KR102272209B1 - 고배율 촬상을 위한 최적 촬상경로 연산 방법 - Google Patents

고배율 촬상을 위한 최적 촬상경로 연산 방법 Download PDF

Info

Publication number
KR102272209B1
KR102272209B1 KR1020200003239A KR20200003239A KR102272209B1 KR 102272209 B1 KR102272209 B1 KR 102272209B1 KR 1020200003239 A KR1020200003239 A KR 1020200003239A KR 20200003239 A KR20200003239 A KR 20200003239A KR 102272209 B1 KR102272209 B1 KR 102272209B1
Authority
KR
South Korea
Prior art keywords
imaging
path
optimal
targets
block
Prior art date
Application number
KR1020200003239A
Other languages
English (en)
Inventor
정보원
이주선
최종호
이영득
Original Assignee
(주)유아이엠디
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유아이엠디 filed Critical (주)유아이엠디
Priority to KR1020200003239A priority Critical patent/KR102272209B1/ko
Priority to PCT/KR2021/000131 priority patent/WO2021141381A1/ko
Application granted granted Critical
Publication of KR102272209B1 publication Critical patent/KR102272209B1/ko

Links

Images

Classifications

    • H04N5/23299—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
    • H04N5/2257—

Abstract

본 발명의 일 실시예에 의하면, 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공함으로써 저배율 이미지 상에 불규칙적으로 분포하는 촬상 타겟들에 대한 영상 획득 시간을 감소시킬 수 있다. 이를 위하여 특히 본 발명의 일 실시예는, 불규칙적으로 분포하는 타겟들을 고배율 촬상하기 위해 타겟들의 저배율 촬상 이미지에 기초하여 최적 촬상경로를 연산하는 방법에 있어서, 저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 타겟 클러스터링 단계(S10); 및 클러스티링에 기초하여 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획단계(S20)를 포함하는 고배율 촬상을 위한 최적 촬상경로 연산 방법을 포함할 수 있다.

Description

고배율 촬상을 위한 최적 촬상경로 연산 방법{COMPUTING METHOD OF PATH FOR HIGH MAGNIFICATION IMAGING}
본 발명은 분산된 복수의 촬상 타겟을 효율적으로 촬상하기 위한 최적 촬상경로 연산방법에 관한 것이다.
일반적으로 경로 계획(path planning)이란 출발점에서부터 목표점까지 이동하기 위한 최적의 이동 경로를 찾는 기술을 의미한다. 이러한 기술은 예를 들어 이동하는 로봇의 출발점에서 목표점까지 장애물 분포 상황에서 장애물을 회피하기 위한 최적의 이동 경로를 찾는 것이거나, 청소 로봇의 경우에는 공간 내의 먼지 등 청소 대상을 거쳐가기 위한 최적의 이동 경로를 찾는 기술일 수 있다. 나아가 무인 주행 차량의 주행 특성과 주행 시간을 고려한 경로 생성 알고리즘이 제시되기도 한다.
경로 계획의 일 예로 대한민국 특허공개 공보 제20140055134호 "로봇의 경로계획 장치와 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록매체"에서는 종래 그리드(grid) 기반의 격자 주행 경로계획과 샘플링 기반의 경로계획을 소개하고 있으며, 로봇의 상태에 따른 경로 생성의 어려움이나 경로 탐색의 많은 시간 소요 등을 단점으로 지적하면서 다수의 경로 계획을 순차적으로 삭제 및 생성하는 방식을 소개하고 있다.
한편 의료진단, 반도체, 천문학 등의 여러 기술분야에서 영상처리에 관한 기술이 이용되고 있다. 이러한 다양한 기술 분야에서는 진단, 검사 및 관찰 등의 행위는 전체적이고도 개괄적인 작업과 세부적이고 구체적인 작업이 동시 또는 순차적으로 진행되는 경우가 많다. 특히 고배율 촬상을 위해 저배율 이미지 상에서 복수의 촬상 타겟들이 불규칙적으로 분포하는 경우 촬상 타겟들에 대한 영상 획득 시간을 최소화하면서 촬상하기 위해서는 촬상 경로를 계획하고 생성할 필요가 있다. 그러나 전술한 로봇 등에 이용되는 종래 경로 계획은 장애물의 존재 등 상황이 다르고 고배율 촬상의 목표와 조건 등이 달라 적합하지 않은 측면이 있다.
따라서 저배율 이미지에 기반하여 각각의 촬상 타겟을 고배율 촬상하는 이미지 촬상 방법에 있어서, 최적의 촬상 경로를 도출할 수 있는 알고리즘 및 최적 촬상 경로 연산 방법에 대한 연구의 필요성이 대두된다.
본 발명은 상기와 같은 필요성에 기하여 도출된 것으로서, 본 발명의 제1 목적은, 저배율 이미지 상에 불규칙적으로 분포하는 촬상 타겟들에 대한 영상 획득 시간을 감소시킬 수 있는 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공하는 데 있다.
본 발명의 제2 목적은, 혈액이나 골수 등 표본 관찰에 있어서 저배율 이미지에 기반하여 촬상 타겟들의 고배율 이미지 획득을 위한 소요 시간을 향상시킬 수 있는 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공하는 데 있다.
본 발명의 제3 목적은, 반도체 웨이퍼 등의 결함 검사 또는 천체 관측을 위해 저배율 이미지에 기반하여 촬상 타겟들을 선정하고 선정된 타겟들의 고배율 이미지 획득을 위한 소요시간을 향상시킬 수 있는 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공하는 데 있다.
상기와 같은 본 발명의 목적은, 불규칙적으로 분포하는 타겟들을 고배율 촬상하기 위해 타겟들의 저배율 촬상 이미지에 기초하여 최적 촬상경로를 연산하는 방법에 있어서, 저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 타겟 클러스터링 단계(S10); 및 클러스티링에 기초하여 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획단계(S20)를 포함하는 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공함으로써 달성될 수 있다.
여기서 클러스터링 단계(S10)는, 저배율 촬상 이미지에 기반하여 촬상 타겟들을 디텍션하는 단계(S110); 촬상 타겟들의 사이즈에 기반하여 노드맵을 작성하는 단계(S120); 저배율 촬상 이미지에 대하여 고배율 화각 사이즈에 대응하는 다수의 마스크를 무작위로 배치하는 랜덤 마스킹 단계(S130); 무작위 배치된 다수의 마스크 중 중첩되는 마스크들 사이에서 촬상 타겟 개수가 적거나 같은 개수를 포함하는 마스크를 제거하는 듀플리케이션 제거 단계(S140); 및 랜덤 마스킹 단계(S130) 및 듀플리케이션 제거 단계(S140)를 순차적으로 N-1 회 더 반복하여 도출된 N 개의 클러스터링 중에서 설정 개수 이상의 촬상 타겟들을 포함하는 마스크의 개수가 가장 많은 하나의 클러스터링을 최종 클러스터링으로 선정하는 클러스터링 선정단계(S150)(여기서 N은 2 이상의 양의 정수임.)를 포함할 수 있다.
또한 최적 촬상경로 계획단계(S20)는, 저배율 촬상 이미지에 대하여 2 이상의 촬상블럭으로 구획하는 촬상블럭 구획단계(S210); 및 구획된 촬상블럭들에 대하여 순차적 촬상방향을 선정하고 선정된 순차적 촬상방향에 기반하여 최적 촬상경로를 산출하는 최적 촬상경로 산출단계(S220)를 포함할 수 있다.
그리고 최적 촬상경로 산출단계(S220)에서, 순차적 촬상방향은 스퀘어 경로 계획(square path planning)일 수 있다.
아울러 최적 촬상경로 산출단계(S220)는, 각 촬상블럭의 일 변에 복수의 기준점을 선정하여 선정된 기준점들로부터 가까운 곳에 위치하는 클러스터에서 먼 곳에 위치하는 클러스터를 잇는 각 촬상블럭 내의 가능한 블럭경로들을 연산하는 단계(S222); 연산된 블럭경로들 중 최단인 것을 각 촬상블럭에서의 블럭 촬상경로로 결정하는 단계(S224); 및 모든 촬상블럭에서 각 결정된 블럭 촬상경로들을 연결하여 촬상 타겟들의 최적 촬상경로를 산출하는 단계(S226)를 포함할 수 있다.
한편 블럭 촬상경로 결정단계(S224)와 최적 촬상경로 산출단계(S226) 사이에는, 결정된 블럭 촬상경로와, 결정된 블럭 촬상경로들의 인접한 클러스터들 사이에 촬상 순서를 변경한 수정 블럭 촬상경로를 상호 대비하여 최단 경로를 가지는 것을 최종 블럭 촬상경로로 선택하는 보간단계(S225)를 더 포함할 수 있다. 이 경우에 최적 촬상경로 산출단계(S226)는 최종 블럭 촬상경로를 연결하여 촬상 타겟들의 최적 촬상경로를 산출하는 단계일 수 있다.
상기와 같은 본 발명의 일 실시예에 의하면, 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공함으로써 저배율 이미지 상에 불규칙적으로 분포하는 촬상 타겟들에 대한 영상 획득 시간을 감소시킬 수 있다. 즉 촬상 타겟들의 각 위치에서 고배율 촬상을 위한 위치 제어 모터의 제어신호의 전송, 모터의 물리적 움직임, 소프트웨어 컴퓨팅 등이 타겟들에 대한 영상 획득 시간을 구성하므로 최적의 고배율 촬상 경로 선정은 타겟들에 대한 영상 획득 시간 감소에 직접적인 역할을 한다.
그리고 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공함으로써 혈액이나 골수 등 표본 관찰에 있어서 저배율 이미지에 기반하여 촬상 타겟들의 고배율 이미지 획득을 위한 소요 시간을 향상시킬 수 있다.
아울러 고배율 촬상을 위한 최적 촬상경로 연산 방법을 제공함으로써 반도체 웨이퍼 등의 결함 검사 또는 천체 관측을 위해 저배율 이미지에 기반하여 촬상 타겟들을 선정하고 선정된 타겟들의 고배율 이미지 획득을 위한 소요 시간을 향상시킬 수 있다.
도 1은 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예를 순차적으로 나타낸 순서도이고,
도 2는 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 과정을 순차적으로 나타낸 순서도이고,
도 3은 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예를 적용하기 위해 슬라이드 표본 내에서 백혈구 세포 디텍션한 이미지(a)와, 백혈구 세포의 평균 사이즈로 노드 맵을 생성한 이미지(b)를 나타낸 도면이고,
도 4는 도 3(b)의 노드 맵 생성 이미지에 고배율 화각 사이즈에 대응하는 마스크를 무작위로 배치한 상태를 나타낸 도면이며,
도 5는 중첩되는 마스크들 사이에서 촬상 타겟 개수가 적거나 같은 개수를 포함하는 마스크를 제거하는 듀플리케이션 제거 전(a)과 제거 후(b)를 각각 나타낸 도면이고,
도 6은 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 클러스티링에 기초하여 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획 과정(S20)을 순차적으로 나타낸 순서도이고,
도 7은 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 경로 계획 과정에 있어서 저배율 이미지를 4개 블럭으로 구획화한 것(a)과 16개 블럭으로 구획화한 것(b)을 각각 나타낸 도면이고,
도 8 (a), (b)는 도 7 (a), (b) 각각에 대하여 구획된 촬상블럭들에 대한 순차적 촬상방향을 화살표로 각각 나타낸 도면이고,
도 9는 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 최적 촬상경로 산출단계(S220)를 순차적으로 나타낸 순서도이고,
도 10 (a), (b), (c), (d)는 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 경로 계획 과정에 있어서, 4 개의 촬상블럭 내의 가능한 블럭경로들의 일 예들을 각각 나타낸 도면이고,
도 11은 보간 과정을 설명하기 위해 결정된 블럭 촬상경로(a)와, 결정된 블럭 촬상경로들의 인접한 클러스터들 사이에 촬상 순서를 변경한 수정 블럭 촬상경로(b)의 예시를 나타낸 도면이고,
도 12는 최종 블럭 촬상경로를 연결하여 촬상 타겟들의 산출된 최적 촬상경로를 4 개의 촬상블럭과 16 개의 촬상블럭에 각각 도시한 것을 나타낸 도면이다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
한편, 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 상세한 설명을 생략할 것이다. 그리고, 본 명세서에서 사용되는 용어(terminology)들은 본 발명의 실시예를 적절히 표현하기 위해 사용된 용어들로서, 이는 사용자, 운용자의 의도 또는 본 발명이 속하는 분야의 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당 업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
고배율 촬상을 위한 최적 촬상경로 연산 방법
도 1은 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예를 순차적으로 나타낸 순서도이다. 도 1에 도시된 바와 같이, 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예는, 저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 타겟 클러스터링(S10)을 수행하고 수행된 클러스터링에 기초하여 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획(S20)을 수행함으로써 구현될 수 있다.
본 실시예에 의하면 저배율 이미지 상에 불규칙적으로 분포하는 촬상 타겟들에 대한 영상 획득 시간을 감소시킬 수 있으며, 혈액이나 골수 등 표본 관찰이나 반도체 웨이퍼 등의 결함 검사 또는 천체 관측 등에 있어서, 저배율 이미지에 기반하여 촬상 타겟들을 선정하고 선정된 타겟들의 고배율 이미지 획득을 위한 소요 시간을 향상시킬 수 있도록 작용한다. 이하 본 실시예의 설명에 있어서, 백혈구 세포(White Blood Cell)의 표본 관찰에 적용하는 경우를 예시하여 설명하지만 이에 한정되는 것이 아님을 밝혀둔다.
클러스터링
도 2는 본 발명인 고배율 촬상을 위한 최적 촬상경로 연산 방법의 일 실시예 중 저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 과정을 순차적으로 나타낸 순서도이다. 도 2를 참조하면, 클러스터링 수행 과정은 우선, 저배율 촬상 이미지에 기반하여 촬상 타겟들을 디텍션 한다(S110). 도 3 (a)에서는 저배율 촬상 이미지로서 백혈구 세포(박스 표시)를 촬상 타겟으로 선택한 경우의 이미지를 나타내었다.
다음 촬상 타겟들의 사이즈에 기반하여 노드맵을 작성한다(S120). 촬상 타켓들의 크기는 조금씩 다를 수 있으므로 촬상 타겟들의 사이즈는 평균 값으로 정할 수 있다. 도 3 (b)에서는 백혈구 세포의 평균 사이즈를 고려하여 노드의 크기를 64 × 64 픽셀로 선정하였다.
다음 저배율 촬상 이미지에 대하여 고배율 화각 사이즈에 대응하는 다수의 마스크를 무작위로 배치하는 랜덤 마스킹 단계(S130)를 수행한다. 여기서 마스크는 고배율 촬상을 위한 것이므로 고배율 화각(FOV; Field of View) 사이즈의 마스크를 선택하는 것이 바람직하다. 결국 무작위로 배치되는 마스크는 내부에 촬상 타겟들을 포함하게 되며, 도 4에 도시된 바와 같이 나타날 수 있다.
다음 무작위 배치된 다수의 마스크 중 중첩되는 마스크들 사이에서 촬상 타겟 개수가 적거나 같은 개수를 포함하는 마스크를 제거하는 듀플리케이션 제거 단계(S140)가 수행된다. 이러한 듀플리케이션 제거는 랜덤 마스킹 결과 도출되는 클러스터링이 중복되는 것을 방지하고 최적의 클러스터링을 도출하기 위함이다. 도 5에서는 듀플리케이션 제거 전(a)과 듀플리케이션 제거 후(b)를 각각 나타내었다.
다음 랜덤 마스킹 단계(S130) 및 듀플리케이션 제거 단계(S140)를 순차적으로 N-1 회 더 반복 수행한다.
결국, 도출된 N 개의 클러스터링 중에서 설정 개수 이상의 촬상 타겟들을 포함하는 마스크의 개수가 가장 많은 하나의 클러스터링을 최종 클러스터링으로 선정(S150)함으로써 클러스터링 수행 과정이 구현될 수 있다.
여기서 N은 2 이상의 양의 정수이고, '설정 개수 이상의 촬상 타겟들을 포함하는 마스크'라 함은 마스크 내부에 위치하는 촬상 타겟들이 설정된 개수 이상일 것을 조건으로 한다는 것을 의미한다. 본 실시예에서는 2 개 이상의 촬상 타겟들이 포함된 마스크로 설정하였지만 연산량 증가와는 별개로 1 개의 촬상 타겟으로 설정할 수도 있다.
촬상 경로 계획(imaging path planning)
클러스티링에 기초하여 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획단계(S20)는, 도 6에 도시된 바와 같이 저배율 촬상 이미지에 대하여 2 이상의 촬상블럭으로 구획하는 촬상블럭 구획단계(S210)가 수행된 이후에, 구획된 촬상블럭들에 대하여 순차적으로 촬상방향을 선정하고 선정된 순차적 촬상방향에 기반하여 최적 촬상경로를 산출하는 단계(S220)가 수행됨으로써 구현될 수 있다.
여기서 촬상블럭 구획단계(S210)는 고배율 촬상을 위한 영역 분할(regional segmentaion)에 관한 것으로서 저배율 촬상 이미지 전체 면적을 규칙적으로 영역 분할하는 것을 의미한다. 본 실시예에서는 도 7에 도시된 바와 같이, 정사각형의 4 개의 촬상블럭을 구획한 것(a)과 정사각형 16 개의 촬상블럭을 구획한 것(b)을 이용할 수 있다. 촬상블럭은 촬상 타겟들의 밀집도에 따라 선택될 수 있는 것이므로 촬상 타겟들이 많은 경우 16 개 이상으로 구획화될 수도 있다.
최적 촬상경로 산출단계(S220)는 도 8에 도시된 바와 같이, 스퀘어 경로 계획(square path planning)을 선택함으로써 출발에서부터 도착까지의 촬상방향이 규칙성을 갖도록 하는 것이 바람직하다. 도 8에서는 4 개 촬상블럭의 촬상방향을 표시한 것(a)과 16 개 촬상블럭의 촬상방향을 표시한 것(b)을 나타내었다.
한편 최적 촬상경로 산출단계(S220)는, 도 9에 도시된 바와 같은 단계들로 구현될 수 있다. 도 9를 참조하여 S220 단계를 설명하면, 우선 각 촬상블럭의 일 변에 복수의 기준점을 선정하여 선정된 기준점들로부터 가까운 곳에 위치하는 클러스터에서 먼 곳에 위치하는 클러스터를 잇는 각 촬상블럭 내의 가능한 블럭경로들을 연산한다(S222). 여기서 각 변에서 복수의 기준점들은 소정 간격으로 그 일 변에 산개되도록 설정할 수 있다.
도 10 (a), (b), (c), (d)에서와 같이, 첫 번째 촬상블럭은 외곽 일 변을 복수의 기준점을 갖는 일 변으로 선정하고 전술한 촬상방향을 따라 두 번째 촬상블럭의 경계선에 블럭 도착점을 선정한다. 그리고 촬상방향을 따라 세 번째 촬상블럭의 경계선에 블럭 도착점을 선정하게 되므로 두 번째 촬상블럭에서 복수의 기준점을 갖는 일 변은, 블럭 도착점과 마주보는 일 변으로 선정한다. 이어서 네 번째 촬상블럭의 경계선에 블럭 도착점을 선정하게 되므로 세 번째 촬상블럭에서 복수의 기준점을 갖는 일 변은, 또한 블럭 도착점과 마주보는 일 변으로 선정한다. 마지막으로 네 번째 촬상블럭의 오른쪽 경계선에 블럭 도착점을 선정하므로 네 번째 촬상블럭에서 복수의 기준점을 갖는 일 변은, 또한 블럭 도착점과 마주보는 일 변으로 선정한다.
다음 연산된 블럭경로들 중 최단인 것을 각 촬상블럭에서의 블럭 촬상경로로 결정한다(S224).
마지막으로 모든 촬상블럭에서 각 결정된 블럭 촬상경로들을 연결하여 촬상 타겟들의 최적 촬상경로를 산출함(S226)으로써 최적 촬상경로 산출단계(S220)가 수행될 수 있다.
전술한 최적 촬상경로 산출단계(S220)는 결정된 블럭 촬상경로가 해당 촬상블럭에서 독립적으로 결정된 것이므로 모든 결정된 블럭 촬상경로들을 연결하는 경우 촬상블럭 경계 사이의 경로문제와 최초 위치제어수단의 위치에 따른 경로문제가 발생할 수 있다.
경로문제를 최소화하기 위해 블럭 촬상경로 결정단계(S224)와 최적 촬상경로 산출단계(S226) 사이에, 보간단계(S225)를 더 포함할 수 있다.
보간단계(S225)는 결정된 블럭 촬상경로와, 결정된 블럭 촬상경로들의 인접한 클러스터들 사이에 촬상 순서를 변경한 수정 블럭 촬상경로를 상호 대비하여 최단 경로를 가지는 것을 최종 블럭 촬상경로로 선택하는 방법으로 수행된다. 이 경우에 최적 촬상경로 산출단계(S226)는 최종 블럭 촬상경로를 연결하여 촬상 타겟들의 최적 촬상경로를 산출하는 단계일 수 있다.
여기서 보간단계(S225)는 버블 패스 인터폴레이션(bubble path interpolation)이라고 명명되며, 일 예로 도 11 (a)에 도시된 바와 같이, 클러스터 0 → 8 → 5 → 19의 촬상경로와 클러스터 0 → 5 → 8 → 19의 촬상경로와 같이 인접하는 클러스터 사이의 촬상 순서를 변경하는 경우 더 짧은 경로가 도출될 수 있으므로 이 경우에 유용하다.
본 실시예에서 4 개의 촬상블럭 및 16 개의 촬상블럭에 대하여 최종 블럭 촬상경로를 연결하면 도 12 (a), (b)에서와 같이 촬상 타겟들의 최적 촬상경로가 도출될 수 있다.
Figure 112020002587862-pat00001
상기 표 1은 본 실시예에서의 클러스터링과 K-Means의 결과를 대비한 표이다. 백혈구 세포 개수, 싱글 촬상 타겟을 포함하는 클러스터 개수, 2개 이상의 촬상 타겟을 포함하는 클러스터 개수에서 본 실시예가 월등히 높음을 알 수 있으며 계산 시간은 오히려 더 짧은 것을 알 수 있다.
Figure 112020002587862-pat00002
상기 표 2는 본 실시예의 촬상 경로 계획(path planning)을, 근처에 있는 촬상 타겟을 따라 가는 경로 계획의 기존 방법과, 그리고 DFS(Breadth First Search)방법을 비교한 결과 계산시간이 월등히 짧으며 촬상 경로에 해당하는 거리(pixel) 또한 더 작은 것을 알 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당 업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (6)

  1. 불규칙적으로 분포하는 타겟들을 고배율 촬상하기 위해 상기 타겟들의 저배율 촬상 이미지에 기초하여 최적 촬상경로를 연산하는 방법에 있어서,
    저배율 촬상 이미지에 기초하여 촬상 타겟들에 대하여 클러스터링을 수행하는 타겟 클러스터링 단계(S10); 및
    상기 클러스터링에 기초하여 상기 촬상 타겟들의 고배율 촬상을 위한 최적 촬상경로를 계획하는 촬상경로 계획단계(S20)를 포함하되,
    상기 클러스터링 단계(S10)는,
    상기 저배율 촬상 이미지에 기반하여 상기 촬상 타겟들을 디텍션하는 단계(S110);
    상기 촬상 타겟들의 사이즈에 기반하여 노드맵을 작성하는 단계(S120);
    상기 저배율 촬상 이미지에 대하여 고배율 화각 사이즈에 대응하는 다수의 마스크를 무작위로 배치하는 랜덤 마스킹 단계(S130);
    상기 무작위 배치된 다수의 마스크 중 중첩되는 마스크들 사이에서 상기 촬상 타겟 개수가 적거나 같은 개수를 포함하는 마스크를 제거하는 듀플리케이션 제거 단계(S140); 및
    상기 랜덤 마스킹 단계 및 상기 듀플리케이션 제거 단계를 순차적으로 N-1 회 더 반복하여 도출된 N 개의 클러스터링 중에서 설정 개수 이상의 촬상 타겟들을 포함하는 마스크의 개수가 가장 많은 하나의 클러스터링을 최종 클러스터링으로 선정하는 클러스터링 선정단계(S150)
    (여기서 N은 2 이상의 양의 정수임.)
    를 포함하는 고배율 촬상을 위한 최적 촬상경로 연산 방법.
  2. 삭제
  3. 제1 항에 있어서,
    상기 최적 촬상경로 계획단계(S20)는,
    상기 저배율 촬상 이미지에 대하여 2 이상의 촬상블럭으로 구획하는 촬상블럭 구획단계(S210); 및
    상기 구획된 촬상블럭들에 대하여 순차적 촬상방향을 선정하고 상기 선정된 순차적 촬상방향에 기반하여 상기 최적 촬상경로를 산출하는 최적 촬상경로 산출단계(S220)를 포함하는 고배율 촬상을 위한 최적 촬상경로 연산 방법.
  4. 제3 항에 있어서,
    상기 최적 촬상경로 산출단계(S220)에서,
    상기 순차적 촬상방향은 스퀘어 경로 계획(square path planning)인 것을 특징으로 하는 고배율 촬상을 위한 최적 촬상경로 연산 방법.
  5. 제3 항에 있어서,
    상기 최적 촬상경로 산출단계(S220)는,
    상기 구획된 촬상블럭들을 구성하는 각 촬상블럭마다 일 변에 복수의 기준점을 선정하여 상기 선정된 기준점들로부터 가까운 곳에 위치하는 클러스터에서 먼 곳에 위치하는 클러스터를 잇는 상기 각 촬상블럭 내의 가능한 블럭경로들을 연산하는 단계(S222);
    상기 연산된 블럭경로들 중 최단인 것을 상기 각 촬상블럭에서의 블럭 촬상경로로 결정하는 단계(S224); 및
    상기 각 촬상블럭마다 결정된 상기 블럭 촬상경로를 모두 연결하여 상기 촬상 타겟들의 최적 촬상경로를 산출하는 단계(S226)를 포함하는 고배율 촬상을 위한 최적 촬상경로 연산 방법.
  6. 삭제
KR1020200003239A 2020-01-09 2020-01-09 고배율 촬상을 위한 최적 촬상경로 연산 방법 KR102272209B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200003239A KR102272209B1 (ko) 2020-01-09 2020-01-09 고배율 촬상을 위한 최적 촬상경로 연산 방법
PCT/KR2021/000131 WO2021141381A1 (ko) 2020-01-09 2021-01-06 고배율 촬상을 위한 최적 촬상경로 연산 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200003239A KR102272209B1 (ko) 2020-01-09 2020-01-09 고배율 촬상을 위한 최적 촬상경로 연산 방법

Publications (1)

Publication Number Publication Date
KR102272209B1 true KR102272209B1 (ko) 2021-07-02

Family

ID=76788146

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200003239A KR102272209B1 (ko) 2020-01-09 2020-01-09 고배율 촬상을 위한 최적 촬상경로 연산 방법

Country Status (2)

Country Link
KR (1) KR102272209B1 (ko)
WO (1) WO2021141381A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0927028A (ja) * 1995-07-07 1997-01-28 Dainippon Screen Mfg Co Ltd 多階調画像の修正装置
KR20050035564A (ko) * 2003-10-13 2005-04-19 학교법인 포항공과대학교 클러스터링 기법을 이용한 자동 카운팅 방법
KR20150110704A (ko) * 2013-03-29 2015-10-02 가부시키가이샤 히다치 하이테크놀로지즈 결함 검사 방법 및 결함 검사 장치
KR101763199B1 (ko) * 2016-06-14 2017-08-03 한국화학연구원 미세 대상물 관찰 장치
JP2018534074A (ja) * 2015-11-18 2018-11-22 ライトラボ・イメージング・インコーポレーテッド Ｘ線画像特徴検出および位置合わせのシステムおよび方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0927028A (ja) * 1995-07-07 1997-01-28 Dainippon Screen Mfg Co Ltd 多階調画像の修正装置
KR20050035564A (ko) * 2003-10-13 2005-04-19 학교법인 포항공과대학교 클러스터링 기법을 이용한 자동 카운팅 방법
KR20150110704A (ko) * 2013-03-29 2015-10-02 가부시키가이샤 히다치 하이테크놀로지즈 결함 검사 방법 및 결함 검사 장치
JP2018534074A (ja) * 2015-11-18 2018-11-22 ライトラボ・イメージング・インコーポレーテッド Ｘ線画像特徴検出および位置合わせのシステムおよび方法
KR101763199B1 (ko) * 2016-06-14 2017-08-03 한국화학연구원 미세 대상물 관찰 장치

Also Published As

Publication number Publication date
WO2021141381A1 (ko) 2021-07-15

Similar Documents

Publication Publication Date Title
US9922414B2 (en) Defect inspection method and defect inspection device
Rakhmadi et al. Connected component labeling using components neighbors-scan labeling approach
CN112904369B (zh) 机器人重定位方法、装置、机器人和计算机可读存储介质
CN112683275A (zh) 一种栅格地图的路径规划方法
JP3333721B2 (ja) 領域検出装置
KR102272209B1 (ko) 고배율 촬상을 위한 최적 촬상경로 연산 방법
CN109359167B (zh) 基于观测目标的条带划分方法
WO2017032096A1 (en) Method for predicting stereoscopic depth and apparatus thereof
JP7093680B2 (ja) 構造物差分抽出装置、構造物差分抽出方法およびプログラム
JP2014236912A (ja) 画像処理装置およびその方法
JPH09261646A (ja) 画像の動き検出装置
RU2647645C1 (ru) Способ устранения швов при создании панорамных изображений из видеопотока кадров в режиме реального времени
JP5310594B2 (ja) 画像処理装置、画像処理方法、およびプログラム
RU2626551C1 (ru) Способ формирования панорамных изображений из видеопотока кадров в режиме реального времени
CN110717471B (zh) 基于支持向量机模型b超图像目标检测方法及b超扫描仪
JP2001229388A (ja) 画像データのマッチング方法
KR101804157B1 (ko) 개선된 sgm 기반한 시차 맵 생성 방법
CN112580746B (zh) 一种众包数据多道路片段的连续划分方法与装置
JP3978614B2 (ja) 画像領域分割方法および画像領域分割装置
JP3611006B2 (ja) 画像領域分割方法および画像領域分割装置
CN115908426B (zh) 一种基于三维点云定位算法的板材试样加工方法及系统
JP6969951B2 (ja) 測距装置、プログラム、測距方法
EP1238366A1 (en) Method for registering separation patterns
Young et al. Cell identification in differential interference contrast microscope images using edge detection
Thang Image processing procedures based on multi-quadratic dynamic programming

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant