KR0143150B1 - 최단걷기변환을 이용한 영상분할방법 - Google Patents
최단걷기변환을 이용한 영상분할방법Info
- Publication number
- KR0143150B1 KR0143150B1 KR1019950002085A KR19950002085A KR0143150B1 KR 0143150 B1 KR0143150 B1 KR 0143150B1 KR 1019950002085 A KR1019950002085 A KR 1019950002085A KR 19950002085 A KR19950002085 A KR 19950002085A KR 0143150 B1 KR0143150 B1 KR 0143150B1
- Authority
- KR
- South Korea
- Prior art keywords
- walking
- base
- image
- initial
- pixels
- Prior art date
Links
- 238000010191 image analysis Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000003709 image segmentation Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 230000012010 growth Effects 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008602 contraction Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 241001293511 Umbra Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035040 seed growth Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
최단걷기변환을 이용한 영상분할방법은 영역성장을 이용하여 그레이레벨의 값들을 갖는 화소들로 이루어진 영상을 분할한다. 영역성장을 위한 다수의 초기 베이스들이 표시(marking)되면, 초기 베이스들 각각에 포함되지 않으면서 각각의 초기 베이스와 유사한 특성을 갖는 모든 화소들이 결정된다. 결정이 근거가 되는 베이스와 결정된 화소들에 대하여 최단걷기변환을 이용하여 베이스들의 수가 줄어드는 최기집단화가 이루어지면, 원래의 영상은 초기집단화된 베이스들에 대한 최단걷기변환의 이용에 의해 부영상들로 분할된다. 따라서, 종래의 영역성장알고리즘에서의 씨앗점, 즉 본 발명에서의 베이스의 선정을 위한 방법을 제시함으로써, 입체영상화나 패턴인식을 위해 요구되는 경계들을 정확히 표시할 수 있는 효과를 가져온다.
Description
제1도는 본 발명의 바람직한 실시예에 따른 영상분할장치를 나타낸 블록도
제2도(a) 내지 (f)는 노이즈가 적은 화상에 대하여 본 발명에 따른 영상분할을 수행한 결과를 설명하기 위한 도면
제3도(a) 내지 (f)는 노이즈가 있는 초음파 화상에 대하여 본 발명에 따른 영상분할을 수행한 결과를 설명하기 위한 도면
*도면의 주요부분에 대한 부호의 설명
11 : 표시부 13 : 초기집단화부
15 : 영상분할부 17 : 후처리부
본 발명은 영상을 분할하기 위한 방법에 관한 것으로, 특히 모노크롬(monochrome) 영상을 그레이레벨의 값들을 이용하여 분할하기 위한 방법에 관한 것이다.
영상으로부터 정보를 추출하기 위하여 영상해석(image analysis)을 수행한다. 영상해석은 본래의 영상이 가지고 있는 정보를 잃어버리지 않고, 다루기 쉬운 형태로 변환하여 필요에 따라 정량화하는 처리이다. 이러한 영상해석을 위해, 영상은 다수의 영역들로 분할된다. 모노크롬영상을 분할하는 방법으로는, 문턱을 이용한 분할, 영역성장(region growing)을 이용한 분할등이 사용되었다. 문턱을 이용한 분할은 히스토그램상에서의 그레이레벨의 값을 기설정된 문턱값과 비교하여, 문턱값보다 적은 경우 제1영역, 문턱값보다 큰 경우 제2영역으로 구분한다. 한편, 영역성장을 이용한 분할은, 먼저 경계면을 적당한 방법(일반적으로, 문턱을 이용)으로 추출하고, 임의로 정해진 씨앗점(seed point)들로부터 시작하여 경계면을 만나지 않는 한 계속 이 씨앗을 성장시킨다. 이러한 방식으로 각 씨앗을 증가시키고 영역들이 만나는 경계에 근거하여 영상을 분할한다. 이 방식의 경우, 상술한 바와 같이 씨앗점의 선정이 임의적이며, 성장의 근거가 되는 특성이 흑백영상에서 사용되는 단순한 기준을 사용하게 되어 정확한 영상분할이 이루어지지 않는 문제점이 있었다.
본 발명의 목적은 상술한 문제점을 해결하기 위하여 씨앗성장방법을 개선함으로써, 종래의 영역성장을 이용한 영상분할보다 정확하게 영상을 분할할 수 있는 최단걷기변환을 이용한 영상분할방법을 제공함에 있다.
상술한 목적을 달성하기 위한 본 발명의 최단걷기변환을 이용한 영상분할방법은, 영역성장을 이용하여 그레이레벨로 표시되는 화소들로 이루어진 영상을 분할하기 위한 방법에 있어서, 영역성장을 위한 다수의 초기 베이스들을 결정하는 단계 ; 상기 초기 베이스들 각각에 포함되지 않으면서 각각의 초기 베이스와 유사한 특징을 갖는 모든 화소들을 결정하는 단계 ; 상기 결정의 근거가 되는 베이스와 결정된 화소들에 대하여 최단걷기변환을 이용하여 베이스들의 수를 줄이는 초기집단화단계 ; 및 초기집단화된 베이스들과 최단걷기변환을 이용하여 영상을 부영상들로 분할하는 단계를 포함한다.
이하, 첨부한 도면을 참조하여 본 발명을 구현한 실시예를 상세히 설명한다.
제1도는 본 발명의 바람직한 실시예에 따른 영상분할장치를 나타낸 블록도이다. 본 발명에 따른 제1도의 장치는, 2차원 모노크롬영상 또는 칼러영상을 분할하기 위한 것으로, 초기 베이스들을 표시하기 위한 표시(marking)부(11), 초기 베이스들의 수를 줄이기 위한 초기집단화부(13), 영상분할부(15), 및 후처리부(17)를 포함한다.
제1도 장치에 의한 신호처리를 설명하기에 앞서 본 발명의 최단걷기변환에 대하여 설명한다. 직관적으로, 걷기는 우리가 한 경로를 통하여 걸을 때의 요구되는 걸음(step)들의 수이다. 이러한 걷기의 개념을 도입한 최단걷기변환(Shortest Walk Transform ; SWT)은 하나의 베이스로부터 그 베이스의 영역에 속하지 않으면서도 베이스와 유사한 특성을 갖는 다수의 화소점들까지의 최단걷기를 판단하는 것이다. 상술의 베이스는 걷기를 시작하는 점들 또는 영역들로, 여러 가지 표시(mark)방법들, 예를 들어 Local minima Bottom hat transform, h-basin, plain등에 의하여 얻어진다.
제1도의 설명으로 돌아가서, 표시부(11)는 콘트라스트 개선, 노이즈제거등의 전처리를 거친 영상정보를 인가받아, 국소극소값들(local minima)을 검출하기 위한 알고리즘이나 평지(plain)검출 알고리즘을 이용하여 인가되는 영상정보의 영상에 대한 다수의 베이스들을 결정한다. 표시부(11)는 국소극소값들의 검출 알고리즘을 사용하는 경우, 이웃하는 화소들보다 세기값이 크지않은 화소들 각각을 베이스(base)로 결정한다. 평지검출 알고리즘을 사용하는 경우, 표시부(11)는 임의의 화소에 대한 세기값과그 화소에 이웃하는 모든화소들의 차이들을 이용하여 추출되는 평평한 영역들을 초기 베이스들로 결정한다. 잡음이 있는 많은 초음파 영상들의 경우 국소극소값들의 검출알고리즘이 보다나은 방법이 되고, 잡음이 적은 영상들의 경우 평지검출 알고리즘의 사용이 가능하다. 표시부(11)는 결정된 베이스들에 대한 정보(좌표값 및 세기값)와, 화소들에 대응하는 좌표값 및 세기값을 초기집단화부(13)로 출력한다.
표시부(11)에 의해 결정되는 베이스들의 수는 대체로 매우 많게 되므로, 초기집단화부(13)는 최단걷기변환에 근거한 팽창(dilation), 축소(erosion), 닫기(closing), 또는 열기(opening)를 이용하여 표시부(11)에 의해 결정된 베이스들의 수를 줄인다. 먼저, 초기집단화부(13)는 각각의 베이스에 대하여 그 베이스 외부에 위치하며 허용되는 유사한 특성을 갖는 점들(베이스들)에 대한 모든 가능한 경로(P)를 검출한다. 여기서, 임의의 베이스 x0와 xn간의 경로P(x0,xn)는 좌표들 x0, x1, ..., xn를 갖는 서로다른 화소들의 수열이다. 그리고, n은 경로의 길이를 의미하며, xi는 xi-1의 이웃(neighbor)으로, xi∈N(xi-1) 이다. 각각의 베이스에 대한 모든 가능한 경로가 검출되면, 초기집단화부(13)는 임의의 베이스에 해당하는 점 xi에서 그 베이스에 속하지 않으면서 유사한 특성을 갖는 xn로 갈 수 있는 모든 가능한 경로에 대한 경로 P의 걷기량 W(P)를 계산한다. 걷기량 W(P)는 다음 식(1)의 관계를 가지며,
여기서, UDi=UD(xj, xi+1)이고, [xj, xi+1]는 경로(P)의 일부분이다. 식(1)에서, 통합거리(UD)는 서로 인접한 화소들간에서 계산되며, 다음의 식(2)로 정의 된다.
이러한 통합거리(unified distance)의 계산에 근거하여, 우리는 2차원 이진영상기법들을 사용하여 2차원 그레이레벨영상을 처리할 수 있게 된다. 식(2)에서 SD는 공간거리를 의미하며, GD는 그레이레벨거리로서, 다음의 식들에 의해 정의된다.
식(3)의 그레이레벨거리(GD)는 두 화소점들간의 세기값들의 차이로 해석되며, I(x)는 x에서의 세기값이다. 그리고 공간거리(SD)는 두 화소점간의 최단거리이다. 식(2)의 g는 거리비로서, 단위 그레이레벨거리와 단위공간거리간의 비(rate)이다.
초기집단화부(13)는 경로상의 놓인 인접 화서간의 공간(SD)및 그레이레벨거리(GD)를 계산한 다음, 통합거리(UD)를 계산한다. 통합거리(UD) 역시 서로 인접한 화소들간에 계산된다. 각각의 통합거리(UD)가 계산되면, 초기집단화부(13)는 위의 식(1)을 사용하여 경로P에 대한 걷기량 W(P)를 계산한다. 걷기량 W(P)가 계산되면, 초기집단화부(13)는 베이스로부터 임의의 화소(또는 베이스)가지의 가능한 모든 경로들에 대한 최단 걷기량(SW)을 계산한다. 여기서, 임의의 점 xj과 xn간의 최단걷기 SW(xj, xn)는 W(Pi)의 극소값이 된다. 초기집단화부(13)는 최단걷기량을 갖는 화소까지의 화소들을 추가한다. 따라서, 서로 유사한 특성을 갖는 베이스들은 서로 합쳐져 영상에 대한 전체 베이스의 수가 줄어든다.
한편, 초기집단화부(13)에 의한 형태론적 처리는 최단걷기변환에 근거하여 이루어지며, 이러한 형태론적 처리를 위한 기본적인 개념을 다음에서 보였다. 아래에서 보인 정의들은 그레이레벨에 대하여 정의된 것이다.
열림 또는 닫힘은 상술한 팽창 및 축소의 결합에 의해 정의된다. 이러한 닫힘 또는 열림은 디지탈 이미지 처리를 다루는 문헌들에 기술되어 있다. 팽창 및 축소에 관련하여 열림 또는 닫힘을 정의하는 기술을 다루는 문헌으로는 Adison-Wesley Publishing company에서 간행한 Gonzalez 등의 Digital Image Processing이 있다. 이 책의 518페이지 이후의 내용은 팽창, 축소, 열림, 닫힘에 대한 일반적인 사항들을 기술하고 있다.
다시 초기 집단화부(13)의 설명으로 돌아가서, 초기집단화부(13)는 최단걷기변환에 의해 그 수 줄어든 베이스에 관련한 정보들을 발생한다. 초기집단화부(13)에서 발생되는 정보, 즉 초기집단화된 베이스들과 각 화소에 대한 좌표 및 세기값은 영상분할부(15)로 인가된다.
영상분할부(15)는 다시 상술의 식(1) 내지 식(4)를 사용하여 최단걷기변환을 수행하며, 서로 다른 베이스들의 가장자리들이 만나는 경계를 검출하여 영상분할한다. 영상분할부(15)는 영상분할에 의해 발생되는 정보를 후처리부(17)로 출력한다. 후처리부(17)는 영상분할에 의해 발생되는 각각의 부영역에 대한 텍스트(texture)나 평균 그레이레벨값을 계산하여 기설정된 적절한 기준들(criteria)내에 포함하는 부영역들을 다시 같은 부영역으로 결합시킨다.
제2도(a) 내지 (f)는 노이즈가 적은 화상에 대하여 본 발명에 따른 영상분할을 수행한 결과를 설명하기 위한 도면이다. 표시부(11)가 제2도(a)의 원화상을 4레벨을 허용하는 평지검출알고리즘에 따라 처리하면, 제2도(a)의 화상은 제2도(b)와 같이 변환된다. 제2도(a)는 서로다른 레이블들의 수가 1059일 때를 보여준다. 초기 집단화부(13)가 제2도(b)의 화상을 설다른 레이블들의 수가 658이며 이치열림(binary opening)에 따라 처리하면 제2(c)와 같이 된다. 영상분할부(15)가 걷기량이 10이면 거리비가 0.3이며 서로 다른 레이블들의 수가 213일때의 최단걷기변환과 함게 팽창(dilation)을 수행하면, 제2도(c)는 제2도(d)의 형태로 변환된다. 영상분할부(15)가 영상분할을 완료하면, 분할된 화상은 제2도(e)와 같이 나타내어진다. 제2도(f)는 제2도(e)의 분할된 화상과 제2도(a)의 원화상이 겹친것을 보여준다.
제3도(a) 내지 (f)는 노이즈가 있는 초음파 화상에 대하여 본 발명에 따른 영상분할을 수행한 결과를 설명하기 위한 도면이다. 제3도 (a)는 정화처리(cleaning procedure), 즉 닫기(closing)에 의해 세부상들(details)이 간략해진 것이다. 제3도(b)의 초음파 화상은 전처리로서 움브라(Umbra)변환, 즉 2차원 그레이레벨 영상을 3차원 이치(binary)영상으로 변환하여 형태론적 처리를 수행하는 변환을 사용하는 닫기를 수행한 화상이다. 제3도(c)는 표시부(11)가 국소극소방법(local minima method)을 이용하며, 서로 다른 레이블들의 수가 2775일 때를 보여준다. 제3도(d)는 걷기량이 10, 거리비가 0.3이며 서로 다른 레이블들의 수가 213일 때 초기집단화부(13)가 최단걷기변환과 함께 팽창(dilation)을 수행한 결과를 보여준다. 제3도(e)는 영상분할부(15)에 의해 분할된 영상이며, 제3도(f)는 제3도(e)의 분할된 화상과 제3도(a)의 원화상이 겹친것을 보여준다.
상술한 일 실시예를 통하여 기술한 본 발명은 종래의 영역성장알고리즘에서의 씨앗점, 즉 본 발명에서의 베이스의 선정을 위한 방법을 제시함으로써, 입체영상화나 패턴인식을 위해 요구되는 경계들을 정확히 표시할 수 있는 효과를 가져온다. 특히, 최단걷기변환을 이용한 영상분할은 기존의 끊어지지 않는 경계를 추출하는 알고리즘 보다 훨씬 간단하면서도 적은 시간으로 영상분할을 수행하면서도, 끊어지지 않는 명확한 경계면을 추출할 수 있다.
Claims (4)
- 영역성장을 이용하여 그레이레벨로 표시되는 화소들로 이루어진 영상을 분할하기 위한 방법에 있어서, 영역성장을 위한 다수의 초기 베이스들을 표시(marking)하는 단계 ; 표시된 초기 베이스들 각각에 포함되지 않으면서 각각의 초기 베이스와 유사한 특성을 갖는 모든 화소들을 결정하는 단계 ; 상기 결정의 근거가 되는 베이스와 결정된 화소들에 대하여 최단걷기변환을 이용하여 베이스들의 수를 줄이는 초기집단화단계 ; 및 초기집단화된 베이스들과 최단걷기변환을 이용하여 영상을 부영상들로 분할하는 단계를 포함하는 최단걷기변환을 이용한 영상분할방법.
- 제1항에 있어서, 상기 초기집단화단계는 상기 결정의 근거가 되는 베이스와 결정된 화소들 각각에 대응하는 가능한 모든 경로들을 각각의 베이스에 대하여 검출하는 경로검출단계 ; 검출된 경로들 각각에 대한 걷기량을 계산하는 단계 ; 계산된 걷기량중에서 최소의 걷기량에 대응하는 화소를 결정하는 최소걷기검출단계 ; 및 상기 검출된 화소와 해당 베이스의 형태론적 처리를 이용하여 최소의 걷기량을 갖는 화소를 해당 베이스에 포함시키는 단계를 포함하는 것을 특징으로 하는 최단걷기변환을 이용한 영상분할방법.
- 제2항에 있어서, 상기 최단걷기검출단계는 상기 검출된 경로상에서 서로 인접하게 위치한 화소들에 대한 다수의 통합거리를 계산하는 단계 ; 상기 통합거리를 상기 검출된 경로에 대하여 합산하여 상기검출된 경로에 대한 걷기량을 계산하는 단계 ; 상기 검출된 경로의 시작과 끝에 대응하는 베이스와 화소점에 대하여 모든 가능한 경로들에 대한 최단걷기량을 검출하는 단계를 포함하는 것을 특징으로 하는 최단걷기변환을 이용한 영상분할방법.
- 제3항에 있어서, 상기 통합거리(UD)는 서로 인접한 화소들에 대하여 다음의 관계식을 이용하여 계산하며,여기서, SD는 서로 인접한 화소들간이 공간거리이며, GD는 서로 인접한 화소들간의 그레이레벨거리이며, g는 단위그레이레벨거리와 단위공간거리간의 비율인 것을 특징으로 하는 최단걷기변환을 이용한 영상분할방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019950002085A KR0143150B1 (ko) | 1995-02-06 | 1995-02-06 | 최단걷기변환을 이용한 영상분할방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019950002085A KR0143150B1 (ko) | 1995-02-06 | 1995-02-06 | 최단걷기변환을 이용한 영상분할방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR960032149A KR960032149A (ko) | 1996-09-17 |
| KR0143150B1 true KR0143150B1 (ko) | 1998-08-17 |
Family
ID=19407713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019950002085A KR0143150B1 (ko) | 1995-02-06 | 1995-02-06 | 최단걷기변환을 이용한 영상분할방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR0143150B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100911281B1 (ko) * | 2001-09-14 | 2009-08-11 | 소니 가부시끼 가이샤 | 기억 장치 및 그것을 이용한 화상 처리 장치 |
| KR101223046B1 (ko) * | 2011-02-08 | 2013-01-17 | 경북대학교 산학협력단 | 정지장면의 연속프레임 영상에 기반한 영상분할장치 및 방법 |
-
1995
- 1995-02-06 KR KR1019950002085A patent/KR0143150B1/ko not_active IP Right Cessation
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100911281B1 (ko) * | 2001-09-14 | 2009-08-11 | 소니 가부시끼 가이샤 | 기억 장치 및 그것을 이용한 화상 처리 장치 |
| KR101223046B1 (ko) * | 2011-02-08 | 2013-01-17 | 경북대학교 산학협력단 | 정지장면의 연속프레임 영상에 기반한 영상분할장치 및 방법 |
| US8660350B2 (en) | 2011-02-08 | 2014-02-25 | Kyungpook National University Industry-Academic Cooperation Foundation | Image segmentation devices and methods based on sequential frame image of static scene |
Also Published As
| Publication number | Publication date |
|---|---|
| KR960032149A (ko) | 1996-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cheriet et al. | A recursive thresholding technique for image segmentation | |
| CN101681432B (zh) | 图片文档分割方法和系统 | |
| Luengo-Oroz et al. | Robust iris segmentation on uncalibrated noisy images using mathematical morphology | |
| WO2018180386A1 (ja) | 超音波画像診断支援方法、およびシステム | |
| CN110163219A (zh) | 基于图像边缘识别的目标检测方法 | |
| JP2005505870A (ja) | 画像の異なる領域を識別をするための方法及び装置 | |
| CN110348263A (zh) | 一种基于图像识别的二维随机码图像识别与提取方法 | |
| US7961968B2 (en) | Image density conversion method, image enhancement processor, and program thereof | |
| JP2000181992A (ja) | カラー文書画像認識装置 | |
| CN111105427A (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
| CN110348442A (zh) | 一种基于支持向量机的船载雷达图像海上油膜识别方法 | |
| JP3330829B2 (ja) | 機械部品の画像における評価可能区域の自動検出方法 | |
| KR0143150B1 (ko) | 최단걷기변환을 이용한 영상분할방법 | |
| JP2004508641A (ja) | ディジタル画像のセグメンテーション | |
| Chithra et al. | Otsu's Adaptive Thresholding Based Segmentation for Detection of Lung Nodules in CT Image | |
| CN107705303A (zh) | 一种医学图像上血管的分割方法 | |
| Gulsrud et al. | Watershed segmentation of detected masses in digital mammograms | |
| Khan et al. | Segmentation of single and overlapping leaves by extracting appropriate contours | |
| Zhang et al. | A hybrid image segmentation approach using watershed transform and FCM | |
| Zhu et al. | An improved method to reduce over-segmentation of watershed transformation and its application in the contour extraction of brain image | |
| Kazanov | A new color image segmentation algorithm based on watershed transformation | |
| JP2004094952A (ja) | スキュー検知 | |
| Hu et al. | Road extraction from remote sensing imagery based on road tracking and ribbon snake | |
| Van et al. | Stroke width-based contrast feature for document image binarization | |
| Mukhopadhyay et al. | Local contrast enhancement of grayscale images using multiscale morphology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130318 Year of fee payment: 16 |
|
| FPAY | Annual fee payment |
Payment date: 20140402 Year of fee payment: 17 |
|
| EXPY | Expiration of term |