KR101646838B1 - 트랙 이미지 카운팅 방법 - Google Patents

트랙 이미지 카운팅 방법 Download PDF

Info

Publication number
KR101646838B1
KR101646838B1 KR1020140116342A KR20140116342A KR101646838B1 KR 101646838 B1 KR101646838 B1 KR 101646838B1 KR 1020140116342 A KR1020140116342 A KR 1020140116342A KR 20140116342 A KR20140116342 A KR 20140116342A KR 101646838 B1 KR101646838 B1 KR 101646838B1
Authority
KR
South Korea
Prior art keywords
track
image
tracks
contour
line segment
Prior art date
Application number
KR1020140116342A
Other languages
English (en)
Other versions
KR20160028065A (ko
Inventor
김윤상
김승열
Original Assignee
한국기술교육대학교 산학협력단
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 한국기술교육대학교 산학협력단 filed Critical 한국기술교육대학교 산학협력단
Priority to KR1020140116342A priority Critical patent/KR101646838B1/ko
Publication of KR20160028065A publication Critical patent/KR20160028065A/ko
Application granted granted Critical
Publication of KR101646838B1 publication Critical patent/KR101646838B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N2015/0294—Particle shape

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Quality & Reliability (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Dispersion Chemistry (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 나노단위의 트랙을 영상처리 기법을 이용하여 카운팅하는 트랙 이미지 카운팅 방법에 관한 것으로, 입력된 트랙이 포함된 이미지를 최적화하는 단계; 상기에서 최적화된 이미지를 이진화하여 트랙을 검출하는 단계; 상기에서 검출된 트랙을 제외한 잡음을 제거하는 단계; 상기에서 검출된 트랙 중 손상된 트랙을 복구하는 단계; 및 상기에서 검출된 트랙 수 및 복구된 트랙 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계;를 제공한다.

Description

트랙 이미지 카운팅 방법{COUNTING METHOD FOR TRACK IMAGES}
본 발명은 트랙 이미지 카운팅 방법에 관한 것으로, 더욱 상세하게는 나노단위의 트랙을 영상처리 기법을 이용하여 카운팅하는 트랙 이미지 카운팅 방법에 관한 것이다.
고체 핵 트랙 검출기 (SSNTDs; Solid-state nuclear track detector)와 같은 감지기는 알파 입자, 양자, 그리고 핵분열 파편에 의해 만들어진 트랙(점)을 감지하는 기술로 높은 방사성 물질의 동위 원소 구성 및 상태를 파악하는데 매우 중요하다.
또한, 핵 분야 뿐만 아니라 촬영된 이미지의 미세한 점들을 분석하는 분야는 미세한 점들이 발생하는 다양한 철강의 핀홀 분석, 의료분야의 천공 분석, 미용분야의 피부표면의 점, 기미, 주근깨와 같이 촬영된 이미지의 점들을 분석하는 기술은 많은 분야에서 활용되고 있다.
단순히 촬영된 이미지의 점들에 대한 분포를 분석하여 임계값과 비교하여 많고 적음을 나타내는 것이 일반적이지만, 점의 개수를 카운트하여 더욱 명확하게 활용하기 위한 분석이 필요하다.
종래에는 수동적으로 핵 트랙 이미지의 직접 관찰을 통해 트랙 분석이 이루어져 많은 시간을 소모하는 문제가 있었다. 이를 해결하기 위해 고속 푸리에 변환(FFT; Fourier Transform)에 기초하여 하이브리드 알고리즘을 채용하고, 퍼지 하프 변환(FHT; Fuzzy hough transform)으로 배경 노이즈를 제거하여 겹침 트랙을 검출하여 분석하였지만, 퍼지하프 변환은 원을 검색하는 알고리즘으로 명확한 원을 검출하기에는 유리하지만 트랙 이미지는 완전한 원이 아닌 타원이나 겹쳐진 트랙의 형상이 원과 달라 오검출하는 상황이 발생할 수 있어 2개 이상 겹침 트랙의 측정이 제한되거나 검출하더라도 한 개로 인식되는 문제가 있었다.
관련 선행기술로는 한국등록특허 제1272005호(공개일:2013.05.30., 열간소재의 표면결함검출장치 및 검출방법)가 있다.
본 발명은 이미지 품질 저하로 인해 발생되는 손상된 트랙 형상을 복구하여 분석결과의 신뢰도를 향상시키는 트랙 이미지 카운팅 방법을 제공하기 위한 것이다.
또한, 본 발명은 트랙의 형상과 상관없이 외곽을 검출하여 그 형상을 기초로 트랙을 검출하여 다양한 형태의 트랙을 검출하는 트랙 이미지 카운팅 방법을 제공하기 위한 것이다.
또한, 본 발명은 겹침이 발생한 트랙의 수를 겹쳐진 트랙의 모든 수대로 카운트시키는 트랙 이미지 카운팅 방법을 제공하기 위한 것이다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않는다.
상기 과제를 달성하기 위한 본 발명의 트랙 이미지 카운팅 방법은, 입력된 트랙이 포함된 이미지를 최적화하는 단계; 상기에서 최적화된 이미지를 이진화하여 트랙을 명확하게 보정 및 검출하는 단계; 상기에서 보정된 트랙 중 손상된 트랙을 복구하는 단계; 및 상기에서 검출된 트랙 수 및 복구된 트랙의 사이즈 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계;를 포함하는 것을 특징으로 한다.
구체적으로, 상기 이진화하여 트랙 보정 및 검출 단계 이후 트랙 주변의 노이즈를 제거하는 노이즈제거 단계를 더 포함하는 것을 특징으로 한다.
또한, 상기 이미지 최적화 단계는 입력된 이미지를 3채널로 분리하는 단계; 상기 3채널 이미지 각각의 평균 픽셀값을 계산하여 중간 분포에 속하는 채널의 이미지의 밝기 및 명암을 최적화하는 단계; 및 상기에서 최적화된 3채널 이미지를 병합하고, Mean-shift segmentation을 이용하여 색상을 균일화하는 단계;로 이루어지는 것을 특징으로 한다.
또한, 상기 손상된 트랙을 복구하는 단계는 트랙 이미지의 엣지에 해당하는 윤곽(contour)을 검출하여 일정길이의 선분으로 변환하는 트랙윤곽검출단계; 상기에서 변환된 선분에서 연결 조건을 만족하는 선분을 구분하는 적절시점추정단계; 상기에서 조건에 만족하는 선분에 RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 모델을 예측 및 복원하는 모델예측복원단계;로 이루어지는 것을 특징으로 한다.
또한, 상기 트랙의 사이즈 정보는 장축, 단축, 중심점, 및 장축이 회전한 각도 중 어느 하나 이상을 포함하는 것을 특징으로 한다.
또한, 상기 트랙윤곽검출단계는 이진화된 트랙 이미지에 소벨(Sobel) 필터를 적용하여 트랙의 윤곽을 검출하는 것을 특징으로 한다.
또한, 상기 모델은 원형, 타원형, 및 비원형 중 어느 하나인 것을 특징으로으로 한다.
또한, 상기 적절시점추정단계는 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계를 포함하는 것을 특징으로 한다.
상기에서 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계는 트랙의 연속된 외곽점을 이용하여 벡터를 생성하는 단계; 상기에서 생성된 벡터 중 2개의 벡터의 내적 연산을 통해 사잇각을 구하는 단계; 상기 두 벡턱의 사잇각이 기 설정 각도 이하인 경우 미스매치드 윤곽 점으로 판단하는 단계; 및 상기 미스매치드 윤곽 점으로 판단된 점들을 제거하는 단계;로 이루어지는 것을 특징으로 한다.
또한, 상기 기설정 각도는 120°인 것을 특징으로 한다.
또한, 상기 복구된 트랙의 사이즈 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계에서 복구된 트랙의 비율이 임계값보다 크거나 트랙의 장축이 평균 장축보다 크면 겹침 트랙으로 판단하여 트랙의 수를 증가시켜 2이상으로 증가시켜 카운팅하는 것을 특징으로 한다.
또한, 상기 임계값은 전체 트랙의 평균 사이즈의 1.5배인 것을 특징으로 한다.
이상에서 설명한 바와 같이 본 발명은 나노단위의 트랙의 수를 분석하는데 있어 육안분석방법에 비해 빠르고 일정한 정확도로 분석할 수 있으며, 손상된 트랙 형상을 복원하여 검출오류를 최소화하는 효과가 있다.
또한, 본 발명은 이미지 품질 저하로 인해서 생기는 트랙 형상의 소실에도 형상을 복구하여 검출하므로 분석결과의 신뢰도 및 정확도를 향상시키는 효과가 있다.
도 1은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법을 나타낸 흐름도이다.
도 2는 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 이미지 최적화 단계에 따른 이미지 흐름도이다.
도 3은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 손상된 트랙을 복구하는 방법을 나타낸 흐름도이다.
도 4는 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 트랙윤곽검출을 나타낸 이미지이다.
도 5는 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 적절시점추정방법을 나타낸 흐름도이다.
도 6은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 적절시점추정을 설명하기 위한 예시도이다.
도 7은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 RANSAC 알고리즘을 적용하여 원 모델과 타원 모델의 트랙 복구 결과를 나타낸 이미지이다.
도 8은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 겹침 트랙의 수를 카운팅하는 방법을 나타낸 흐름도이다.
도 9는 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 트랙의 사이즈정보를 나타내는 도면이다.
도 10은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법의 (a)단일트랙 및 (b)겹침트랙의 예시를 나타낸 이미지이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다. 도면들 중 동일한 구성요소들은 가능한 어느 곳에서든지 동일한 부호로 표시한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 트랙 이미지 카운팅 방법을 나타낸 흐름도으로서, 트랙 이미지 카운팅 방법은 먼저, 입력된 트랙이 포함된 이미지를 최적화한다(S110). 트랙의 선명도가 낮으면 트랙 검출이 용이하지 않으므로 이미지를 최적화하는 전처리를 수행해야 한다.
여기서, 이미지를 최적화하는 방법은 도 2와 같이, 입력된 이미지를 3채널로 분리한다(S111).
이때, 3개의 채널은 RED 채널, GREEN 채널, 및 BLUE 채널을 포함한다.
그리고, 3개의 채널 이미지 각각의 평균 픽셀값을 계산하여 중간 분포에 속하는 채널의 이미지의 밝기 및 명암을 최적화시킨다(S112).
그리고, 최적화된 3채널 이미지를 병합하고 Mean-shift segmentation을 이용하여 색상을 균일화화여 이미지를 최적화 시킨다(S113).
이어서, 최적화된 이미지를 이진화하여 트랙을 보정 및 검출한다(S120). 여기서, 이진화를 보정한 후 보정한 이미지에서 트랙을 제외한 잡음을 제거할 수 있다. 잡음을 제거함으로써 트랙을 명확히 하게 되고, 잡음이 트랙으로 간주되어 카운팅되는 것을 막을 수 있는 효과가 있다.
이어서, 검출된 트랙 중 손상된 트랙을 복구한다(S130). 본 단계는, 트랙을 측정하는 유닛에 의해 빛의 반사로 트랙의 형태가 완전하지 않거나 부분적으로 희미한 경우에 트랙을 측정할 수 없으므로 트랙을 복원하는 작업을 수행해야 한다.
여기서, 손상된 트랙을 복구하는 방법은 도 3에 도시된 바와 같이, 트랙의 엣지에 해당하는 윤곽을 검출하여 일정길이의 선분으로 변환시켜 트랙의 윤곽을 검출한다(S131). 이때, 트랙의 윤곽은 이진화된 이미지를 입력 받아 검출한다. 이때, 여기서, 이진화된 이미지의 트랙 영역에 소벨 필터(Sobel Filter)를 적용하면 트랙의 외곽선을 검출함과 동시에 잡음도 함께 제거하는 효과가 있다.
즉, 도 4에 도시된 바와 같이, 최적화된 트랙 이미지에 소벨 필터(Sobel Filter)를 바로 적용하면 잡음이 그대로 노출되나, 최적화된 트랙 이미지를 이진화한 이미지에 소벨 필터(Sobel Filter)를 적용하면 잡음이 제거되는 것을 알 수 있다.
트랙의 윤곽을 검출한 후, 변환된 트랙의 선분에서 연결 조건을 만족하는 선분을 구분한다(S132). 이때, 연결조건을 만족하는 선분을 구분하기 위해 손상된 트랙의 Contour sequence는 방향이나 각도가 불규칙적이기 때문에 Mismatched contour point를 탐색 및 제거해야 한다.
여기서, 미스매치드 윤곽점의 탐색 및 제거방법은 도 5에 도시한 바와 같이, 트랙의 연속된 외곽점을 이용하여 벡터를 생성한다(132a). 이때, 트랙의 외곽선은 연속된 점으로 구성되어 있다.
그리고, 생성된 벡터 중 임의의 2개의 벡터의 내적연산을 통해 사잇각을 구한다(132b).
두 벡터의 내적 연산을 통해 구해진 사잇각을 기 설정 각도와 비교했을 때(132c), 사잇각이 기 설정 각도보다 작으면, 미스매치드 외곽점으로 판단하고 외곽점을 제거한다(S132d).
여기서, 사잇각이 기 설정 각도보다 크면, 외곽점을 유지하여 트랙의 형상을 유지한다(S132e). 이때, 기 설정 각도는 120°인 것이 바람직하다. 이는 복수회 테스트에 의해 설정된 각도이다.
이는 하기의 [표 1]과 같은 알고리즘에 의해 수행될 수 있다.
Figure 112014083967473-pat00001
미스매치드 윤곽점의 탐색 및 제거방법에 대한 알고리즘을 [표 1]과 도 6을 통해 설명하면, 먼저,
Figure 112014083967473-pat00002
는 모든 Contour point의 집합 s를 가지며, Cs는 유효한 Contour point를 저장하기 위한 집합이며, 처음엔 공집합으로 설정된다.
이 과정은
Figure 112014083967473-pat00003
가 남지 않을 때까지 반복한다.
먼저, 두 개의 라인을 생성한다. 이때,
Figure 112014083967473-pat00004
부터
Figure 112014083967473-pat00005
포인트를 선택하고,
Figure 112014083967473-pat00006
로부터
Figure 112014083967473-pat00007
만큼 떨어진
Figure 112014083967473-pat00008
를 선택한다. 이러면, 첫 번째 라인
Figure 112014083967473-pat00009
가 생성된다.
또한,
Figure 112014083967473-pat00010
로부터
Figure 112014083967473-pat00011
만큼 떨어진
Figure 112014083967473-pat00012
을 선택한다. 이러면, 두 번째 라인
Figure 112014083967473-pat00013
이 생성된다.
이어, 유효한 contour 포인트를 평가한다. 상기에서 생성한 3개의 포인트를 이용하여 2개의 벡터를 구성한다.
Figure 112014083967473-pat00014
그리고
Figure 112014083967473-pat00015
이고 두 벡터 사이의 각
Figure 112014083967473-pat00016
를 계산하는데,
Figure 112014083967473-pat00017
가 임계값
Figure 112014083967473-pat00018
보다 작으면 집합 s에서 contour 포인트
Figure 112014083967473-pat00019
를 제거하고, 아니면 포인트
Figure 112014083967473-pat00020
를
Figure 112014083967473-pat00021
에 추가하되,
Figure 112014083967473-pat00022
의 포인트 수가
Figure 112014083967473-pat00023
값보다 적으면 반복을 중지한다.
마지막으로 유효한 포인트로 평가된 집합 Cs를 출력한다.
이때,
Figure 112014083967473-pat00024
가 사잇각을 의미하고 임계값
Figure 112014083967473-pat00025
가 기설정 각도를 의미한다.
그리고, 변환된 트랙의 선분에서 연결 조건을 만족하는 선분을 구분(S132)한 후, 조건에 만족하는 선분에 RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 모델을 예측 및 복원한다.
미스매치드 윤곽 점(mismatched contour point)을 제거한 윤곽 구성요소(contour component) RANSAC 알고리즘을 적용하면 도 7과 같이 나타낼 수 있다. (a)는 모델을 복원하기 전의 모습으로 완전한 모델을 얻지 못하였으나, RANSAC을 이용하여 (b)와 같은 모델로 복원 할 수 있다. 이때, 트랙의 모델은 원형, 타원형, 및 비원형 중 어느 하나일 수 있다.
마지막으로, 검출된 트랙 수 및 복구된 트랙의 사이즈 정보를 이용한 겹침 트랙의 수를 포함한 전체의 트랙 수를 카운팅한다(S140).
여기서, 상기 복구된 트랙의 사이즈 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계에서 겹침 트랙의 수를 분석하는 방법은 도 8 및 도 9에 도시된 바와 같다.
먼저, 트랙의 사이즈 정보를 획득한다(S141). 이때, 상기 트랙의 사이즈 정보는 장축(10), 단축(20), 중심점(30), 및 장축이 회전한 각도 중 어느 하나 이상을 포함한다.
그리고, 전체 트랙의 평균사이즈를 계산한다(S142). 이때, 평균 사이즈를 1로 설정할 수 있다.
이어, 각 트랙의 평균 비율을 계산하고(S143), 평균비율이 임계값보다 크거나(S144a), 트랙의 장축이 평균 장축보다 크면(S144b), 겹침 트랙으로 판단하여 트랙의 수를 증가시켜 2이상으로 증가시켜 카운팅하고(S145), 평균비율이 임계값보다 작거나(S144a), 트랙의 장축이 평균장축보다 작으면(S144b), 단일 트랙으로 트랙의 수를 계산한다.
여기서 도 10과 같이, (a)단일트랙 및 (b)겹침트랙으로 구분될 수 있다. (b)겹침트랙의 경우 트랙의 장축이 평균 장축보다 커서 겹침트랙으로 판단된다.
즉, 정원 형태를 갖는 트랙의 특성을 이용하여 검출된 트랙 영역의 최대길이와 최소길이의 비로 겹침트랙의 수를 측정할 수 있다.
여기서, 임계값은 1.5로 평균사이즈가 1일 때, 각 트랙의 비율이 1.5배가 되면 트랙이 큰 것으로 판단할 수 있다.
하기의 [표 2] 및 [표 3]를 통해 비교 예들에 비해 본 발명의 카운팅 방법 월등히 우수한 방법임을 알 수 있다.
비교 예1 비교 예2 본 발명
실험 예1 시간 0.28 0.986 0.937
정확도 68.18% 77.00% 95.51%
검출트랙수 15 17 21
실험 예2 시간 0.394 0.994 0.977
정확도 81% 83.8% 94.6%
검출트랙수 30 31 35
실험 예3 시간 0.663 0.997 1.653
정확도 83.3% 90.3% 93.1%
검출트랙수 60 65 67
실험 예4 시간 0.395 0.9 1.254
정확도 62.9% 91.4% 97.1%
검출트랙수 22 32 34
먼저, [표 2]을 통해 비교 예들 보다 시간, 정확도, 및 검출 트랙 수가 월등함을 알 수 있다.
비교 예1이 본 발명에 비해 처리속도가 빠르다고 보일 수 있으나, 검출 트랙수에 있어서 본 발명보다 월등히 적은수가 검출되고, 정확도가 본 발명에 비해 떨어짐을 알 수 있다.
비교 예 2
Image1 Image2 Image3 Image4 Image5
이미지 최적화 0.128 0.258 0.754 0.142 0.163
Histogram/Threshold 0.053 0.057 0.055 0.053 0.056
잡음 제거 1.678 1.394 1.531 1.721 1.571
트랙 복구 0.613 1.964 0.77 0.835 0.838
트랙 분석 0.155 0.35 0.21 0.219 0.204
전체시간 2.627 4.023 3.32 2.97 2.832
본 발명
Image1 Image2 Image3 Image4 Image5
이미지 최적화 0.130 0.253 0.154 0.134 0.155
Histogram/Threshold 0.049 0.05 0.047 0.049 0.048
잡음 제거 0.147 0.112 0.123 0.13 0.118
트랙 복구 0.492 0.980 0.505 0.553 0.777
트랙 분석 0.119 0.258 0.148 0.148 0.156
전체시간 0.937 1.653 0.977 1.014 1.254
상기의 [표 3]는 비교 예1보다 우수한 비교 예2와 본 발명을 단계별로 처리속도를 비교한 사항으로 동일한 이미지에 대해 이미지 최적화, Histogram/Threshold, 잡음제거, 트랙복구, 트랙분석 및 전체시간을 비교한 결과를 나타낸다.
이미지 최적화 및 Histogram/Threshold까지는 비교 예1 과 본 발명의 처리속도가 유사하게 진행되었으나, 잡음제거부터 트랙분석까지는 본 발명이 처리속도가 월등히 우세함을 알 수 있다. 이는 잡음 제거에 있어 비교 예1은 잡음인지 아닌지 판단하는데 시간이 걸릴 뿐 아니라 트랙분석에 있어서도 겹침 트랙의 분석의 여건이 맞지 않아 처리속도가 지연됨을 알 수 있다.
따라서, 상기와 같은 본 발명의 실시 예에 따른 트랙 이미지 카운팅 방법을 이용하여 트랙의 이미지를 카운트 하면 나노단위의 트랙의 수를 분석하는데 있어 육안분석방법에 비해 빠르고 일정한 정확도로 분석할 수 있으며, 손상된 트랙 형상을 복원하여 검출오류를 최소화하는 효과가 있다.
또한, 본 발명은 핵 트랙에 국한되지 않고 트랙과 같은 결점이 있는 이미지를 이용한 분야에서 사용될 수 있는 효과가 있다.
상기와 같은 트랙 이미지 카운팅 방법은 위에서 설명된 실시 예들의 구성과 작동 방식에 한정되는 것이 아니다. 상기 실시 예들은 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 다양한 변형이 이루어질 수 있도록 구성될 수도 있다.
10: 장축
20: 단축
30: 중심점

Claims (12)

  1. 입력된 트랙이 포함된 이미지를 최적화하되, 이미지의 밝기 및 명암을 최적화하기 위해 3채널에 따라 평균 픽셀값을 계산한 후, 색상을 균일화하는 이미지 최적화 단계;
    상기 최적화된 이미지를 이진화하여 트랙 보정 및 검출하는 단계;
    상기 보정된 트랙 중 손상된 트랙을 복구하되, 트랙윤곽을 일정길이의 선분으로 변환하여 그 연결조건을 만족하고 선분에 대응하는 트랙의 모델을 예측 및 복원하는 단계; 및
    상기 검출된 트랙 수 및 복구된 트랙의 사이즈 정보를 이용한 겹침 트랙의 수를 포함한 전체의 트랙 수를 카운팅하는 단계;를 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  2. 청구항 1에 있어서,
    상기 이진화하여 트랙 보정 및 검출 단계 이후 트랙 주변의 노이즈를 제거하는 노이즈제거 단계를 더 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  3. 청구항 1에 있어서,
    상기 이미지 최적화 단계는 입력된 이미지를 3채널로 분리하는 단계;
    상기 3채널 이미지 각각의 평균 픽셀값을 계산하여 중간 분포에 속하는 채널의 이미지의 밝기 및 명암을 최적화하는 단계; 및
    상기에서 최적화된 3채널 이미지를 병합하고, Mean-shift segmentation을 이용하여 색상을 균일화하는 단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  4. 청구항 1에 있어서,
    상기 손상된 트랙을 복구하는 단계는 트랙의 엣지에 해당하는 윤곽(contour)을 검출하여 일정길이의 선분으로 변환하는 트랙윤곽검출단계;
    상기에서 변환된 트랙의 선분에서 연결 조건을 만족하는 선분을 구분하는 적절시점추정(Suitable point estimation)단계;
    상기에서 조건에 만족하는 선분에 RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 트랙의 모델을 예측 및 복원하는 모델예측복원단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  5. 청구항 1에 있어서,
    상기 트랙의 사이즈 정보는 장축, 단축, 중심점, 및 장축이 회전한 각도 중 어느 하나 이상을 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  6. 청구항 4에 있어서,
    상기 트랙윤곽검출단계는 이진화된 트랙 이미지에 소벨(Sobel) 필터를 적용하여 트랙의 윤곽을 검출하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  7. 청구항 4에 있어서,
    상기 모델은 원형, 타원형, 및 비원형 중 어느 하나인 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  8. 청구항 4에 있어서,
    상기 적절시점추정단계는 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계를 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  9. 청구항 8에 있어서,
    상기에서 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계는 트랙의 연속된 외곽점을 이용하여 벡터를 생성하는 단계;
    상기에서 생성된 벡터 중 2개의 벡터의 내적 연산을 통해 사잇각을 구하는 단계;
    상기 두 벡터의 사잇각이 기설정 각도 이하인 경우 미스매치드 윤곽 점으로 판단하는 단계; 및
    상기 미스매치드 윤곽 점으로 판단된 점들을 제거하는 단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  10. 청구항 9에 있어서,
    상기 기설정 각도는 120°인 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  11. 청구항 4에 있어서,
    상기 복구된 트랙의 사이즈 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계에서 복구된 트랙의 비율이 임계값보다 크거나 트랙의 장축이 평균 장축보다 크면 겹침트랙으로 판단하여 트랙의 수를 증가시켜 2이상으로 증가시켜 카운팅하는 것을 특징으로 하는 트랙 이미지 카운팅 방법.
  12. 청구항 11에 있어서,
    상기 임계값은 전체 트랙의 평균 사이즈의 1.5배인 것을 특징으로 하는 트랙 이미지 카운팅 방법.
KR1020140116342A 2014-09-02 2014-09-02 트랙 이미지 카운팅 방법 KR101646838B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140116342A KR101646838B1 (ko) 2014-09-02 2014-09-02 트랙 이미지 카운팅 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140116342A KR101646838B1 (ko) 2014-09-02 2014-09-02 트랙 이미지 카운팅 방법

Publications (2)

Publication Number Publication Date
KR20160028065A KR20160028065A (ko) 2016-03-11
KR101646838B1 true KR101646838B1 (ko) 2016-08-16

Family

ID=55582763

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140116342A KR101646838B1 (ko) 2014-09-02 2014-09-02 트랙 이미지 카운팅 방법

Country Status (1)

Country Link
KR (1) KR101646838B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102612850B1 (ko) * 2021-12-02 2023-12-14 오씨아이 주식회사 카본블랙 펠렛 크기 분포 분석 방법 및 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101191454B1 (ko) * 2010-05-14 2012-10-16 계명대학교 산학협력단 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
KR101272005B1 (ko) * 2011-08-10 2013-06-05 주식회사 포스코 열간소재의 표면결함검출장치 및 검출방법
KR20130053091A (ko) * 2011-11-15 2013-05-23 주식회사 포스코 판 파단 검출 장치 및 방법
KR101540010B1 (ko) * 2012-06-07 2015-07-28 주식회사 비엠텍월드와이드 엑스선 골밀도 영상의 윤곽선 검출 보정 방법 및 장치

Also Published As

Publication number Publication date
KR20160028065A (ko) 2016-03-11

Similar Documents

Publication Publication Date Title
EP2754091B1 (en) Measurement of belt wear through edge detection of a raster image
JP6922539B2 (ja) 表面欠陥判定方法および表面欠陥検査装置
Visen et al. AE—automation and emerging technologies: identification and segmentation of occluding groups of grain kernels in a grain sample image
WO2021168733A1 (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
JP2017515097A (ja) 射影画像を用いた自動インライン検査及び計測
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN108805180B (zh) 目标对象的检测方法及装置
Islam et al. Capsule image segmentation in pharmaceutical applications using edge-based techniques
CN115953373B (zh) 玻璃缺陷检测方法、装置、电子设备及存储介质
Lauridsen et al. Reading circular analogue gauges using digital image processing
US9628659B2 (en) Method and apparatus for inspecting an object employing machine vision
CN115170501A (zh) 缺陷检测方法、系统、电子设备及存储介质
KR102030768B1 (ko) 영상을 이용한 가금류 무게 측정 방법, 이를 수행하기 위한 기록매체 및 장치
EP2973223B1 (en) Enhanced analysis for image-based serpentine belt wear evaluation
CN117237747B (zh) 基于人工智能的五金件缺陷分类识别方法
CN110544243A (zh) 一种ct图像小缺陷自动检出、定量及可靠性评价方法
CN113793322A (zh) 一种对磁性材料自动检测的方法、电子设备和存储介质
KR101646838B1 (ko) 트랙 이미지 카운팅 방법
CN105825182A (zh) 一种在线识别裂颖稻种的双面分析方法
CN113780235A (zh) 图标瑕疵检测方法及系统
JP6199799B2 (ja) 自発光材料画像処理装置及び自発光材料画像処理方法
KR101679968B1 (ko) 캐니 에지 검출을 이용한 트랙 이미지 카운팅 방법
CN110634124A (zh) 一种区域检测的方法及设备
CN111460198A (zh) 一种图片时间戳的审核方法及装置
JP4998722B2 (ja) 画像処理によるワーク欠陥検査方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191120

Year of fee payment: 4