KR101327482B1 - 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치 - Google Patents

이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치 Download PDF

Info

Publication number
KR101327482B1
KR101327482B1 KR1020120115892A KR20120115892A KR101327482B1 KR 101327482 B1 KR101327482 B1 KR 101327482B1 KR 1020120115892 A KR1020120115892 A KR 1020120115892A KR 20120115892 A KR20120115892 A KR 20120115892A KR 101327482 B1 KR101327482 B1 KR 101327482B1
Authority
KR
South Korea
Prior art keywords
leaf
image
vein
leaf vein
feature extraction
Prior art date
Application number
KR1020120115892A
Other languages
English (en)
Inventor
홍광석
이규범
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020120115892A priority Critical patent/KR101327482B1/ko
Application granted granted Critical
Publication of KR101327482B1 publication Critical patent/KR101327482B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

개시된 기술은 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치에 관한 것으로, 컴퓨터 또는 휴대 단말기의 촬영 장치를 이용하여 이파리 영상을 입력하는 단계; 상기 컴퓨터 또는 상기 휴대 단말기의 프로세서가 상기 이파리 영상에서 이파리 영역을 검출하는 단계; 상기 프로세서가 상기 이파리 영역에서 잎맥을 검출하고, 상기 잎맥에 대한 잎맥 영상을 획득하는 단계; 상기 프로세서가 상기 잎맥 영상을 수평으로 투영하여 상기 잎맥의 주맥을 검출하는 단계; 상기 프로세서가 상기 잎맥 영상을 수직으로 투영하여 상기 잎맥의 방향을 결정하는 단계; 및 상기 프로세서가 상기 잎맥을 세선화하고, 상기 잎맥의 특징을 추출하는 단계를 포함한다. 따라서 영상 입력에서부터 이파리의 특징 추출까지의 모든 단계가 자동으로 처리되기 때문에 효율적이고 높은 이파리 인식 성능을 제공하는 효과가 있다.

Description

이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치 {VEIN FEATURE EXTRACTION METHOD AND APPARATUS IN LEAF IMAGE}
개시된 기술은 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치에 관한 것으로, 보다 자세하지만 제한됨 없이는 이파리 영상에서 잎맥을 검출하고, 검출한 잎맥의 특징을 추출하는 방법 및 장치에 관한 것이다.
자연과 환경에 대한 관심이 날로 높아짐에 따라, 각종 식물에 대한 연구가 활발히 진행되고 있다. 이러한 추세와 더불어 식물의 꽃이나 잎을 분석하여 해당 식물의 특징을 추출하여 종류를 판단하는 방법은 고전적인 식물분류학에서 연구되고 있는 분야이다. 즉, 식물의 잎에 따른 잎맥 정보를 분석하여 해당하는 식물과 가장 유사한 식물을 찾아냄으로써 식물의 종류를 판별하고 있다.
식물의 특징 정보를 분석하는데 있어서, 종래의 기술들에서는 대부분 입력받은 잎모양 윤곽의 특징점을 추출하는 방식을 이용하였다. 그러나 이러한 종래의 방법은 각종 식물의 잎의 이미지마다 추출하는 윤곽점들의 수가 매회 추출할 때마다 상이하게 될 가능성이 높다. 즉, 항상 같은 거리 같은 방향의 잎을 입력하여야만 해당 식물을 정확히 판별할 수 있었다. 또한, 잎맥의 정보를 이용한 식물 분류 방법은 잎맥 이미지의 중간이 끊기거나 잎맥의 두께가 얇아서 잎맥 이미지가 여러 개의 곡선으로 검출되는 경우가 있어서 정확한 잎맥 검출 및 주맥 검출에 어려움이 있었다.
잎맥의 정보를 이용하여 식물을 판별하는 방법 및 장치에 대한 종래기술로는 한국 공개특허 제10-2008-0022257호 (발명의 명칭 : 잎맥의 특징점을 이용한 잎 분류방법)이 있다.
개시된 기술은 이파리 영상을 입력하여 잎맥을 검출하고, 검출한 잎맥에 대한 특징 파라미터를 추출하는 방법 및 그 장치을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 1 측면은 컴퓨터 또는 휴대 단말기의 촬영 장치를 이용하여 이파리 영상을 입력하는 단계, 컴퓨터 또는 휴대 단말기의 프로세서가 이파리 영상에서 이파리 영역을 검출하는 단계, 프로세서가 이파리 영역에서 잎맥을 검출하고, 잎맥에 대한 잎맥 영상을 획득하는 단계, 프로세서가 잎맥 영상을 수평으로 투영하여 잎맥의 주맥을 검출하는 단계, 프로세서가 잎맥 영상을 수직으로 투영하여 잎맥의 방향을 결정하는 단계 및 프로세서가 잎맥을 세선화하고, 잎맥의 특징을 추출하는 단계를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 방법을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 2 측면은 이파리 영상을 입력하는 촬영부, 이파리 영상에서 이파리 영역을 검출하는 영역검출부, 이파리 영역에서 잎맥을 검출하고, 잎맥에 대한 잎맥 영상을 획득하는 영상획득부, 잎맥 영상을 수평으로 투영하여 잎맥의 주맥을 검출하는 주맥검출부, 잎맥 영상을 수직으로 투영하여 잎맥의 방향을 결정하는 방향처리부 및 잎맥을 세선화하고, 잎맥의 특징을 추출하는 특징추출부를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 장치를 제공하는데 있다.
개시된 기술의 실시 예들은 다음의 장점들을 포함하는 효과를 가질 수 있다. 다만, 개시된 기술의 실시 예들이 이를 전부 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
개시된 기술의 일 실시예에 따르면 이파리 영상의 잎맥 특징 추출 방법 및 장치는 자동으로 잎맥의 특징 파라미터를 추출하여 사용자에게 편의성을 제공하는 효과를 제공한다.
또한, 추출된 잎맥의 특징 파라미터들은 이파리의 다른 특징들과 함께 식물 인식에 사용되므로 이파리 인식의 성능을 높일 수 있는 효과를 제공한다.
도 1은 개시된 기술의 일 실시예에 따른 이파리 영상의 잎맥 특징 추출 방법에 대한 순서도이다.
도 2는 개시된 기술의 일 실시예에 따른 이파리 영상의 잎맥 특징 추출 장치에 대한 블록도이다.
도 3은 개시된 기술의 일 실시예에 따른 잎맥 검출에 대한 도면이다.
도 4는 개시된 기술의 일 실시예에서 주맥 추출을 위한 흐름도이다.
도 5는 개시된 기술의 일 실시예에 따른 주맥 검출 및 이파리의 방향 결정에 대한 도면이다.
도 6은 개시된 기술의 일 실시예에 따른 잎맥 세선화 및 특징점 추출에 대한 도면이다.
개시된 기술에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 개시된 기술의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 개시된 기술의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
“제 1", "제 2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는" 과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 개시된 기술의 일 실시예에 따른 이파리 영상의 잎맥 특징 추출 방법에 대한 순서도이다. 도 1을 참조하면 이파리 영상의 잎맥 특징 추출 방법은 이파리 영상을 입력하는 단계(110), 이파리 영상에서 이파리 영역을 검출하는 단계(120), 이파리 영역에서 잎맥을 검출하고, 잎맥 영상을 획득하는 단계(130), 잎맥의 주맥을 검출하는 단계(140), 주맥에 따라 이파리 방향을 결정하는 단계(150) 및 잎맥을 세선화하고 잎맥 특징을 추출하는 단계(160)를 포함한다.
110 단계에서는 촬영 장치를 이용하여 이파리 영상을 입력한다. 촬영 장치는 컴퓨터 또는 휴대 단말기에 포함된 것이 바람직하다. 일례로, 촬영 장치는 컴퓨터의 소형 캠일 수 있다. 다른 일례로, 촬영 장치는 스마트폰의 카메라일 수도 있다. 이와 같은 촬영 장치 외에도 다른 촬영 장치를 이용할 수 있음은 이 기술분야에 있어서 통상의 지식을 가진 자라면 충분히 이해할 수 있을 것이다.
한편, 110 단계에서는 촬영 장치를 이용하여 이파리 영상을 촬영하는 것이 바람직하다. 즉, 개시된 기술에서는 이파리의 잎맥을 검출하고, 검출한 잎맥이 포함하는 특징 파라미터를 추출하여 이파리를 인식하고자 하므로, 촬영 장치를 이용하여 이파리 영상을 입력하는 것이 바람직하다. 여기에서 이파리는 식물의 잎을 의미한다. 잎은 해당하는 식물의 고유한 특징을 포함한다. 따라서, 개시된 기술에서는 이러한 이파리를 촬영 장치로 촬영한 이파리 영상을 통하여 식물의 잎맥 및 특징을 추출하고자 한다.
120 단계에서는 앞서 촬영 장치를 포함하는 컴퓨터 또는 휴대 단말기의 처리기에서 이파리 영역을 검출한다. 여기에서 처리기는 중앙처리장치(CPU)와 같이 어떠한 연산과정을 수행하는 유닛을 의미한다. 예컨대, 처리기는 컴퓨터 또는 휴대 단말기의 프로세서일 수 있다. 이하부터는 단계별로 연산을 수행하는 처리기의 명칭을 프로세서라고 하겠다.
한편, 프로세서는 이파리 영역을 검출하는데 있어서, 앞서 110 단계에서 입력한 이파리 영상을 그레이스케일 영상으로 변환하고, 변환한 그레이스케일 영상을 이진 영상으로 변환한다. 변환하는 과정은 이하의 수학식 1 및 수학식 2를 이용한다.
Figure 112012084764905-pat00001
여기에서 R, G 및 B는 각각 빛의 3원색인 Red, Green 및 Blue를 의미한다. 그리고 각각의 R, G 및 B에 수학식 1의 상수를 곱하면 이파리 영상을 그레이스케일 영상으로 변환하는 것이 가능하다.
또한, 이와 같이 변환된 그레이스케일 영상은 이하의 수학식 2를 이용하여 이진 영상으로 변환한다.
Figure 112012084764905-pat00002
여기에서
Figure 112012084764905-pat00003
는 그레이 스케일 영상의 좌표를 나타낸다. 그리고
Figure 112012084764905-pat00004
는 이진 영상으로 변환하기 위한 임계값을 의미한다. 이와 같이 수학식 1 및 수학식 2를 이용하면 입력한 이파리 영상을 그레이스케일 영상으로 변환하고, 변환된 그레이스케일 영상을 다시 이진 영상으로 변환하는 것이 가능하다.
130 단계에서는 이파리 영상에서 잎맥을 검출하고, 검출한 잎맥에 대한 잎맥 영상을 획득한다. 잎맥을 검출하는데 있어서 130 단계에서는 모폴로지 열림 연산을 수행한다. 즉, 침식 연산을 수행한 후, 팽창 연산을 수행한다. 이와 같은 연산 과정을 거치면 획득한 영상과 그레이스케일 영상으로 변환한 영상과의 차영상을 획득하는 것이 가능하다. 그리고 획득한 차영상을 이진화하면 잎맥을 검출하는 것이 가능하다.
한편, 앞서 설명한 바와 같이 130 단계에서의 연산 과정이 프로세서를 통하여 수행된다는 점은 이 기술분야에 있어서 통상의 지식을 가진 자라면 충분히 이해할 수 있을 것이다.
140 단계에서는 프로세서가 잎맥의 주맥을 검출한다. 여기에서 주맥은 이파리의 중앙을 가로지르는 으뜸이 되는 잎맥을 의미한다. 따라서, 주맥을 검출하면, 이파리의 방향을 결정하는 것이 가능하다.
주맥을 검출하는데 있어서, 개시된 기술의 일 실시예에서는 잎맥 영상에 수평방향에서의 투영기법을 적용한다. 그리고 적용된 투영기법을 통하여 히스토그램의 분포를 구한다. 투영기법에 따른 결과는 잎맥의 회전에 따라 큰 차이를 보인다. 즉, 수평방향이냐 또는 수직방향이냐에 따라서 큰 차이를 보인다. 따라서, 주맥 검출을 위해 개시된 기술의 일 실시예에서는 획득한 잎맥 영상을 180도 회전시키면서 수평방향에서의 히스토그램 분포를 구한다. 그리고 수평방향에서의 히스토그램 분포가 최대값인 지점을 주맥으로 검출한다. 주맥 추출을 위한 흐름도는 도 4를 통하여 후술한다.
150 단계에서는 검출한 주맥에 따라 이파리의 방향을 결정한다. 개시된 기술의 일 실시예에서는 이파리의 방향을 결정하기 위해서 잎맥 영상에 수직방향에서의 투영기법을 적용하여 잎꼭지 부분과 이파리의 끝 부분을 판별한다. 그리고 히스토그램의 분포에 따라 이파리의 방향을 결정한다.
160 단계에서는 잎맥을 세선화하고, 잎맥의 특징을 추출한다. 여기에서 세선화는 두께를 가진 이진 이미지를 그 형태에 따른 특성만 남도록 바꾸는 것을 의미한다. 즉, 두께가 1이 될 때까지 이미지를 변환한다. 잎맥을 세선화하는데 있어서, 개시된 기술의 일 실시예에서는 Zhang-Suen 알고리즘을 이용한다. Zhang-Suen 알고리즘을 이용하면 잎맥을 세선화하여 잎맥을 통하여 이파리를 인식하는데 필요로 하는 특징을 추출하는 것이 가능하다.
한편, 검출된 잎맥 영상에 전처리 과정을 거치지 않고 세선화 알고리즘을 적용하게 되면 잎맥의 어느 한 부분이 끊어지거나 잎맥 영상에 잡음이 발생할 수 있다. 따라서, 개시된 기술의 일 실시예에서는 이러한 단점을 보완하기 위하여 미디언 필터링을 적용하고, 팽창 및 침식연산을 추가로 수행한다. 따라서, 잎맥의 끊김 또는 잎맥 영상의 잡음에 따른 특징 오검출을 방지하는 효과를 제공한다.
개시된 기술의 일 실시예에서는 이와 같이 세선화를 수행하고, 잎맥의 끝점 및 분기점을 추출한다. 그리고 추출된 끝점 및 분기점에 따라 잎맥의 특징을 추출한다. 추출한 잎맥의 특징은 다른 식물의 이파리와 비교하여 식물을 분류하는데 이용된다.
도 2는 개시된 기술의 일 실시예에 따른 이파리 영상의 잎맥 특징 추출 장치에 대한 블록도이다. 도 2를 참조하면 이파리 영상의 잎맥 특징 추출 장치는 촬영부(210), 영역검출부(220), 영상획득부(230), 주맥검출부(240), 방향처리부(250) 및 특징추출부(260)를 포함한다.
촬영부(210)는 이파리 영상을 입력한다. 이파리 영상을 입력하기 위하여 촬영부(210)는 컴퓨터 또는 휴대 단말기에 포함된 촬영 장치를 이용한다. 여기에서 촬영 장치는 예컨대, 컴퓨터의 소형 캠 또는 스마트폰의 카메라일 수 있다. 물론 이와 같은 촬영 장치 이외에 다른 촬영 장치를 이용할 수 있다는 점은 이 기술분야에 있어서 통상의 지식을 가진 자라면 충분히 이해할 수 있을 것이다.
한편, 촬영부(210)에서는 이와 같은 촬영 장치를 이용하여 이파리 영상을 촬영하는 것이 바람직하다. 즉, 개시된 기술에서는 이파리의 잎맥을 검출하고, 검출한 잎맥이 포함하는 특징 파라미터를 추출하여 이파리를 인식하고자 하므로, 촬영 장치를 이용하여 이파리 영상을 입력하는 것이 바람직하다. 식물의 이파리는 해당 식물의 고유한 특징을 포함하고 있으므로, 이와 같은 이파리를 촬영하여 식물의 잎맥 및 특징을 추출하는 것이 바람직하다.
영역검출부(220)는 앞서 촬영부(210)에서 입력한 이파리 영상에서 이파리 영역을 검출한다. 이파리 영역을 검출하는데 있어서, 영역검출부(220)는 앞서 촬영부(210)에서 입력한 이파리 영상을 그레이스케일 영상으로 변환하고, 변환한 그레이스케일 영상을 이진 영상으로 변환한다. 변환하는 과정은 앞서 도 1을 참조하여 설명한 내용과 동일하다.
영상획득부(230)는 이파리 영상에서 잎맥을 검출하고, 검출한 잎맥에 대한 잎맥 영상을 획득한다. 잎맥을 검출하는데 있어서, 영상획득부(230)는 모폴로지 열림 연산을 수행한다. 즉, 침식 연산을 수행한 후, 팽창 연산을 수행한다. 이와 같은 연산 과정을 거치면 획득한 영상과 그레이스케일 영상으로 변환한 영상과의 차영상을 획득하는 것이 가능하다. 그리고 획득한 차영상을 이진화하면 잎맥을 검출하는 것이 가능하다.
주맥검출부(240)는 프로세서가 잎맥의 주맥을 검출한다. 여기에서 주맥은 이파리의 중앙을 가로지르는 으뜸이 되는 잎맥을 의미한다. 따라서, 주맥을 검출하면, 이파리의 방향을 결정하는 것이 가능하다.
주맥을 검출하는데 있어서, 개시된 기술의 일 실시예에서는 잎맥 영상에 수평방향에서의 투영기법을 적용한다. 그리고 적용된 투영기법을 통하여 히스토그램의 분포를 구한다. 투영기법에 따른 결과는 잎맥의 회전에 따라 큰 차이를 보인다. 즉, 수평방향이냐 또는 수직방향이냐에 따라서 큰 차이를 보인다. 따라서, 주맥검출부(240)는 획득한 잎맥 영상을 180도 회전시키면서 수평방향에서의 히스토그램 분포를 구한다. 그리고 수평방향에서의 히스토그램 분포가 최대값인 지점을 주맥으로 검출한다.
방향처리부(250)는 검출한 주맥에 따라 이파리의 방향을 결정한다. 잎맥 영상에 수직방향에서의 투영기법을 적용하여 히스토그램의 분포를 통해 잎꼭지 부분과 이파리의 끝 부분을 판별하여 이파리의 방향을 결정한다.
특징추출부(260)는 잎맥을 세선화하고, 잎맥의 특징을 추출한다. 여기에서 세선화는 두께를 가진 이진 이미지를 그 형태에 따른 특성만 남도록 바꾸는 것을 의미한다. 즉, 두께가 1이 될 때까지 이미지를 변환한다. 잎맥을 세선화하는데 있어서, 특징추출부(260)는 Zhang-Suen 알고리즘을 이용한다. Zhang-Suen 알고리즘을 이용하면 잎맥을 효율적으로 세선화하는 것이 가능하다. 그리고 세선화 된 잎맥을 통하여 이파리를 인식하는데 필요로 하는 특징을 추출하는 것 또한 가능하다.
한편, 앞서와 같이 검출된 잎맥 영상에 전처리 과정을 거치지 않고 세선화 알고리즘을 적용하게 되면 잎맥이 끊어지거나 잎맥 영상에 잡음이 존재할 수 있다. 따라서, 개시된 기술의 일 실시예에서는 이와 같은 단점을 보완하기 위하여 미디언 필터링을 적용하고, 팽창 및 침식연산을 추가로 수행한다. 따라서, 잎맥의 끊김 또는 잎맥 영상의 잡음에 따른 특징 오검출을 방지하는 효과를 제공한다.
도 3은 개시된 기술의 일 실시예에 따른 잎맥 검출에 대한 도면이다. 도 3을 참조하면 개시된 기술의 일 실시예에서는 입력한 이파리 영상을 이진 영상으로 변환하여 잎맥을 검출한다. 이파리 영상을 이진 영상으로 변환하는데 있어서, 개시된 기술의 일 실시예에서는 먼저 입력된 이파리 영상을 그레이스케일 영상으로 변환한다. 그리고 그레이스케일 영상에 대하여 오픈연산을 수행하고, 그에 따른 차영상을 획득한다. 그리고 획득한 차영상을 이용하여 이파리 영상에 대한 이진 영상을 획득한다. 즉, 이와 같은 연산 과정을 거치면 이파리 영상에서 잎맥을 검출하는 것이 가능하다. 검출된 잎맥은 추후 개시된 기술의 일 실시예가 포함하는 기술적 특징에 따라 이파리의 특징을 검출하는데 이용한다.
도 4는 개시된 개술의 일 실시예에서 주맥을 추출하는 흐름도이다. 도 4를 참조하면 Height는 영상의 높이, Width는 영상의 너비, hist[h]는 높이 h에서의 히스토그램 누적 분포를 나타낸다. 그리고 max는 히스토그램의 누적 분포 값이 가장 큰 값을 나타내고, max_seq는 max값을 갖는 영상의 높이를 나타낸다. 그리고 f(w, h)는 히스토그램 영상에서 w, h 좌표에서의 픽셀값을 나타낸다.
한편, 개시된 기술의 일 실시예에서는 획득한 잎맥 영상을 180도 회전시키면서 수평방향에서의 투영기법을 통해 히스토그램의 분포를 구한다. 즉, 히스토그램의 분포가 최대값을 나타내는 지점을 주맥으로 판단한다.
도 5는 개시된 기술의 실시예에 따른 주맥 검출 및 이파리의 방향 결정에 대한 도면이다. 수평방향에서의 투영기법을 통해 히스토그램의 분포가 최대가 되는 지점을 주맥으로 판단하고, 수직방향에서의 투영기법을 통해 영상을 반으로 나누어 히스토그램의 분포가 낮은 쪽을 이파리의 끝으로 판단한다.
도 6은 개시된 기술의 일 실시예에 따른 잎맥 세선화 및 특징점 추출에 대한 도면이다. 도 6을 참조하면 잎맥 영상을 세선화하고, 주맥의 양 끝점의 좌표를 검출하는 것을 알 수 있다. 그리고 주맥의 양 끝점의 어느 하나의 점 상에 존재하는 적어도 하나의 분기점 좌표를 검출한다. 따라서, 결과적으로 잎맥의 특징에 대한 정보들을 추출하는 것이 가능하다.
개시된 기술의 실시예를 통한 이파리 영상의 잎맥 특징 추출 방법 및 장치는 이해를 돕기 위하여 도면에 도시된 실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 개시된 기술의 진정한 기술적 보호범위는 첨부된 특허 청구 범위에 의해 정해져야 할 것이다.
110 : 영상 입력 120 : 이파리 영역 검출
130 : 잎맥 영상 획득 140 : 주맥 검출
150 : 방향 결정 160 : 세선화 및 특징 추출
210 : 촬영부 220 : 영역검출부
230 : 영상획득부 240 : 주맥검출부
250 : 방향처리부 260 : 특징추출부

Claims (14)

  1. 컴퓨터 또는 휴대 단말기의 촬영 장치를 이용하여 이파리 영상을 입력하는 단계;
    상기 컴퓨터 또는 상기 휴대 단말기의 프로세서가 상기 이파리 영상에서 이파리 영역을 검출하는 단계;
    상기 프로세서가 상기 이파리 영역에서 잎맥을 검출하고, 상기 잎맥에 대한 잎맥 영상을 획득하는 단계;
    상기 프로세서가 상기 잎맥 영상을 수평으로 투영하여 상기 잎맥의 주맥을 검출하는 단계;
    상기 프로세서가 상기 잎맥 영상을 수직으로 투영하여 상기 잎맥의 방향을 결정하는 단계; 및
    상기 프로세서가 상기 잎맥을 세선화하고, 상기 잎맥의 특징을 추출하는 단계를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  2. 제 1 항에 있어서,
    상기 촬영 장치는, 카메라를 포함하고, 상기 휴대 단말기는 스마트폰 또는 태블릿PC를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  3. 제 1 항에 있어서, 상기 이파리 영역을 검출하는 단계는,
    상기 이파리 영상을 그레이스케일 영상으로 변환하고, 상기 그레이스케일 영상을 이진화하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  4. 제 1 항에 있어서, 상기 잎맥 영상을 획득하는 단계는,
    상기 이파리 영상에 모폴로지 열림 연산을 수행하여 제 1 영상을 획득하고, 상기 제 1 영상 및 상기 잎맥 영상의 차영상을 획득하고, 상기 차영상을 이진화하여 상기 잎맥을 검출하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  5. 제 1 항에 있어서, 상기 잎맥의 주맥을 검출하는 단계는,
    상기 잎맥 영상에 수평 투영기법을 적용하여 히스토그램의 분포를 구하고, 상기 히스토그램의 분포가 최대값인 지점을 상기 주맥으로 검출하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  6. 제 1 항에 있어서, 상기 잎맥의 방향을 결정하는 단계는,
    상기 잎맥 영상에 수평 투영기법을 적용하여 히스토그램의 분포를 구하고, 상기 히스토그램의 분포를 통해 잎꼭지 부분과 이파리의 끝 부분을 결정하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  7. 제 1 항에 있어서, 상기 잎맥의 특징을 추출하는 단계는,
    Zhang-Suen 알고리즘을 이용하여 상기 잎맥을 세선화하고, 상기 잎맥의 끝점 및 분기점을 추출하여 상기 특징을 추출하는 이파리 영상의 잎맥 검출 및 특징 추출 방법.
  8. 이파리 영상을 입력하는 촬영부;
    상기 이파리 영상에서 이파리 영역을 검출하는 영역검출부;
    상기 이파리 영역에서 잎맥을 검출하고, 상기 잎맥에 대한 잎맥 영상을 획득하는 영상획득부;
    상기 잎맥 영상을 수평으로 투영하여 상기 잎맥의 주맥을 검출하는 주맥검출부;
    상기 잎맥 영상을 수직으로 투영하여 상기 잎맥의 방향을 결정하는 방향처리부; 및
    상기 잎맥을 세선화하고, 상기 잎맥의 특징을 추출하는 특징추출부를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  9. 제 8 항에 있어서, 상기 촬영부는,
    컴퓨터 또는 휴대 단말기가 포함하는 카메라를 이용하고, 상기 휴대 단말기는 스마트폰 또는 태블릿PC를 포함하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  10. 제 8 항에 있어서, 상기 영역검출부는,
    상기 이파리 영상을 그레이스케일 영상으로 변환하고, 상기 그레이스케일 영상을 이진화하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  11. 제 8 항에 있어서, 상기 영상획득부는,
    상기 이파리 영상에 모폴로지 열림 연산을 수행하여 제 1 영상을 획득하고, 상기 제 1 영상 및 상기 잎맥 영상의 차영상을 획득하고, 상기 차영상을 이진화하여 상기 잎맥을 검출하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  12. 제 8 항에 있어서, 상기 주맥검출부는,
    상기 잎맥 영상에 수평 투영기법을 적용하여 히스토그램의 분포를 구하고, 상기 히스토그램의 분포가 최대값인 지점을 상기 주맥으로 검출하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  13. 제 8 항에 있어서, 상기 방향처리부는,
    상기 잎맥 영상에 수평 투영기법을 적용하여 히스토그램의 분포를 구하고, 상기 히스토그램의 분포를 통해 잎꼭지 부분과 이파리의 끝 부분을 결정하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
  14. 제 8 항에 있어서, 상기 특징추출부는,
    Zhang-Suen 알고리즘을 이용하여 상기 잎맥을 세선화하고, 상기 잎맥의 끝점 및 분기점을 추출하여 상기 특징을 추출하는 이파리 영상의 잎맥 검출 및 특징 추출 장치.
KR1020120115892A 2012-10-18 2012-10-18 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치 KR101327482B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120115892A KR101327482B1 (ko) 2012-10-18 2012-10-18 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120115892A KR101327482B1 (ko) 2012-10-18 2012-10-18 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101327482B1 true KR101327482B1 (ko) 2013-11-08

Family

ID=49857290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120115892A KR101327482B1 (ko) 2012-10-18 2012-10-18 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101327482B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180032488A (ko) * 2016-09-22 2018-03-30 주식회사 아토즈소프트 이미지를 이용한 어류 종류 및 체장 측정 방법
KR20190021089A (ko) * 2017-08-22 2019-03-05 한국과학기술연구원 식물 잎 식별 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001229187A (ja) 2000-02-15 2001-08-24 Masaaki Nagakura 植物名検索システム
KR20070008214A (ko) * 2005-07-13 2007-01-17 아주대학교산학협력단 잎모양의 윤곽을 통한 식물의 검색방법
KR20080022257A (ko) * 2006-09-06 2008-03-11 아주대학교산학협력단 잎맥의 특징점을 이용한 잎 분류방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001229187A (ja) 2000-02-15 2001-08-24 Masaaki Nagakura 植物名検索システム
KR20070008214A (ko) * 2005-07-13 2007-01-17 아주대학교산학협력단 잎모양의 윤곽을 통한 식물의 검색방법
KR20080022257A (ko) * 2006-09-06 2008-03-11 아주대학교산학협력단 잎맥의 특징점을 이용한 잎 분류방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180032488A (ko) * 2016-09-22 2018-03-30 주식회사 아토즈소프트 이미지를 이용한 어류 종류 및 체장 측정 방법
KR102317988B1 (ko) 2016-09-22 2021-10-27 주식회사 아토즈소프트 이미지를 이용한 어류 종류 및 체장 측정 방법
KR20190021089A (ko) * 2017-08-22 2019-03-05 한국과학기술연구원 식물 잎 식별 시스템 및 방법
KR101956158B1 (ko) 2017-08-22 2019-03-08 한국과학기술연구원 식물 잎 식별 시스템 및 방법
US10679096B2 (en) 2017-08-22 2020-06-09 Korea Institute Of Science And Technology System and method for plant leaf identification

Similar Documents

Publication Publication Date Title
Wang et al. Hand-dorsa vein recognition based on partition local binary pattern
CA2867365C (en) Method, system and computer storage medium for face detection
CN104540445B (zh) 图像处理装置、图像处理方法和图像处理系统
KR101322168B1 (ko) 실시간 얼굴 인식 장치
US9613266B2 (en) Complex background-oriented optical character recognition method and device
CN108898132B (zh) 一种基于形状上下文描述的太赫兹图像危险品识别方法
Radu et al. A versatile iris segmentation algorithm
CN111582118A (zh) 一种人脸识别方法及装置
KR20110129158A (ko) 영상 처리 시스템에서의 객체 후보 영역 검출 방법 및 시스템
CN110222647B (zh) 一种基于卷积神经网络的人脸活体检测方法
KR101769741B1 (ko) 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치
Bai et al. A fast stroke-based method for text detection in video
KR101327482B1 (ko) 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치
Khinchi et al. A review on automatic number plate recognition technology and methods
KR20150074646A (ko) 영상 인식 장치 및 방법
Das et al. Human face detection in color images using HSV color histogram and WLD
Fathy et al. Benchmarking of pre-processing methods employed in facial image analysis
WO2022247684A1 (zh) 基站馈线检测方法、系统及相关装置
Chen et al. A computational efficient iris extraction approach in unconstrained environments
Wang et al. Skin Color Weighted Disparity Competition for Hand Segmentation from Stereo Camera.
WO2017219562A1 (zh) 一种二维码生成方法及装置
CN109492654B (zh) 一种室内窥视摄像头的检测方法及装置
Harifi et al. Efficient iris segmentation based on converting iris images to high dynamic range images
Yuan et al. Automatic detection of solar features in HSOS full-disk solar images using guided filter
Chiang et al. Automatic multiple faces tracking and detection using improved edge detector algorithm

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: 20160928

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee