• 대한의용생체공학회:의공학회지
• /
• 제21권4호
• /
• pp.333-338
• /
• 2000

본 논문에서는 T1 강조영상, T2 강조 영상 그리고 PD의 영상의 특징을 상호 보완적으로 이용한 자동적인 영상 분할법을 제안한다. 제안한 분할 알고리듬은 3단계로 이루어지는데, 첫 단계에서는 PD 영상으로부터 대뇌 마스크를 획득한 후, T1과 T2, PD의 입력 영상에 대뇌 마스크를 씌워 각각의 대뇌 영상을 추출하고, 둘째 단계에서는 대뇌 내부 조직에 해당하는 두드러진 클러스터(outstanding cluster)를 3차원 클러스터들 중에서 선택한다. 3차원 클러스터는 최적스케일 영상(optimal scale image)으로 이루어지는 3차원 공간상에서 화소가 밀집된 봉우리들을 교집합해서 생성되는 클러스터로 결정한다. 최적스케일 영상은 각 2타원 히스토그램에 스케일 스페이스 필터링을 적용시키고 그래프(graph) 구조를 검색하여 2차원 히스토그램의 모양을 가장 잘 나타내는 봉우리(peak) 영상을 최적 스케일 영상으로 선택한다. 마지막 단계에서는 앞에서 찾은 두드러진 클러스터의 중심값을 FCM 알고리듬의 초기중심 값으로 두고, FCM 알고리듬을 이용하여 대뇌 영상을 분할한다. 제안한 분할 알고리듬은 정확한 클러스터의 중심값을 계산함으로 초기 값을 영향을 많이 받는 FCM 알고리듬의 단점을 보완하였고 다중 스펙트럼 영상의 특성을 조합하여 분할에 이용함으로 단일 스펙트럼 영상만을 이용하는 방법보다 향상된 결과를 얻을 수 있었다.

• Journal of Information Processing Systems
• /
• 제16권6호
• /
• pp.1424-1436
• /
• 2020

Although huge progress has been made in current image segmentation work, there are still no efficient segmentation strategies for tree image which is taken from natural environment and contains complex background. To improve those problems, we propose a method for tree image segmentation combining adaptive mean shifting with image abstraction. Our approach perform better than others because it focuses mainly on the background of image and characteristics of the tree itself. First, we abstract the original tree image using bilateral filtering and image pyramid from multiple perspectives, which can reduce the influence of the background and tree canopy gaps on clustering. Spatial location and gray scale features are obtained by step detection and the insertion rule method, respectively. Bandwidths calculated by spatial location and gray scale features are then used to determine the size of the Gaussian kernel function and in the mean shift clustering. Furthermore, the flood fill method is employed to fill the results of clustering and highlight the region of interest. To prove the effectiveness of tree image abstractions on image clustering, we compared different abstraction levels and achieved the optimal clustering results. For our algorithm, the average segmentation accuracy (SA), over-segmentation rate (OR), and under-segmentation rate (UR) of the crown are 91.21%, 3.54%, and 9.85%, respectively. The average values of the trunk are 92.78%, 8.16%, and 7.93%, respectively. Comparing the results of our method experimentally with other popular tree image segmentation methods, our segmentation method get rid of human interaction and shows higher SA. Meanwhile, this work shows a promising application prospect on visual reconstruction and factors measurement of tree.

• 한국지능시스템학회논문지
• /
• 제18권2호
• /
• pp.216-222
• /
• 2008

본 논문은 배경복잡성, 조명변화, 무질서한 라인, 문자와 배경색의 유사성 등에 취약한 기존 연구의 단점을 보완하기 위해 컬러분할과 LoG연산자의 폐곡선 에지 특징 및 합성논리모델을 이용한 다중 문자 검출 알고리즘을 제안하였다. 제안된 다중 문자 검출 알고리즘은 특징 검출, 문자형성, 문자검출 단계로 구성된다. 본 논문에서 제안한 새로운 다중 문자 검출 알고리즘은 웨이브렛, 형태학과 허프변환을 이용한 전처리 후 각 컬러영역을 순차적 AND 연산 및 OR연산을 수행함으로써 완전한 문자가 아닌 불완전 문자부분마저도 취합하여 검출률을 높일 수 있는 효율적인 방법임을 확인하였다. 또한 영상의 크기나 해상도, 기울어짐 등에 상관없이 문자영역이 첨가된 자연 영상을 대상으로 하며, 동일 영상에 대하여 기존의 문자 검출 알고리즘과 비교함으로써 제안알고리즘이 검출률면에서 우수함을 확인하였다.

• Korean Journal of Radiology
• /
• 제21권8호
• /
• pp.987-997
• /
• 2020

Objective: Measurement of the liver and spleen volumes has clinical implications. Although computed tomography (CT) volumetry is considered to be the most reliable noninvasive method for liver and spleen volume measurement, it has limited application in clinical practice due to its time-consuming segmentation process. We aimed to develop and validate a deep learning algorithm (DLA) for fully automated liver and spleen segmentation using portal venous phase CT images in various liver conditions. Materials and Methods: A DLA for liver and spleen segmentation was trained using a development dataset of portal venous CT images from 813 patients. Performance of the DLA was evaluated in two separate test datasets: dataset-1 which included 150 CT examinations in patients with various liver conditions (i.e., healthy liver, fatty liver, chronic liver disease, cirrhosis, and post-hepatectomy) and dataset-2 which included 50 pairs of CT examinations performed at ours and other institutions. The performance of the DLA was evaluated using the dice similarity score (DSS) for segmentation and Bland-Altman 95% limits of agreement (LOA) for measurement of the volumetric indices, which was compared with that of ground truth manual segmentation. Results: In test dataset-1, the DLA achieved a mean DSS of 0.973 and 0.974 for liver and spleen segmentation, respectively, with no significant difference in DSS across different liver conditions (p = 0.60 and 0.26 for the liver and spleen, respectively). For the measurement of volumetric indices, the Bland-Altman 95% LOA was -0.17 ± 3.07% for liver volume and -0.56 ± 3.78% for spleen volume. In test dataset-2, DLA performance using CT images obtained at outside institutions and our institution was comparable for liver (DSS, 0.982 vs. 0.983; p = 0.28) and spleen (DSS, 0.969 vs. 0.968; p = 0.41) segmentation. Conclusion: The DLA enabled highly accurate segmentation and volume measurement of the liver and spleen using portal venous phase CT images of patients with various liver conditions.

• 한국통신학회논문지
• /
• 제19권5호
• /
• pp.883-891
• /
• 1994

본 논문에서는 화소에서의 방향성을 이용하여 필기체 한글 인식에 유용한 세선화 알고리듬을 제안하였다. 세선화하기 전에 방향성 검출을 시행한다. 검출된 방향성에 의해서 직선과 사선으로 분류한다. 직선성분에는 Rutovitz crossing number를 이용한 알고리듬을 적용한다. 사선성분에는 Hilditch crossing number를 이용한 알고리듬을 적용한다. 제안한 알고리듬을 이미 제안된 다른 6가지의 세선화 알고리듬을 적용한 세선화 영상들과 성능을 비교하였다. 비교 항목으로는 기준 골격선과의 유사도, 잔가지 수, 그리고 자소 분리율 등이 사용되었다. 실험은 570개 문자에 대해서 수행하였다. 실험 결과 제안한 알고리듬은 유사도와 필기체 한글 인식에 많이 사용되는 자소 분리율에서 6개 비교 대상 중에서 가장 우수한 결과를 보였다.

• 한국콘텐츠학회논문지
• /
• 제6권12호
• /
• pp.1-11
• /
• 2006

많은 연구 데모용 프로그램들과 상업적 응용물들이 얼굴 검출과 얼굴 인식 시스템들을 개발하기 위해 시도되고 있다. 인간의 얼굴 검출은 접근 제어 및 비디오 감시 시스템, 휴먼 컴퓨터 인터페이스, 신원 인증 등과 같은 많은 응용 프로그램들에 중요한 역할을 한다. 일반적으로 스킨 영역 분할 후 배경과 연결된 얼굴, 스킨 칼라로 인한 연결된 얼굴들, 여러 개의 작은 부분들로 분할된 하나의 얼굴과 같은 몇 가지 특별한 문제점들이 있다. 많은 얼굴 검출 기법들이 첫 번째 와 두 번째 문제를 해결하도록 허락되어진다. 그러나 세 번째 문제에서 다른 조명 효과들로 인해서 여러 영역들로 분할된 하나의 얼굴이 검출되어지는 것은 쉽지가 않다. 그러므로 우리는 기존 영역 분할 알고리즘은 이용될 수 없기 때문에 이 문제를 해결하기 위해 효율적인 수정된 스킨 분할 알고리즘을 제안한다. 본 알고리즘은 전체 영상에 대해 피부 영역을 검출한 후 피부 분할 알고리즘을 사용하여 얼굴 후보 영역들을 생성한다. 각 얼굴 피부 후보 영역에 대해 그림자 등의 조명 효과로 인해 한 명의 얼굴이 여러 영역으로 분할되는 경우를 처리하기 위해 동차적 영역간의 인접성을 활용하여 하나의 큰 영역으로 만드는 병합 작업을 시도하였다. 다른 크기의 얼굴 검출을 위해 다양한 가변 크기의 탐색 윈도우와 선택된 각 얼굴 후보 영역에 얼굴이 존재하는지를 판단하기 위해 역전파 알고리즘에 기반한 얼굴 검출 분류기를 사용하였다.

• 한국정보통신학회논문지
• /
• 제10권5호
• /
• pp.871-876
• /
• 2006

본 논문은 공간 부호화 패턴들을 이용하여 3차원 얼굴 정보를 정확하게 측정하기 위하여 초기 얼굴 패턴 영상으로부터 이미지 패턴을 검출하기 위한 새로운 알고리즘을 제안한다. 획득된 영상이 불균일하거나 패턴의 경계가 명확하지 않으면 패턴을 분할하기가 어렵다. 그리고 누적된 오류로 인하여 코드화가 되지 않는 영역이 발생한다. 본 논문에서는 이러한 요인에 강하고 코드화가 잘 될 수 있도록 FCM 클러스터링 방법을 이용하였다. 패턴 분할을 위하여 클러스터는 2개, 최대 반복횟수는 100, 임계값은 0.00001로 설정하여 실험하였다. 제안된 패턴 분할 방법은 기존 방법들(Otsu, uniform error, standard deviation, Rioter and Calvard, minimum error, Lloyd)에 비해 8-20%의 분할 효율을 향상시켰다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권11호
• /
• pp.813-821
• /
• 2001

대부분의 문자 인식기들이 인식대상영상이 인식단위로 분할되어있다는 가정아래 개발되고 있으나, 실제 필기한글의 분할에 대한 연구는 미미한 실정이다. 본 논문은 Run-length code를 이용한 능동적인 한글 분할방법을 제시한다. 전처리와 인식단위 분할에 응용할 수 있는, 한글의 구조적 특성을 반영한, 기울기 보정 알고리즘을 제안하고, 필기자들이 일반적인 필기 습관과 한글이 갖는 2차원 구조의 특성을 반영하면서 문자의 접촉점을 적극적으로 찾아내기 위한 기초 함수들과 접촉점들의 분류 방법을 제시한다. 임의의 필기자로부터 수집한 필기 한글 주소열 데이터를 이용해 수행한 실험을 통해, 초과분할을 포함하여, 88.2%의 접촉 문자들을 분리할 수 있었다.

• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.339-348
• /
• 1997

본 논문에서는 일반적으로 잡음이 있는 MR 영상의 배경 영역을 영역분활 알고리듬으로 제거하고 이영역분할의 정보를 손실 부호화에 이용함으로써 데이터의 압축 효율을 높이는 방법을 제안한다. 영역분할 알고리듬은 여역의특성 추출을 위해 전해상도 웨이블렛 변화(full-resolution wavelet transform)을 이용하며, 얻은 특성등의 분류를 위해 Kohonen self-organizing map을 사용한다. 웨이블렛 변환을 이용한 부호기에서는 영역분활 결과 진단에 의미없는 부분으로 판단된 영역은 부호화 하지 않음으로써 압축효율을 향상시킨다. 제안한 알고리듬으로 MR영상들을 부호화한 결과, 영역분할 정보를 이용하지 않을 경우보다 평균적으로 약 15%정도의 비트율의 절약을 가져올 수 있었으며, 같은 압축률일 경우에는 복원된 영상이 JPEG에서보다 좋은 화질을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제23권4호
• /
• pp.147-153
• /
• 2018

In this paper, we propose an efficient WBC 14-Diff classification which performs using the WBC-ResNet-152, a type of CNN model. The main point of view is to use Super-pixel for the segmentation of the image of WBC, and to use ResNet for the classification of WBC. A total of 136,164 blood image samples (224x224) were grouped for image segmentation, training, training verification, and final test performance analysis. Image segmentation using super-pixels have different number of images for each classes, so weighted average was applied and therefore image segmentation error was low at 7.23%. Using the training data-set for training 50 times, and using soft-max classifier, TPR average of 80.3% for the training set of 8,827 images was achieved. Based on this, using verification data-set of 21,437 images, 14-Diff classification TPR average of normal WBCs were at 93.4% and TPR average of abnormal WBCs were at 83.3%. The result and methodology of this research demonstrates the usefulness of artificial intelligence technology in the blood cell image classification field. WBC-ResNet-152 based morphology approach is shown to be meaningful and worthwhile method. And based on stored medical data, in-depth diagnosis and early detection of curable diseases is expected to improve the quality of treatment.