초록
본 논문에서는 약병의 크기와 색상정보 특징을 추출하여 약병영상 분류 기법을 제안한다. 약병영상 분류에 있어 유사한 크기와 모양을 지닌 약병이 다양하게 존재하므로, 약병의 한 가지 특징만으로는 약병을 분류하기가 어렵다. 이러한 약병의 분류 문제를 해결하기 위해 본 논문에서는 약병의 크기와 색상정보의 특징을 추출하여 약병을 분류하였다. 제안된 알고리즘의 첫 번째 단계에서는 약병영상에서 Red, Green, Blue의 이진화 문턱치(Binary threshold)를 이용하여 약병 영역의 MBR(Minimum Boundary Rectangle)을 추출하여 크기로 분류하였고, 두 번째 단계에서는 크기로 분류된 약병영상 가운데 조명의 조도 변화에 강인한 색상(Hue)정보와 RGB 각각의 채널에 대한 컬러 평균 비율 정보를 이용하여 약병을 분류하였으며, 마지막 단계에서는 SURF(Speeded Up Robust Features)알고리즘을 사용하여 데이터베이스에서 특징점을 추출한 후보군 약병영상과 입력 약병영상의 유사도가 가장 높은 약병영상을 검색하여 약병을 분류하였다. 실험을 통해 이러한 방법이 보다 효율적이고 신뢰성 있음을 입증하였다.
In this paper, we propose the classification method of medicine bottle images using the features with color and size information. It is difficult to classify with size feature only, because there are many similar sizes of bottles. Therefore, we suggest a classification method based on color information, which robust to illumination variations. First, we extract MBR(Minimum Boundary Rectangle) of medicine bottle area using Binary Threshold of Red, Green, and Blue in image and classify images with size. Then, hue information and RGB color average rate are used to classify image, which features are robust to lighting variations. Finally, using SURF(Speed Up Robust Features) algorithm, corresponding image can be found from candidates with previous extracted features. The proposed method makes to reduce execution time and minimize the error rate and is confirmed to be reliable and efficient from experiment.
