다. 기존의 영상처리기반 주름검출은 다양한 피부 영상에 효과적으로 대처하기 어렵다. 특히, 주름이 선명하지 않고 주변 피부와 유사한 경우 주름추출 성능은 급격히 떨어진다. 본 논문에서는 현미경 피부 영상에서 주름추출을 위해 딥러닝을 적용한다. 일반적으로 현미경 영상은 광각렌즈를 탑재하므로 영상 가장자리 영역의 밝기가 어둡다. 본 논문에서는 이를 해결하기 위해 피부 영상의 밝기를 추정하여 보정 한다. 또한, 주름추출에 적합한 의미분할 네트워크의 구조를 적용한다. 제안방법은 연구실에서 수집한 피부 영상에 대한 테스트 실험에서 99.6%의 정확도를 획득하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Wrinkles are one of the main features of skin aging. Conventional image processing-based wrinkle detection is difficult to effectively cope with various skin images. In particular, Wrinkle extraction performance is significantly decreased when the wrinkles are not strong and similar to the surroundi...

주제어

#Winkles detection   #Skin diagnosis   #Illumination correction   #Convolutional neural networks   #Deep learning  

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 딥러닝 기법을 적용하여 휴대용 현미경으로 촬영한 피부 영상으로부터 주름을 추출하는 방법을 제안한다. 제안하는 방법은 피부 영상의 밝기를 보정 하는 전처리 과정과 효과적인 주름 추출을 위한 의미적 영상분할 네트워크로 구성된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
주름이란 무엇인가? 주름은 피부의 노화도를 알 수 있는 주요한 특징 중의 하나이다. 기존의 영상처리기반 주름검출은 다양한 피부 영상에 효과적으로 대처하기 어렵다.
주름추출 성능이 급격히 떨어지는 경우는? 기존의 영상처리기반 주름검출은 다양한 피부 영상에 효과적으로 대처하기 어렵다. 특히, 주름이 선명하지 않고 주변 피부와 유사한 경우 주름추출 성능은 급격히 떨어진다. 본 논문에서는 현미경 피부 영상에서 주름추출을 위해 딥러닝을 적용한다.
본 논문에서 휴대용 현미경으로 촬영한 피부 영상에 딥러닝 기법을 사용 할 때의 구성은? 본 논문에서는 딥러닝 기법을 적용하여 휴대용 현미경으로 촬영한 피부 영상으로부터 주름을 추출하는 방법을 제안한다. 제안하는 방법은 피부 영상의 밝기를 보정 하는 전처리 과정과 효과적인 주름 추출을 위한 의미적 영상분할 네트워크로 구성된다. 제안방법은 연구실에서 수집한 피부 영상에 대한 테스트 실험에서 99.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Y. Bando, T. Kuratate, and T. Nishita, "A simple method for modeling wrinkles on human skin," in Proceedings of the 10th IEEE Pacific Conference on Computer Graphics and Applications, Beijing: China, pp. 166-175, 2002. 

  2. T. Mclnerney and D. Terzopoulos, “Deformable models in medical image analysis : a survey,” Madical Image Analysis, Vol. 1, No. 2, pp. 91-108, 1996. 

    상세보기 crossref

  3. J. H. Rew, Y. H. Choi, H. J. Kim, and E. J. Hwang, "Skin aging estimation scheme based on lifestyle and dermoscopy image analysis," Applied Sciences (Switzerland), Vol. 9, No. 5, p. 1228, 2019. 

    상세보기 crossref

  4. N. Batool and R. Chellappa, “Fast detection of facial wrinkles based on Gabor features using image morphology and geometric constraints,” Pattern Recognition, Vol. 48, No. 3, pp. 642-658, 2015. 

    상세보기 crossref

  5. S. B. Lee and T. M. Kim, “A study on facial wrinkle detection using active appearance models,” Journal of Digital Convergence, Vol. 12, No. 7, pp. 239-245, 2014. 

  6. M. W. Jo, A Study on the digital image processing algorithm for a non-contact type skin evaluation device, Master degree, Seoul National University, Korea, 2014. 

  7. Y. H. Choi and I. J. Hwang, “A scheme of extracting age-related wrinkle feature and skin age based on dermoscopic images,” Journal of Institute of Korean Electrical and Electronics Engineers, Vol. 14, No. 4, pp. 332-338, 2010. 

  8. F. J. W. Leong, M. Brady, and J. O. McGee, “Correction of uneven illumination (vignetting) in digital microscopy images,” Journal of Clinical Pathology, Vol. 56, No. 8, pp. 619-621, 2003. 

    상세보기 crossref

  9. O. Ronneberger, P. Fischer, and T. Brox, "U-Net: convolutional networks for biomedical image segmentation," Medical Image Computing and Computer Assisted Intervention, Vol. 9351, pp. 234-241, 2015. 

  10. K. He, X. Zhang, S. Ren, and J. Sun, "Deep Residual Learning for Image Recognition," in 2016 IEEE International Conference on Computer Vision and Pattern Recognition, Las vegas: Nevada, pp. 770-778, 2016. 

  11. D. P. Kingma and J. Ba, "Adam: a method for stochastic optimization," in Proceedings of the 3rd International Conference for Learning Representations, San Diego: CA, pp. 166-175, 2015. 

  12. V. Nair and G. E. Hinton, "Rectified linear units improve restricted boltzmann machines," in Proceedings of the 27th International Conference on Machine Learning, Haifa: Israel, pp. 807-814 , 2010. 

  13. K. He, X. Zhang, S. Ren, and J. Sun, "Delving deep into rectifiers: Surpassing human-level performance on imagenet classification," in 2015 IEEE International Conference on Computer Vision, Santiago: Chile, pp. 1026-1034, 2015. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로