KR101076307B1

KR101076307B1 - 피부 나이 추론 방법

Info

Publication number: KR101076307B1
Application number: KR1020090012624A
Authority: KR
Inventors: 황인준; 최영환; 김경록
Original assignee: 고려대학교 산학협력단
Priority date: 2009-02-16
Filing date: 2009-02-16
Publication date: 2011-10-26
Also published as: KR20100093431A

Abstract

본 발명은 피부 현미경 이미지로부터 주름의 특징점을 추출하고 이를 이용하여 피부 나이를 정량적으로 추론하는 방법에 관한 것으로, 본 발명의 피부 나이 추론 방법은 (a) 피부 현미경 이미지를 전처리하는 단계; (b) 워터세드(watershed) 알고리즘을 통해 이진화된 회색조 이미지의 영역을 분할하여 주름을 1 픽셀 두께의 스켈레톤 이미지로 나타내는 영역 분할 단계; (c) 상기 스켈레톤 이미지를 스캔하여 스켈레톤의 픽셀 수를 가산하는 방식으로 주름 길이를 검출하는 단계; (d) 상기 스켈레톤 이미지와 회색조 이미지를 교차 비교하여 주름 너비를 검출하는 단계; (e) 주름 영역의 색상 차이를 이용하여 주름 깊이를 검출하는 단계; 및 (f) 상기 검출된 주름 길이, 주름 너비 및 주름 깊이와 해당 주체의 인적사항을 기초로 RBF(Radial Basis Function)를 가지는 SVM(Support Vector Machine)을 사용하여 해당 객체의 피부 나이를 추론하여 출력하는 단계를 포함한다.

본 발명에 따르면, 주름 길이, 주름 너비, 주름 깊이와 같은 주름의 특징에 따른 피부 나이를 정량적으로 추론할 수 있다.

Description

피부 나이 추론 방법{SKIN AGE ESTIMATION METHOD}

본 발명은 피부 나이 추론 방법에 관한 것으로, 좀 더 구체적으로 피부 현미경 이미지로부터 주름의 특징점을 추출하고 이를 이용하여 피부 나이를 정량적으로 추론하는 방법에 관한 것이다.

최근 영상 촬영 기술의 발전과 관련 장비의 보급 확대에 힘입어, 생체 영상을 대상으로 하는 다양한 연구가 진행되고 있다. 생체 영상 연구의 경우 대개 MRI나 CT 영상의 분석 등 전문 의료 분야와 연계되어 이루어졌으며 최근 들어 U-Healthcare 서비스와 같은 새로운 분야가 대두되면서 이러한 연구에 대한 관심이 더욱 커지고 있다.

인간의 피부는 건강에 관련된 유용한 정보를 제공한다. 피부 상태는 비싼 장비나 전문 지식이 없어도 쉽게 평가될 수 있다. 피부과 의사들에 따르면, 인간의 피부 상태는 확대된 시각적 특징과 피부 주름의 길이, 너비, 두께를 통하여 결정될 수 있다고 한다. 이러한 시각적 특징과 개인적 경험에 기초하여 피부과 의사들은 피부 나이라는 개념을 사용하여 피부 상태를 추론한다. 피부 나이는 해당 객체의 나이가 아니라 피부의 특징이 몇 살이냐에 따라 정의된다. 따라서 피부 나이를 추 론하기 위해서는 많은 사람들로부터 수집된 피부 특징과 전문가에 의한 그들의 나이 추론과 같은 사실자료가 필요하다.

이에 따라 피부 상태가 나타내는 특징들을 추출하고 활용하기 위한 많은 노력이 있었다. 전형적인 예는 피부의 피지와 주름인데, 피부 이미지에서 주름 영역은 다른 영역보다 어두운 색으로 나타나고, 주름들은 선으로 연결되어 있다. 일반적으로 주름의 깊이는 사람이 나이를 먹어감에 따라 깊어진다.

피부 주름을 검출하기 위한 노력의 일환으로, Tanaka 등은 이진 이미지를 얻기 위해 디지털 피부 이미지에 cross binarization method를 사용하고, 이진 이미지로부터 주름을 검출하기 위하여 short straight line matching method를 제안하였다. 이에 따르면 이진화된 이미지에서 기준선의 70 퍼센트 이상이 검은 색, 즉 주름으로 표시된 시작점을 찾는다. 또한, 기준선의 끝점이 주름인지를 판별한 후, 만약 주름일 경우 기준선의 끝점으로부터 같은 길이의 연장선을 그리게 된다. 그리고 같은 방법으로 이어 나가면서 주름의 길이를 측정한다. 이와 같은 Line Trace 방법을 이용하여 주름의 길이와 너비를 측정 하는 방법이 연구가 되어 왔다. 하지만 Line Trace 방법은 시간 복잡도(Time Complexity)가 높기 때문에 많은 연구 영역에서 이를 개선 하기 위한 방법을 연구 중이다.

따라서 종래의 Line Trace 방법에 따른 시간 복잡도(Time Complexity)를 감소시키면서도 피부 이미지로부터 주름 길이, 주름 너비 및 주름 깊이를 검출하고 이를 통해 피부 나이를 효과적으로 추론할 수 있는 기술에 대한 요구가 절실한 실정이다.

본 발명은 주름 검출 속도를 증가시킬 수 있을 뿐만 아니라, 주름 길이, 주름 너비, 주름 두께와 같은 주름 특징에 기초하여 피부 건강을 정량적으로 추론할 수 있는 피부 나이 추론 방법을 제공하기 위한 것이다.

상기 목적을 달성하기 위한 본 발명의 피부 나이 추론 방법은 (a) 피부 현미경 이미지를 전처리하는 단계; (b) 워터세드(watershed) 알고리즘을 통해 이진화된 회색조 이미지의 영역을 분할하여 주름을 1 픽셀 두께의 스켈레톤 이미지로 나타내는 영역 분할 단계; (c) 상기 스켈레톤 이미지를 스캔하여 스켈레톤의 픽셀 수를 가산하는 방식으로 주름 길이를 검출하는 단계; (d) 상기 스켈레톤 이미지와 회색조 이미지를 교차 비교하여 주름 너비를 검출하는 단계; (e) 주름 영역의 색상 차이를 이용하여 주름 깊이를 검출하는 단계; 및 (f) 상기 검출된 주름 길이, 주름 너비 및 주름 깊이와 환자의 개인정보를 기초로 SVM(Support Vector Machine)을 사용하여 해당 객체의 피부 나이를 추론하여 출력하는 단계를 포함한다.

이상의 구성을 통한 본 발명의 피부 나이 추론 방법에 따르면, 종래 Line Trace에 따른 주름 특징 검출 방법에 비하여 시간 복잡도(Time Complexity)를 감소키면서도 효율적으로 주름 특징을 검출할 수 있고, 이에 따라 피부 나이 추론의 정확도를 향상시킬 수 있다.

앞의 일반적인 설명 및 다음의 상세한 설명 모두 예시적이라는 것이 이해되어야 하며, 청구된 발명의 부가적인 설명이 제공되는 것으로 여겨져야 한다. 참조 부호들이 본 발명의 바람직한 실시 예들에 상세히 표시되어 있으며, 그것의 예들이 참조 도면들에 표시되어 있다. 가능한 어떤 경우에도, 동일한 참조 번호들이 동일한 또는 유사한 부분을 참조하기 위해서 설명 및 도면들에 사용된다. 이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있도록 본 발명의 실시예를 첨부된 도면을 참조하여 설명한다.

도 1은 본 발명의 실시예에 따른 피부 나이 추론 시스템(100)의 구성을 보여주는 블록도이다. 도 1을 참조하면, 본 발명의 피부 나이 추론 시스템(100)은 전처리부(110), 영역 분할부(120), 주름 깊이 검출부(130), 주름 길이 검출부(140), 주름 너부 검출부(150) 및 피부 나이 추론부(160)를 포함한다.

전처리부(110)는 그라데이션 마스킹(gradation masking)을 통하여 입력된 피부 현미경 이미지의 비네팅(vignetting)을 제거하는 한편, 피부 현미경 이미지의 중심부를 관심 영역(Region of Interest)으로 추출한다. 또한 전처리부(110)는 contrast stretching을 통해 상기 피부 현미경 이미지를 정규화하여 색대비를 증가시킨다. 나아가 전처리부(110)는 상기 피부 현미경 이미지를 이진화하고 이진화과정에서 발생하는 노이즈를 제거한다.

영역 분할부(120)는 워터세드(watershed) 알고리즘을 통해 이진화된 회색조 이미지의 영역을 분할하여 영역의 경계선, 즉 주름을 1 픽셀 두께의 스켈레톤(skeleton)으로 나타낸다.

피부 이미지에서 주름 영역은 어두운 색상으로 구별할 수 있고, 나아가 주름이 깊을수록 광원의 간섭으로 인해 더 어두운 색상을 가지게 된다. 주름 깊이 검출부(130)는 이와 같이 주름의 중심 픽셀의 색상과 경계선에 존재하는 픽셀의 색상 차이를 이용하여 주름 깊이를 검출한다.

주름 길이 검출부(140)는 영역 분할부(120)에서 워터세드 알고리즘에 의하여 영역이 분할된 이미지를 스캔한 후, 스켈레톤의 픽셀 수를 이용하여 주름의 길이를 검출한다.

주름 너비 검출부(150)는 스켈레톤을 이용하여 Thickening 과정을 수행함으로써 주름 너비를 검출한다.

피부 나이 추론부(160)는 검출된 주름 깊이, 주름 길이, 주름 너비와 같은 주름 특징과 환자의 개인정보를 특징점으로 하여 SVM(Support Vector Machine)을 사용하여 해당 객체의 피부 나이를 추론하여 출력한다. SVM은 훈련 데이터(training set)를 기반으로 machine을 학습시킨 후 새로운 데이터가 입력으로 들어올 때 어떤 결과가 나올지를 예측해 주는 지도학습 알고리즘의 일종으로 널리 알려진 것이다. 본 발명의 일 실시예에서는 피부과 전문의가 피부 현미경 사진의 주름 특징을 근거로 피부 나이를 평가하고, 이를 훈련 데이터로 하여 machine을 학습시킨 후 입력된 주름 깊이, 주름 길이, 주름 너비와 같은 주름 특징과 환자의 개인 정보를 분석하여 피부 나이를 추론하여 출력할 수 있다.

도 2는 본 발명의 실시예에 따른 피부 나이 추론 방법을 보여주는 흐름도이다. 도 2를 참조하면, 먼저 피부 나이를 추론하고자 하는 피부 현미경 이미지에 대한 전처리가 이루어진다(S210). 구체적으로, 전처리 단계(S210)에서는 그라데이션 마스킹(gradation masking)을 통해 피부 현미경 이미지의 비네팅(vignetting)을 제거하고, 중앙부를 샘플링하며, contrast stretching을 거쳐 이미지를 정규화하는 한편, 회색조 이미지를 얻기 위해 이미지를 이진화하고 노이즈를 제거한다. 전처리의 세부 절차는 이후 도 3에서 상세히 설명될 것이다.

전처리를 거친 후, 단계 S220에서 워터세드(watershed) 알고리즘을 통해 이 진화된 회색조 이미지의 영역을 분할하여 영역의 경계선, 즉 주름을 1 픽셀 두께의 스켈레톤 이미지로 나타낸다. 워터세드(watershed) 알고리즘은 영역 성장에 기반한 영역 분할 기법의 하나로 널리 알려진 것이므로 자세한 설명은 생략한다.

이후 스켈레톤 이미지를 스캔하여 스켈레톤의 픽셀 수를 가산하는 방식으로 주름 길이를 검출한다(S230). 본 발명의 실시예에 따른 주름 길이 검출의 세부 절차는 이후 도 4에서 상세히 설명될 것이다.

단계 S240에서 스켈레톤을 이용하여 Thickening 과정을 수행함으로써 주름 너비를 검출한다. 본 발명의 실시예에 따른 주름 너비 검출의 세부 절차는 이후 도 5a 및 5b에서 상세히 설명될 것이다.

피부 이미지에서 주름 영역은 어두운 색상으로 구별할 수 있고, 나아가 주름이 깊을수록 광원의 간섭으로 인해 더 어두운 색상을 가지게 된다. 단계 S250에서는 다음의 수학식과 같이 주름의 중심 픽셀의 색상과 경계선에 존재하는 픽셀의 색상 차이를 이용하여 주름 깊이를 검출한다.

수학식 1에서 스켈레톤은 주름의 중심선이고, 이로부터 무작위로 n개의 점들을 추출할 수 있다. 각 중심점들 c_i∈C{c₁..c_n}에서 점들 S_i와의 최대 색상 차이값을 구한다. 점들 S_i는 각 중심점으로부터 거리 r만큼 떨어진 경계점에 존재하는 점들이다. n개의 중심점으로부터 최대 색상 차이값을 모두 더한 다음 평균을 구하여 주름 깊이를 검출한다.

이후 검출된 주름 깊이, 주름 길이, 주름 너비와 같은 주름 특징과 해당 환자의 개인정보을 특징점으로 하여 SVM(Support Vector Machine)을 사용하여 해당 객체의 피부 나이를 추론하여 출력한다(S260). 환자의 개인정보는 설문 조사의 방식으로 얻어질 수 있는데, 피부 관리 유무, 나이, 성별 등을 포함할 수 있다.

도 3은 도 2의 전처리 절차(S210)의 예시적인 실시예를 보여주는 흐름도이다. 도 3을 참조하면, 먼저 피부 현미경 이미지에서 관심 영역(Region of Interest)을 추출(S310)하게 되는데 이를 자세히 설명하면 다음과 같다. 피부 현미경을 통해 얻어진 이미지는 광원이 이미지의 중심으로부터 퍼져 나가는 형태이므로 중심 부분만을 처리하여 정확성과 효율을 높일 수 있다. 따라서 관심 영역(Region of Interest)을 광량이 집중되는 피부 현미경 이미지의 중심 부분에 적용하여 기본값으로 300×300 픽셀의 크기를 갖도록 한다.

한편, 촬영된 피부 현미경 이미지는 촬영 장비나 광원 등의 한계로 전체 영역에서 고른 화질을 얻기 어려우며, 또한 비네팅(vignetting)이라는 주변부 광량 저하 현상이 발생한다. 따라서 관심 영역(Region of Interest) 추출(S310)에 앞서 그라데이션 마스킹(gradation masking)을 통하여 피부 현미경 이미지의 비네팅을 제거하는 것이 바람직하다.

영상들은 다양한 환경에서 획득되며, 이에 주변 광량의 영향으로 서로 상이한 밝기를 갖게 될 수 있다. 또한 영상에서 주름 부위는 다른 피부 부위와 큰 대비 차가 나지 않기 때문에 정확한 주름 검출을 위해서는 영상의 대비를 증가시키고 히스토그램을 평준화하는 과정이 필요한데, 단계 S320에서 다음의 수학식으로 표현되는 contrast stetching을 통하여 피부 현미경 이미지를 정규화한다. Contrast stretching은 이미지의 광도 영역을 원하는 영역으로 stretching 하는 이미지 향상 기법으로, 주로 광도 영역을 표현 가능한 픽셀 값 전역에 걸쳐 span 하여 이미지의 대비를 증가시키게 된다.

여기서, I(x,y)는 이미지를, min(I)와 max(I)는 각각 최소, 최대 intensity를 나타낸다. 본 발명의 실시예에서는 회색조 이미지를 사용하므로 max intensity는 255가 된다.

이후, 다음의 수학식으로 표현되는 Otsu의 방법을 이용하여 정규화된 흑백 이미지를 이진화한다(S330). Otsu의 방법은 히스토그램이 Bimodal인 경우에 주로 사용되며, 자동으로 문턱치를 계산하여 이미지에 적용하는 방식이다.

여기서, I는 회색조 값인 0 ~ 255 사이를 의미하고, μ는 t까지의 평균을 의 미한다. P(i)는 i의 밝기를 가지는 전체 픽셀 수의 개수 나누기 전체 이미지 픽셀수가 된다. σ²는 분산을 의미한다. 최종 문턱값은 수식이 최대값이 되는 t에서 결정된다.

Otsu의 방법으로 이진화된 영상은 salt-and-pepper노이즈를 포함하게 되는데, 이런 노이즈는 워터세드 알고리즘을 이용한 영역 분할 단계(S220)에서 상당한 over-segmentation을 야기하므로 제거되어야 한다. 노이즈는 주로 작은 연결 요소로 이루어져 있으므로, 단계 S340에서는 연결 요소 추출 과정을 통해 일정 크기 이하의 덩어리를 제거하는 방식으로 노이즈를 제거한다. 이를 자세히 설명하면 다음과 같다.

먼저, 이진화된 이미지를 스캔하여 목표 색상에 해당하는 픽셀에 다다르면 해당 픽셀에 연결된 성분들을 찾는다. 연결 요소 추출은 네 방향의 인접 픽셀들을 재귀적으로 탐색하고 크기를 증가시키는 방식으로 이루어지는 데, 재귀 함수는 해당 인접 픽셀이 이미 탐색 되었거나 목표 색상이 아닐 때 종료된다. 추출된 연결 요소의 크기가 지정한 컷오프 값보다 작으면 연결된 모든 요소를 제거하는 것으로 작은 크기의 노이즈를 제거하거나 주름 안의 작은 공동을 채울 수 있다. 이와 같은 노이즈 제거 알고리즘은 다음과 같이 표현될 수 있다.

도 4는 도 2의 주름 길이 검출 절차(S230)의 예시적인 실시예를 보여주는 흐름도이다. 도 4를 참조하면, 먼저 스켈레톤 이미지에서 x축과 y축의 적어도 2 픽셀 이상의 연속된 직선을 체가름하여 길이를 각각 계산한다(S410, S420). 이와 같은 과정을 거치면 여러 개의 고립된 1 픽셀이 남게 되는데, 고립된 1 픽셀의 개수를 모두 더한 다음 √2를 곱하여 주름의 대각선 길이를 계산한다(S430, S440). 이러한 방식으로 계산된 x축과 y축의 직선 길이 및 대각선 길이를 더하여 주름의 총 길이를 검출한다(S450).

도 5a 및 5b는 도 2의 주름 너비 검출 절차(S240)의 예시적인 실시예를 보여주는 흐름도들이다. 도 5a의 실시예는 스켈레톤에 블록 형태의 마스크를 적용하여 주름 너비를 검출한다. 도 5b의 실시예는 스켈레톤에 형태처리(morphology) 기법을 적용하여 주름 너비를 검출한다. 자세히 설명하면 다음과 같다.

도 5a를 참조하면, 먼저 스켈레톤 이미지를 스캔하여 주름에 해당하는 픽셀을 탐색하고(S511), 탐색된 해당 픽셀을 중심으로 하는 너비 n 픽셀의 정사각형 형태의 윈도우를 생성한다(S513). 이후, 회색조 이미지를 참조하여 윈도우에 해당하 는 픽셀 값들이 문턱치 t보다 낮은 경우, 즉 어두운 경우 주름으로 판단한다(S515, S517). 도 5a의 실시예에 해당하는 주름 너비 검출 알고리즘은 다음과 같다.

주름 너비 검출 절차(S240)의 다른 실시예를 보여주는 도 5b를 참조하면, 먼저 실제 너비에 따라 스켈레톤 선을 확장하기 위하여 주름 스켈레톤에 팽창(dilation) 연산을 실행한다(S512). 이후, 팽창된 영역에서 주름 부위를 탐색하고, 주름 영역을 계속해서 확장한다(S514). 이때 주름 영역을 검출하기 위하여 출력 이미지와 회색조 이미지를 교차 비교한다(S516). 확장된 영역의 픽셀 값이 n 픽셀에 이를 때까지 상기 과정이 반복된다(S518). 도 5b의 실시예에 해당하는 주름 너비 검출 알고리즘은 다음과 같다.

도 6은 주름 추출 단계별 이미지를 예시적으로 보여준다. 도 6(a)는 회색조로 변환된 원본 이미지이고, 도 6(b)는 워터세드(watershed) 알고리즘을 통한 영역 분할 후의 스켈레톤 이미지이며, 도 6(c)는 본 발명의 실시예에 따라 주름 너비 검출 절차를 거친 최종 결과 이미지이다.

이상의 본 발명의 피부 나이 추론 방법에 의하면 주름 검출 속도가 증가할 뿐만 아니라 주름 길이, 주름 너비, 주름 깊이와 같은 주름 특징을 이용하여 피부 나이를 정량적으로 추론할 수 있다.

한편, 본 발명의 상세한 설명에서는 구체적인 실시예에 관하여 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지로 변형할 수 있다. 그러므로 본 발명의 범위는 상술한 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 한다.

도 1은 본 발명에 따른 피부 나이 추론 시스템의 구성을 개략적으로 보여주는 블록도.

도 2는 본 발명에 따른 피부 나이 추론 방법을 보여주는 흐름도.

도 3은 도 2의 전처리 절차를 예시적으로 보여주는 흐름도.

도 4는 도 2의 주름 길이 검출 절차를 예시적으로 보여주는 흐름도.

도 5a 및 5b는 도 2의 주름 너비 검출 절차를 예시적으로 보여주는 흐름도.

도 6은 본 발명의 피부 나이 추론 방법의 처리 단계별 이미지를 예시적으로 보여주는 도면.

Claims

(a) 피부 현미경 이미지를 전처리하는 단계;

(b) 워터세드(watershed) 알고리즘을 통해 이진화된 회색조 이미지의 영역을 분할하여 주름을 1 픽셀 두께의 스켈레톤 이미지로 나타내는 영역 분할 단계;

(c) 상기 스켈레톤 이미지와 회색조 이미지 중 적어도 어느 하나를 이용하여 주름 길이, 주름 너비 및 주름 깊이를 검출하는 단계; 및

(d) 상기 검출된 주름 길이, 주름 너비 및 주름 깊이와 해당 환자의 개인정보를 특징점으로 하여 SVM(Support Vector Machine)을 사용하여 해당 객체의 피부 나이를 추론하여 출력하는 단계를 포함하는 피부 나이 추론 방법.
청구항 1에 있어서, 상기 (a) 단계는,

상기 피부 현미경 이미지의 중심부를 관심 영역으로 추출하는 단계;

상기 피부 현미경 이미지를 정규화하는 단계;

상기 정규화된 피부 현미경 이미지를 이진화하는 단계; 및

상기 이진화된 피부 현미경 이미지에서 노이즈를 제거하는 단계를 포함하는 피부 나이 추론 방법.
청구항 2에 있어서, 상기 관심 영역을 추출하는 단계 이전에 그라데이션 마스킹(gradation masking)을 통하여 상기 피부 현미경 이미지의 비네팅(vignetting)을 제거하는 단계를 더 포함하는 피부 나이 추론 방법.
청구항 2에 있어서, 상기 피부 현미경 이미지를 정규화하는 단계는 다음의 수학식으로 표현되는 콘트라스트 스트레칭(contrast stretching) 방법에 의하여 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.

여기서, I(x,y)는 이미지를, min(I)와 max(I)는 각각 최소, 최대 intensity를 나타낸다.
청구항 2에 있어서, 상기 정규화된 피부 현미경 이미지를 이진화하는 단계는 다음의 수학식으로 표현되는 Otsu의 이진화 방법에 의해 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.

여기서, I는 회색조 값인 0 ~ 255 사이를 의미하고, μ는 t까지의 평균을 의미하며, P(i)는 i의 밝기를 가지는 전체 픽셀 수의 개수 나누기 전체 이미지 픽셀 수이고, σ²는 분산을 의미한다.
청구항 2에 있어서, 상기 이진화된 피부 현미경 이미지에서 노이즈를 제거하는 단계는 연결 요소 추출 과정을 통해 일정 크기 이하의 덩어리를 제거하는 방식으로 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.
청구항 1에 있어서, 상기 (c) 단계에서 주름 길이 검출은 상기 스켈레톤 이미지를 스캔하여 스켈레톤의 픽셀 수를 가산하는 방식으로 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.
청구항 7에 있어서, 상기 스켈레톤의 픽셀 수를 가산하는 방식은,

상기 스켈레톤 이미지의 X축을 체가름하여 2 픽셀 이상의 연속된 직선의 길이를 계산하는 단계;

상기 스켈레톤 이미지의 Y축을 체가름하여 2 픽셀 이상의 연속된 직선의 길이를 계산하는 단계;

대각선 방향의 고립된 1 픽셀의 개수를 가산한 후 √2를 곱하여 대각선 길이 를 계산하는 단계; 및

상기 X축 직선의 길이, Y축 직선의 길이 및 대각선 길이를 합산하여 총 주름 길이를 계산하는 단계를 포함하는 피부 나이 추론 방법.
청구항 1에 있어서, 상기 (c) 단계에서 주름 너비 검출은 상기 스켈레톤을 이용하여 시크닝(Thickening) 과정을 수행함으로써 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.
청구항 9에 있어서, 상기 시크닝(Thickening) 과정은,

상기 스켈레톤 이미지를 스캔하여 주름에 해당하는 픽셀을 탐색하는 단계;

상기 탐색된 해당 픽셀을 중심으로 하는 너비 n 픽셀의 정사각형 형태의 윈도우를 생성하는 단계; 및

상기 회색조 이미지를 참조하여 윈도우에 해당하는 픽셀 값들이 문턱치보다 낮은 경우 주름으로 판단하는 단계를 포함하는 피부 나이 추론 방법.
청구항 9에 있어서, 상기 시크닝(Thickening) 과정은,

주름 스켈레톤에 팽창(dilation) 연산을 실행하는 제1 단계; 및

팽창된 영역에서 주름 부위를 탐색하고, 주름 영역을 확장하는 제2 단계를 포함하고,

확장된 영역의 픽셀 값이 n 픽셀에 이를 때까지 상기 제1 단계 및 상기 제2 단계가 반복되는 것을 특징으로 하는 피부 나이 추론 방법.
청구항 11에 있어서, 상기 제2 단계는 주름 영역을 검출하기 위하여 출력 이미지와 상기 회색조 이미지를 교차 비교하는 단계를 포함하는 피부 나이 추론 방법.
청구항 1에 있어서, 상기 (c) 단계에서 주름 깊이 검출은 주름의 중심 픽셀의 색상과 주름의 경계선에 존재하는 픽셀의 색상 차이를 이용하여 다음의 수학식에 의해 이루어지는 것을 특징으로 하는 피부 나이 추론 방법.

여기서, c_i는 주름의 중심점을 의미하고, S_i는 각 중심점으로부터 거리 r만큼 떨어진 경계점에 존재하는 점들을 의미한다.
청구항 1에 있어서, 상기 환자의 개인정보는 피부 관리 유무, 나이, 성별을 포함하는 피부 나이 추론 방법.