KR101741117B1 - The efficient method for separating individual plankton from clumped plankton images - Google Patents
The efficient method for separating individual plankton from clumped plankton images Download PDFInfo
- Publication number
- KR101741117B1 KR101741117B1 KR1020170015475A KR20170015475A KR101741117B1 KR 101741117 B1 KR101741117 B1 KR 101741117B1 KR 1020170015475 A KR1020170015475 A KR 1020170015475A KR 20170015475 A KR20170015475 A KR 20170015475A KR 101741117 B1 KR101741117 B1 KR 101741117B1
- Authority
- KR
- South Korea
- Prior art keywords
- plankton
- image
- concave points
- points
- separation
- Prior art date
Links
Images
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
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법에 관한 것으로, 보다 상세하게는, 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하고 분리된 개개의 플랑크톤의 모양을 원 상태에 가깝게 복원시킬 수 있는 발명이다.The present invention relates to an efficient method for separating aggregate plankton into individual plankton in an image in which plankton is aggregated, and more particularly, to an efficient method for separating aggregate plankton into individual plankton It is an invention capable of restoring the shape close to the original state.
일반적으로, 플랑크톤의 분포는 해양 또는 담수 건강의 중요한 지표이다.In general, the distribution of plankton is an important indicator of marine or freshwater health.
우리나라에는 적조나 혈액 중독 등의 원인이 되는 3종의 대표적인 유해 플랑크톤 종류가 있는데, 이들은 Cochlodinium poluykrikoides (COCH), Alexandrium tamarance (ALEX), Pseudo-nitzchia이다.In Korea, there are three representative types of harmful plankton that cause red tide and blood poisoning. These are Cochlodinium poluykrikoides (COCH), Alexandrium tamarance (ALEX), and Pseudo-nitzchia.
이중 Cochlodinium poluykrikoides, Alexandrium tamarance는 둥근 형태인 반면, Pseudo-nitzchia는 막대형이다.Cochlodinium poluykrikoides and Alexandrium tamarans are round, while Pseudo-nitzchia is rod-shaped.
통상적으로, 플랑크톤의 분포를 평가하기 위한 방법으로는 수동 플랑크톤 평가 방법이나 자동 플랑크톤 분포 평가 방법을 사용한다.Conventionally, passive plankton evaluation methods or automatic plankton distribution evaluation methods are used as methods for evaluating the distribution of plankton.
상기 수동 플랑크톤 평가 방법은 사람이 직접 현미경을 통해 물 샘플을 관찰함으로써 플랑크톤의 각 종별 갯수를 헤아리고 인식하는 방법이다.The passive plankton evaluation method is a method in which a person directly observes a water sample through a microscope to count the number of each type of plankton.
상기 자동 플랑크톤 평가 방법은 특수 설계된 투명 챔버로 흐르는 바닷물과 담수를 현미경 영상 장비가 촬영하고, 촬영된 영상을 분석하여 플랑크톤의 각 종별 갯수를 헤아리고 인식한다.The automatic plankton evaluation method captures seawater and fresh water flowing into a specially designed transparent chamber by a microscope imaging apparatus and analyzes the photographed images to count the number of plankton species.
상기 수동 플랑크톤 평가 방법은 작업 시간이 오래 걸릴 뿐만 아니라 오류가 발생 되기 쉽고 번거로울 수 있기 때문에 자동 플랑크톤 분포 평가 방법이 선호된다.Since the passive plankton evaluation method not only takes a long time, but also can be error-prone and cumbersome, a method for evaluating a plankton distribution is preferred.
한편, 상기 자동 플랑크톤 분포 평가 방법에서 같은 종류의 플랑크톤들은 서로 뭉쳐있을 수 있고, 분리되어 있을 수도 있다.On the other hand, in the above-described automatic plankton distribution evaluation method, the same kind of plankton may be clustered or separated.
이때, 뭉쳐있는 플랑크톤의 종류를 구분하고 플랑크톤의 수를 헤아리기 위해서는 뭉쳐있는 플랑크톤들을 개별 플랑크톤으로 분리해야만 한다.At this time, to distinguish the types of plankton that are assembled and to count the number of plankton, the plankton that is gathered must be separated into individual plankton.
하지만, 대부분의 플랑크톤 분리 방법의 경우 플랑크톤 개체가 특정 모양을 가지고 있다고 가정하거나, 플랑크톤 개체를 분할할 때 한 개의 플랑크톤 개체가 지나치게 여러 개의 조각으로 쪼개질 수 있다는 문제점이 있었다.However, in most plankton separation methods, it is assumed that a plankton object has a specific shape, and when a plankton object is divided, one plankton object may be split into multiple pieces.
또한, 두 플랑크톤 개체가 맞닿는 경계에서 플랑크톤의 모양을 원 상태로 복원하지 못한다는 문제점이 있었다.In addition, there is a problem that the plankton can not be restored to its original state at the boundary between the two plankton objects.
한편, 본 발명의 선행 기술로는 특허등록번호 "10-0558613"호의 "디지털 영상 처리 기법을 이용한 식물성 플랑크톤 개체수 측정 방법"이 출원되어 등록되었는데, 상기 디지털 영상 처리 기법을 이용한 식물성 플랑크톤 개체수 측정 방법은 해수에 포함된 식물성 플랑크톤의 개체수를 측정하기 위한 방법에 있어서, 식물성 플랑크톤이 포함된 해수를 소정 크기의 탱크에 채워넣어 계측용 조성물을 만드는 단계와; 상기 계측용 조성물 내부로 레이저와 원통형 렌즈를 사용하여 평면 광을 조사하는 단계; 상기 평면 광 내에 형성된 소정 크기의 영역을 CMOS 카메라로 촬영하여 디지털 영상을 획득한 다음 획득된 디지털 영상을 메인보드를 거쳐 컴퓨터 시스템으로 전송하는 단계; 컴퓨터 시스템을 사용하여 획득된 디지털 영상의 왜곡을 보정 하고, 필터링을 통해 영상 노이즈를 제거한 다음, 외곽선을 검출하는 전처리 과정을 통해 디지털 영상을 측정 가능한 형태의 영상으로 변환하는 단계; 및 변환된 영상에서 소정 크기의 체적을 추출하여 식물성 플랑크톤의 개체수를 측정하는 단계로 이루어질 수 있다.On the other hand, as a prior art of the present invention, "Method for measuring phytoplankton population using digital image processing technique" of the patent registration number "10-0558613" was filed and registered. The method for measuring phytoplankton population using the digital image processing technique A method for measuring the number of phytoplankton contained in seawater, comprising: preparing a measurement composition by filling seawater containing phytoplankton into a tank having a predetermined size; Irradiating planar light into the measurement composition using a laser and a cylindrical lens; Capturing an area of a predetermined size formed in the planar light with a CMOS camera to acquire a digital image, and transmitting the acquired digital image to a computer system via a main board; Correcting distortion of the digital image obtained using the computer system, removing the image noise through filtering, and then converting the digital image into a measurable image through a preprocessing process for detecting an outline; And extracting a volume of a predetermined size from the converted image to measure the number of phytoplankton.
이에 본 발명은 상기 문제점을 해결하기 위하여 플랑크톤이 뭉쳐있는 영상 속에 뭉쳐있는 플랑크톤들을 하나하나 분리하고, 분리된 플랑크톤의 모양을 원 상태로 복원함으로써 플랑크톤의 종류와 개체수를 정확하게 파악할 수 있도록 한 플랑크톤이 뭉쳐 있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법을 제공하는 것이다.In order to solve the above problem, the present invention has been made to solve the above problem by separating the plankton clusters in the image of the plankton clusters one by one and restoring the plankton shape to the original state so that the plankton can be grasped accurately It is an effective way to separate aggregate plankton from individual images into individual plankton.
상기 목적을 달성하기 위한 본 발명에 따른 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법은 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 개개의 플랑크톤을 분리하고 분리된 플랑크톤의 모양을 복원하는 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 플랑크톤의 윤곽선을 추출하는 단계(S1)와; 상기 플랑크톤 분리 및 복원 시스템이 추출된 플랑크톤의 윤곽선을 따라가면서 윤곽선 상 모든 점의 국부 곡률을 계산하고 곡률 임계값 이상의 곡률을 갖는 점들을 후보 오목점으로 검출하는 단계(S2); 상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3); 및 선택된 한 쌍의 최적 오목점을 연결하는 경계선을 잘라 뭉쳐진 플랑크톤을 분리하고 양끝에 한 쌍의 최적 오목점을 갖는 플랑크톤의 볼록한 외곽선 부분을 추출하고 추출된 볼록한 외곽선 부분의 모든 점에 대한 평균 국부 곡률 값을 계산한 다음 한 쌍의 최적 오목점을 지나면서 평균 국부 곡률 값을 곡률로 갖는 원의 외곽선을 플랑크톤의 볼록한 외곽선 부분에 정합시켜 플랑크톤의 모양을 복원하는 단계(S4)로 이루어진다.In order to accomplish the above object, an efficient method of separating a plankton from a clustered plankton image into individual plankton is to separate individual plankton from a rounded plankton image and restore the shape of the separated plankton (S1) a plankton separation and restoration system extracting a contour of a plankton in an image in which circular plankton is united; The plankton separation and restoration system calculates local curvatures of all points on the outline along the outline of the extracted plankton, and detects points having a curvature equal to or greater than the curvature threshold as a candidate concave point (S2); Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, Selecting a pair of optimal concave points by selecting an optimal concave point having the highest curvature (S3); And a boundary line connecting the selected pair of the optimum concave points is cut out to separate the plankton and the convex outline part of the plankton having a pair of optimal concave points at both ends is extracted and the average local curvature (S4) of calculating a plankton shape by matching the outline of a circle having a curvature of an average local curvature value to a convex outline part of the plankton after passing through a pair of optimal concave points.
이러한 절차로 이루어진 본 발명에 따른 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법은 여러 개체가 뭉쳐진 플랑크톤의 윤곽선을 추출한 다음, 어느 한 개체와 다른 한 개체가 겹쳐진 경계선을 찾기 위해 후보 오목점을 탐지한다.An efficient method of separating a plankton into individual plankton from an image of a plankton clustering according to the present invention is to extract the outline of the plankton that has been formed by a plurality of objects and then to search for an overlapping boundary between one object and another object Detects Candidate points.
또한, 여러 개의 후보 오목점 중 한 쌍의 최적 오목점을 찾기 위해 클러스터링을 수행한다.Also, clustering is performed to find an optimal concave point of a pair of candidate concave points.
다음, 한 쌍의 최적 오목점을 연결하는 경계선을 절단하여 개개의 플랑크톤을 분리하고, 외삽법을 이용하여 플랑크톤의 절단 부위를 복원시켜줌으로써 뭉친 플랑크톤을 개개의 플랑크톤으로 분리함과 더불어 절단된 플랑크톤의 형태를 원 상태에 가깝게 복원시킬 수 있다.Next, the boundaries connecting the pair of optimal concave points are cut to separate individual plankton, and extrapolating the plankton to restore the cut plankton to separate the plankton into individual plankton, The shape can be restored close to the original state.
따라서, 본 발명을 이용하면 개개의 플랑크톤으로 분리됨과 더불어 원 상태에 가깝게 복원된 플랑크톤을 정확하게 헤아릴 수 있어 해양 또는 담수 건강을 정확하게 판단할 수 있다.Therefore, by using the present invention, it is possible to accurately measure the plankton restored to individual plankton and close to the original state, so that the marine or freshwater health can be accurately judged.
도면 1은 본 발명의 플로우 챠트,
도면 2는 한 쌍의 오목점을 연결한 경계선을 절단하여 뭉친 플랑크톤을 분리하고, 외삽법을 이용하여 분리된 플랑크톤의 모양이 복원된 상태를 도시한 도면으로서 파란색 실선은 절단선이고, 초록색 실선은 외삽 곡선이다.
도면 3은 COCH의 분리 과정에 대한 3개 실시 예를 도시한 도면으로서 도면의 첫번째 열은 플랑크톤이 분리되기 전 원 영상이고, 두번째 열의 노란색 점은 최종 오목점이며, 세번째 열은 뭉쳐진 플랑크톤이 낱개로 분리된 결과이다.
도면 4는 ALEX의 분리 과정에 대한 3개 실시 예를 도시한 도면으로서 도면의 첫번째 열은 플랑크톤이 분리되기 전 원 영상이고, 두번째 열의 노란색 점은 최종 오목점이며, 세번째 열은 뭉쳐진 플랑크톤이 낱개로 분리된 결과이다.
도면 5는 오목점이 강하지 않아 플랑크톤의 분리에 실패한 예를 도시한 도면이다.1 is a flow chart of the present invention,
FIG. 2 is a view showing a state in which plankton separated from a plankton by cutting a boundary connecting a pair of concave points and restoring the shape of plankton separated by extrapolation, wherein a blue solid line is a cutting line and a green solid line Extrapolation curve.
FIG. 3 shows three embodiments of the separation process of COCH, wherein the first column in the drawing is the original image before the plankton is separated, the yellow point in the second column is the final concave point, and the third column is the single row of plankton This is a separate result.
FIG. 4 shows three examples of the separation process of ALEX, wherein the first column of the drawing is the original image before the plankton is separated, the yellow point of the second column is the final concave point, and the third column is the single row of plankton This is a separate result.
5 is a diagram showing an example in which separation of plankton fails because the concave point is not strong.
이하, 첨부된 도면을 참조하여 본 발명을 자세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.
본 발명에 따른 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법은 도면 1에 도시한 바와 같이, 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 개개의 플랑크톤을 분리하고 분리된 플랑크톤의 모양을 복원하는 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 플랑크톤의 윤곽선을 추출하는 단계(S1)와; 상기 플랑크톤 분리 및 복원 시스템이 추출된 플랑크톤의 윤곽선을 따라가면서 윤곽선 상 모든 점의 국부 곡률을 계산하고 곡률 임계값 이상의 곡률을 갖는 점들을 후보 오목점으로 검출하는 단계(S2); 상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3); 및 선택된 한 쌍의 최적 오목점을 연결하는 경계선을 잘라 뭉쳐진 플랑크톤을 분리하고 양끝에 한 쌍의 최적 오목점을 갖는 플랑크톤의 볼록한 외곽선 부분을 추출하고 추출된 볼록한 외곽선 부분의 모든 점에 대한 평균 국부 곡률 값을 계산한 다음 한 쌍의 최적 오목점을 지나면서 평균 국부 곡률 값을 곡률로 갖는 원의 외곽선을 플랑크톤의 볼록한 외곽선 부분에 정합시켜 플랑크톤의 모양을 복원하는 단계(S4)로 이루어진다.As shown in FIG. 1, an efficient method for separating the plankton from the aggregated plankton image according to the present invention is as follows. As shown in FIG. 1, the plankton is separated from the image of the circular plankton, (S1) a plankton separation and restoration system for reconstructing a plankton outline in an image in which round plankton is united; The plankton separation and restoration system calculates local curvatures of all points on the outline along the outline of the extracted plankton, and detects points having a curvature equal to or greater than the curvature threshold as a candidate concave point (S2); Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, Selecting a pair of optimal concave points by selecting an optimal concave point having the highest curvature (S3); And a boundary line connecting the selected pair of the optimum concave points is cut out to separate the plankton and the convex outline part of the plankton having a pair of optimal concave points at both ends is extracted and the average local curvature (S4) of calculating a plankton shape by matching the outline of a circle having a curvature of an average local curvature value to a convex outline part of the plankton after passing through a pair of optimal concave points.
상기 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 개개의 플랑크톤을 분리하고 분리된 플랑크톤의 모양을 복원하는 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 플랑크톤의 윤곽선을 추출하는 단계(S1)는 상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 노이즈(Noise)를 줄이기 위해 둥근 형태의 플랑크톤이 뭉쳐진 영상에 3×3 가우시안 필터링(Gaussian filtering)을 적용하는 단계와; 상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 케니 에지 탐지기(Canny edge detector)를 적용하여 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 모든 에지(edge)를 얻은 다음 윤곽선을 추출하는 단계; 및 상기 플랑크톤 분리 및 복원 시스템이 추출된 윤곽선 중에서 가장 바깥쪽 윤곽선만 선택함으로써 플랑크톤의 윤곽선을 최종적으로 추출하는 단계를 포함한다.A plankton separation and restoration system for separating individual plankton from the image in which the circular plankton is formed and restoring the shape of the separated plankton. In the step (S1) of extracting the contour of the plankton from the image in which the circular plankton is formed, Applying a 3x3 Gaussian filtering to an image of circular plankton aggregated to reduce noise in an image in which circular plankton is aggregated; Applying a Canny edge detector to the image of the plankton separation and restoration system in which the round plankton is gathered, extracting all the edges from the image of the round plankton, and then extracting the outline; And finally extracting the outline of the plankton by selecting only the outermost outline of the extracted outline by the plankton separation and restoration system.
상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 케니 에지 탐지기(Canny edge detector)를 적용하여 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 모든 에지(edge)를 얻은 다음 윤곽선을 추출하는 단계는 상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 가우시안 필터링을 적용하는 단계와, 상기 플랑크톤 분리 및 복원 시스템이 소벨(Sobel) 연산자를 사용하여 상기 둥근 형태의 플랑크톤이 뭉쳐진 영상의 기울기 벡터(Gradient vector)의 크기(magnitude)를 계산하는 단계, 상기 플랑크톤 분리 및 복원 시스템이 가느다란 에지(edge)를 얻기 위해 기울기 벡터 방향을 따라 비-최대치 억제(non-maximum suppression)를 적용하여 기울기 벡터 방향에서 기울기(Gradient) 크기가 최대 값인 화소만 남기고 나머지 화소의 화소 값은 '0'으로 처리하는 단계, 및 상기 플랑크톤 분리 및 복원 시스템은 연결된 에지(edge)를 얻기 위해 히스테리시스 임계값(Hysteresis thresholding) 방식을 사용하여 픽셀 값이 상위 임계값(High Threshold) 보다 크면 에지(edge)라고 판단하는 반면, 픽셀값이 하위 임계값(Low Threshold) 보다 작으면 에지(edge)가 아니라고 판단하고 픽셀값이 하위 임계값보다 크고 상위 임계값보다 작은 픽셀은 픽셀 주변에 상위 임계값보다 큰 픽셀이 있을 때 에지라고 판단함으로써 최종적으로 연결된 에지를 얻는 단계를 포함한다.Wherein the plankton separation and restoration system comprises the steps of applying a Canny edge detector to the image of the rounded plankton bundle to obtain all the edges of the rounded plankton bundle and then extracting the outline, A step of applying a Gaussian filtering to an image in which a circular plankton is gathered by a separation and restoration system, and a step in which the plankton separation and restoration system calculates a gradient vector of an image of the rounded plankton using the Sobel operator , The plankton separation and restoration system applies a non-maximum suppression along the slope vector direction to obtain a slender edge, so that the gradient in the slope vector direction The pixel value of the remaining pixels is " 0 " , And the plankton separation and restoration system uses a hysteresis thresholding method to obtain a connected edge and determines that the edge is an edge if the pixel value is greater than an upper threshold value On the other hand, if the pixel value is smaller than the low threshold, it is determined that the pixel is not an edge. If the pixel value is larger than the lower threshold value and smaller than the upper threshold value, And determining that the edges are connected to each other.
상기 플랑크톤 분리 및 복원 시스템이 추출된 플랑크톤의 윤곽선을 따라가면서 윤곽선 상 모든 점의 국부 곡률을 계산하고 곡률 임계값 이상의 곡률을 갖는 점들을 후보 오목점으로 검출하는 단계(S2)에서 상기 플랑크톤의 윤곽선에는 다양한 곡률 값을 가진 많은 오목점이 있을 수 있다.The plankton separation and restoration system calculates the local curvatures of all points on the contour line along the outline of the extracted plankton and detects points having a curvature equal to or greater than the curvature threshold value as the candidate concave point in the outline of the plankton There can be many concave points with various curvature values.
따라서, 상기 플랑크톤의 윤곽선을 이루는 점(Point)의 곡률이 곡률 임계값보다 작은 점 다시 말해, 오목한 정도가 약한 오목점은 제거하는 반면, 플랑크톤의 윤곽선을 이루는 점의 곡률이 곡률 임계값보다 큰 점 다시 말해, 오목한 정도가 강한 오목점은 후보 오목점으로 간주한다.Therefore, the curvature of the point of the outline of the plankton is smaller than the curvature threshold value, that is, the concave point having a weak concavity is removed, while the curvature of the point constituting the outline of the plankton is larger than the curvature threshold In other words, a concave point with a high concavity is regarded as a candidate concave point.
상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3)에서 상기 클러스터(Cluster)의 수는 따로 정해져 있지 않기 때문에 Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, Since the number of clusters in the step S3 for selecting a pair of optimal concave points finally by selecting the optimum concave point having the highest curvature is not determined
아이에스오데이터(ISODATA: Iterative Self-Organizing Data Analysis Technique Algorithm) 클러스터링 알고리즘을 이용한다.It uses an ISODATA (Iterative Self-Organizing Data Analysis Technique Algorithm) clustering algorithm.
상기 아이에스오데이터 클러스터링 알고리즘은 컴퓨터를 통해 자동적으로 다수의 후보 오목점들을 유사한 특징을 가진 후보 오목점끼리 그룹화하는 기법이다. The ASO data clustering algorithm is a technique for automatically grouping candidate candidate points having similar characteristics among candidate candidate points through a computer.
상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3)는 상기 플랑크톤 분리 및 복원 시스템이 K-평균 클러스터링(K-means clustering)을 수행하여 상기 후보 오목점들을 2개 이상의 클러스터(Cluster)로 분류하는 단계와; 특정 클러스터 안에 포함된 후보 오목점들의 곡률이 플랑크톤 분리 및 복원 시스템에 설정된 범주를 완전히 벗어날 경우 특정 클러스터를 다른 클러스터로부터 분리하는 단계; 분류된 클러스터들 중 플랑크톤 분리 및 복원 시스템에 설정된 거리보다 가까운 위치에 놓인 클러스터들은 하나로 합치는 단계; 상기 플랑크톤 분리 및 복원 시스템은 만약 클러스터들안의 일부 후보 오목점들의 위치나 곡률이 변경되면 다시 플랑크톤이 뭉쳐진 영상에 상기 K-평균 클러스터링(K-means clustering)을 재수행하는 단계; 및 상기 플랑크톤 분리 및 복원 시스템은 만약 클러스터들안의 일부 후보 오목점들의 위치나 곡률이 변경되지 않았다면 분류된 클러스터안의 후보 오목점들 중 곡률이 가장 높은 최적 오목점을 검출하는 단계를 포함한다.Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, (S3) of selecting a pair of optimal concave points by selecting an optimal concave point having the highest curvature, the plankton separation and restoration system performs K-means clustering, Into two or more clusters (Clusters); Separating a specific cluster from other clusters when the curvature of the candidate concavities contained in the specific cluster is completely out of the category set in the plankton separation and restoration system; Clusters clustered at a position closer to the distance set in the plankton separation and restoration system among the classified clusters; The plankton separation and restoration system re-executes the K-means clustering on an image in which the plankton is reunited when the position or the curvature of some candidate concave points in the clusters is changed; And the plankton separation and restoration system includes the step of detecting an optimal concave point having the highest curvature among the candidate concave points in the classified cluster if the position or the curvature of some candidate concave points in the clusters has not been changed.
또한, 상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3)에서 클러스터링을 수행하는 이유는 곡률 임계값 이상의 곡률을 갖는 점들을 후보 오목점으로 검출하더라도 2개의 플랑크톤이 만나는 점 근처에 많은 후보 오목점들이 있을 수 있기 때문에 하나의 최적 오목점을 선택하기 위해 클러스터링을 수행한다.Further, in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, the candidate concave points are clustered, The reason for performing the clustering in the step S3 of selecting a pair of optimal concave points by finally selecting the optimum concave point having the highest curvature is that if a point having a curvature equal to or greater than the curvature threshold value is detected as the candidate concave point, Since there are many candidate concave points near the point where the plankton meet, we perform clustering to select one optimal concave point.
상기 선택된 한 쌍의 최적 오목점을 연결하는 경계선을 잘라 뭉쳐진 플랑크톤을 분리하고 양끝에 한 쌍의 최적 오목점을 갖는 플랑크톤의 볼록한 외곽선 부분을 추출하고 추출된 볼록한 외곽선 부분의 모든 점에 대한 평균 국부 곡률 값을 계산한 다음 한 쌍의 최적 오목점을 지나면서 평균 국부 곡률 값을 곡률로 갖는 원의 외곽선을 플랑크톤의 볼록한 외곽선 부분에 정합시켜 플랑크톤의 모양을 복원하는 단계(S4)에서 상기 플랑크톤 분리 및 복원 시스템은 추출된 최적 오목점을 이용하여 2개의 플랑크톤이 만나는 경계를 공유하는 최적 오목점 쌍을 얻기 위해 추출된 최적 오목점의 페어링(Pairing)을 수행한다.The boundary connecting the selected pair of the optimum concave points is cut, the plankton is separated, the convex outline part of the plankton having a pair of optimal concave points at both ends is extracted, and the average local curvature of all the points of the extracted convex outline part (S4) in which the shape of the plankton is restored by matching the outline of the circle having the curvature of the average local curvature value to the convex outline part of the plankton after passing through the pair of optimal concave points after calculation of the plankton separation and restoration The system performs the pairing of the extracted optimal concave points to obtain the optimal concave point pair sharing the boundary where the two plankton meet by using the extracted optimum concave point.
본 발명을 이용한 실험 결과를 도면 1 내지 도면 5를 참고하여 설명하면 다음과 같다.Experimental results using the present invention will be described with reference to FIGS. 1 to 5. FIG.
먼저, 실험에 두 종류의 둥근 형태의 플랑크톤이 사용되었는데, 한 종류는 COCH(Cochlodinium poluykrikoides)이고, 다른 한 종류는 ALEX(Alexandrium tamarance)이다.First, two types of plankton were used in the experiment. One type is COCH (Cochlodinium poluykrikoides) and the other is ALEX (Alexandrium tamarance).
도면 3은 COCH의 분리 결과를 보여주고, 도면 4는 ALEX의 분리 결과를 보여준다.FIG. 3 shows the result of separation of COCH, and FIG. 4 shows the result of separation of ALEX.
도면 3에 도시한 바와 같이, COCH는 항상 짝수 개가 뭉쳐지는 반면, ALEX는 도면 4에 도시한 바와 같이, 항상 2개씩 뭉쳐진다.As shown in FIG. 3, the COCH is always clustered in an even number, while the ALEX is always clustered two at a time, as shown in FIG.
도면 3에는 COCH의 분리 과정에 대한 3가지 예(a,b,c)를 도시하였고, 도면 4에는 ALEX의 분리 과정에 대한 3가지 예(a,b,c)를 도시하였다.FIG. 3 shows three examples (a, b, c) of the separation process of COCH, and FIG. 4 shows three examples (a, b, c) of the separation process of ALEX.
도면 3과 도면 4에서 3가지 실시 예 중 첫번째 열은 분리 이전의 원영상이고, 두번째 열은 검출된 최적 오목점을 노란색 점으로 표시하였으며, 세번째 열은 붙어있는 플랑크톤을 분리한 결과이다.In FIGS. 3 and 4, the first column indicates the original image before separation, the second column indicates the detected optimum concave point as a yellow dot, and the third column indicates the result of separating the plankton attached.
실험 결과 도면 3과 도면 4에 도시된 세번째 열과 같이, 모든 샘플이 정확하게 분리되었다.As a result of the experiment, all the samples were correctly separated as shown in the third column shown in FIG. 3 and FIG.
실험 결과, 둥근 형태의 유해 플랑크톤이 2개 뭉친 영상에 본 발명을 이용하였을 때 95% 이상의 분리 정확도를 얻었다.As a result of the experiment, the separation accuracy of 95% or more was obtained when the present invention was applied to an image in which two circular plexiform plankton aggregates.
반면, 2개의 플랑크톤이 만나는 경계에서 오목한 정도가 그리 강하지 않을 때에는 도면 5에 도시한 바와 같이, 오목점이 검출되지 않았다.On the other hand, when the concave degree at the boundary between the two plankton meet is not so strong, no concave point is detected as shown in Fig.
이러한 절차로 이루어진 본 발명에 따른 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법은 여러 개체가 뭉쳐진 플랑크톤의 윤곽선을 추출한 다음, 어느 한 개체와 다른 한 개체가 겹쳐진 경계선을 찾기 위해 후보 오목점을 탐지한다.An efficient method of separating a plankton into individual plankton from an image of a plankton clustering according to the present invention is to extract the outline of the plankton that has been formed by a plurality of objects and then to search for an overlapping boundary between one object and another object Detects Candidate points.
또한, 여러 개의 후보 오목점 중 한 쌍의 최적 오목점을 찾기 위해 클러스터링을 수행한다.Also, clustering is performed to find an optimal concave point of a pair of candidate concave points.
다음, 한 쌍의 최적 오목점을 연결하는 경계선을 절단하여 개개의 플랑크톤을 분리하고, 외삽법을 이용하여 플랑크톤의 절단 부위를 복원시켜줌으로써 뭉친 플랑크톤을 개개의 플랑크톤으로 분리함과 더불어 절단된 플랑크톤의 형태를 원 상태에 가깝게 복원시킬 수 있다.Next, the boundaries connecting the pair of optimal concave points are cut to separate individual plankton, and extrapolating the plankton to restore the cut plankton to separate the plankton into individual plankton, The shape can be restored close to the original state.
따라서, 본 발명을 이용하면 개개의 플랑크톤으로 분리됨과 더불어 원 상태에 가깝게 복원된 플랑크톤을 정확하게 헤아릴 수 있어 해양 또는 담수 건강을 정확하게 판단할 수 있다.Therefore, by using the present invention, it is possible to accurately measure the plankton restored to individual plankton and close to the original state, so that the marine or freshwater health can be accurately judged.
Claims (4)
상기 플랑크톤 분리 및 복원 시스템이 추출된 플랑크톤의 윤곽선을 따라가면서 윤곽선 상 모든 점의 국부 곡률을 계산하고 곡률 임계값 이상의 곡률을 갖는 점들을 후보 오목점으로 검출하는 단계(S2);
상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3);
및 선택된 한 쌍의 최적 오목점을 연결하는 경계선을 잘라 뭉쳐진 플랑크톤을 분리하고 양끝에 한 쌍의 최적 오목점을 갖는 플랑크톤의 볼록한 외곽선 부분을 추출하고 추출된 볼록한 외곽선 부분의 모든 점에 대한 평균 국부 곡률 값을 계산한 다음 한 쌍의 최적 오목점을 지나면서 평균 국부 곡률 값을 곡률로 갖는 원의 외곽선을 플랑크톤의 볼록한 외곽선 부분에 정합시켜 플랑크톤의 모양을 복원하는 단계(S4)로 이루어지고,
둥근 형태의 플랑크톤이 뭉쳐진 영상에서 개개의 플랑크톤을 분리하고 분리된 플랑크톤의 모양을 복원하는 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 플랑크톤의 윤곽선을 추출하는 단계(S1)는
상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 노이즈(Noise)를 줄이기 위해 둥근 형태의 플랑크톤이 뭉쳐진 영상에 3×3 가우시안 필터링(Gaussian filtering)을 적용하는 단계와;
상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 케니 에지 탐지기(Canny edge detector)를 적용하여 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 모든 에지(edge)를 얻은 다음 윤곽선을 추출하는 단계;
및 상기 플랑크톤 분리 및 복원 시스템이 추출된 윤곽선 중에서 가장 바깥쪽 윤곽선만 선택함으로써 플랑크톤의 윤곽선을 최종적으로 추출하는 단계로 이루어지며,
상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 케니 에지 탐지기(Canny edge detector)를 적용하여 둥근 형태의 플랑크톤이 뭉쳐진 영상에서 모든 에지(edge)를 얻은 다음 윤곽선을 추출하는 단계는
상기 플랑크톤 분리 및 복원 시스템이 둥근 형태의 플랑크톤이 뭉쳐진 영상에 가우시안 필터링을 적용하는 단계와,
상기 플랑크톤 분리 및 복원 시스템이 소벨(Sobel) 연산자를 사용하여 상기 둥근 형태의 플랑크톤이 뭉쳐진 영상의 기울기 벡터(Gradient vector)의 크기(magnitude)를 계산하는 단계,
상기 플랑크톤 분리 및 복원 시스템이 가느다란 에지(edge)를 얻기 위해 기울기 벡터 방향을 따라 비-최대치 억제(non-maximum suppression)를 적용하여 기울기 벡터 방향에서 기울기(Gradient) 크기가 최대값인 화소만 남기고 나머지 화소의 화소 값은 '0'으로 처리하는 단계,
및 상기 플랑크톤 분리 및 복원 시스템은 연결된 에지(edge)를 얻기 위해 히스테리시스 임계값(Hysteresis thresholding) 방식을 사용하여 픽셀 값이 상위 임계값(High Threshold) 보다 크면 에지(edge)라고 판단하는 반면, 픽셀값이 하위 임계값(Low Threshold) 보다 작으면 에지(edge)가 아니라고 판단하고 픽셀값이 하위 임계값보다 크고 상위 임계값보다 작은 픽셀은 픽셀 주변에 상위 임계값보다 큰 픽셀이 있을 때 에지라고 판단함으로써 최종적으로 연결된 에지를 얻는 단계를 포함하는 것을 특징으로 하는 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법.
(S1) of extracting a contour of a plankton from an image in which a circular plankton is united; a step (S1) of extracting a contour of a plankton from an image in which a circular plankton is united, and a plankton separation and restoration system for separating individual plankton and restoring the shape of the separated plankton;
The plankton separation and restoration system calculates local curvatures of all points on the outline along the outline of the extracted plankton, and detects points having a curvature equal to or greater than the curvature threshold as a candidate concave point (S2);
Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, Selecting a pair of optimal concave points by selecting an optimal concave point having the highest curvature (S3);
And a boundary line connecting the selected pair of the optimum concave points is cut out to separate the plankton and the convex outline part of the plankton having a pair of optimal concave points at both ends is extracted and the average local curvature (S4) of calculating a plankton shape by matching the outline of a circle having a curvature of an average local curvature value through a pair of optimal concave points to the convex outline part of the plankton,
A plankton separation and restoration system for separating individual plankton from the image of the round plankton and reconstructing the shape of the separated plankton The step S1 of extracting the plankton contour from the image of the rounded plankton bundle
Applying the 3 × 3 Gaussian filtering to the image of the circular plankton in order to reduce noise in the image of the circular plankton aggregated by the plankton separation and restoration system;
Applying a Canny edge detector to the image of the plankton separation and restoration system in which the round plankton is gathered, extracting all the edges from the image of the round plankton, and then extracting the outline;
And the plankton separation and restoration system selects only the outermost outline among the extracted outlines to finally extract the outline of the plankton,
The step of extracting all the edges from the image of the rounded plankton by applying the Canny edge detector to the image of the plankton separation and restoration system in which the round plankton is gathered is extracted
The plankton separation and restoration system applying Gaussian filtering to an image of circular plankton aggregated,
Wherein the plankton separation and restoration system calculates a magnitude of a gradient vector of the image in which the plankton is rounded by using a Sobel operator,
The plankton separation and restoration system applies a non-maximum suppression along the slope vector direction to obtain a slender edge, leaving only the pixels having the maximum gradation size in the slope vector direction Processing the pixel values of the remaining pixels to '0'
And the plankton separation and restoration system uses a hysteresis thresholding method to obtain a connected edge and determines that the edge is an edge if the pixel value is greater than an upper threshold value, Is less than the lower threshold, it is determined that the edge is not the edge. If the pixel value is larger than the lower threshold value and smaller than the upper threshold value, the edge is judged to exist when there is a pixel larger than the upper threshold value And finally obtaining connected edges. The method according to any one of the preceding claims, wherein the plankton is a plankton.
상기 플랑크톤 분리 및 복원 시스템이 검출된 후보 오목점 중 2개의 플랑크톤이 접합 된 부분에 있는 한 쌍의 최적 오목점을 선택하기 위해 후보 오목점에 대해 클러스터링(Clustering)을 수행하고 각 클러스터(Cluster)에서 곡률이 가장 높은 최적 오목점을 선택함으로써 최종적으로 한 쌍의 최적 오목점을 선택하는 단계(S3)에서
상기 클러스터링(Clustering)은 아이에스오데이터(ISODATA: Iterative Self-Organizing Data Analysis Technique Algorithm) 클러스터링 알고리즘을 이용하는 것을 특징으로 하는 플랑크톤이 뭉쳐있는 영상에서 뭉친 플랑크톤을 개개의 플랑크톤으로 분리하는 효율적인 방법.The method according to claim 1,
Clustering is performed on the candidate concave points in order to select a pair of optimal concave points in the portion where the two plankton are joined at the candidate concave points detected by the plankton separation and restoration system, (S3) of selecting a pair of optimal concave points by finally selecting an optimal concave point having the highest curvature
Wherein the clustering uses an ISODATA (Iterative Self-Organizing Data Analysis Technique Algorithm) clustering algorithm. An efficient method for separating clustered plankton into individual plankton in a clustered image.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170015475A KR101741117B1 (en) | 2017-02-03 | 2017-02-03 | The efficient method for separating individual plankton from clumped plankton images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170015475A KR101741117B1 (en) | 2017-02-03 | 2017-02-03 | The efficient method for separating individual plankton from clumped plankton images |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101741117B1 true KR101741117B1 (en) | 2017-05-30 |
Family
ID=59052953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170015475A KR101741117B1 (en) | 2017-02-03 | 2017-02-03 | The efficient method for separating individual plankton from clumped plankton images |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101741117B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110246139A (en) * | 2019-04-26 | 2019-09-17 | 清华大学深圳研究生院 | Planktonic organism in-situ image ROI rapid extracting method based on dual threshold |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016506726A (en) * | 2013-01-28 | 2016-03-07 | シー − フィード エーエス | System and method for counting zooplankton |
-
2017
- 2017-02-03 KR KR1020170015475A patent/KR101741117B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016506726A (en) * | 2013-01-28 | 2016-03-07 | シー − フィード エーエス | System and method for counting zooplankton |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110246139A (en) * | 2019-04-26 | 2019-09-17 | 清华大学深圳研究生院 | Planktonic organism in-situ image ROI rapid extracting method based on dual threshold |
| CN110246139B (en) * | 2019-04-26 | 2021-01-01 | 清华大学深圳研究生院 | Method for rapidly extracting plankton in-situ image ROI (region of interest) based on double thresholds |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vink et al. | Efficient nucleus detector in histopathology images | |
| CN108416344B (en) | Method for locating and identifying eyeground color optic disk and yellow spot | |
| EP2888718B1 (en) | Methods and systems for automatic location of optic structures in an image of an eye, and for automatic retina cup-to-disc ratio computation | |
| CN104463159B (en) | A kind of image processing method and device for positioning iris | |
| Schmid et al. | The LOKI underwater imaging system and an automatic identification model for the detection of zooplankton taxa in the Arctic Ocean | |
| Sanchez-Torres et al. | Automatic measurement of fish weight and size by processing underwater hatchery images | |
| CN104156951B (en) | A kind of white blood cell detection method for BAL fluid smear | |
| Shankar et al. | Automatic detection of acute lymphoblasitc leukemia using image processing | |
| Mustafa et al. | Image processing of an agriculture produce: Determination of size and ripeness of a banana | |
| KR101743270B1 (en) | The method for separating and recognizing individual plankton using deep learning in a clumped or dispersed microscopic plankton image | |
| WO2019074545A1 (en) | Image based screening system for prediction of individual at risk of late age-related macular degeneration (amd) | |
| CN110363803B (en) | Target detection method and system combining depth map slice and neural network | |
| US20170309017A1 (en) | Device and method for finding cell nucleus of target cell from cell image | |
| CN111122590A (en) | Ceramic surface defect detection device and detection method | |
| Pratibha et al. | Analysis and identification of rice granules using image processing and neural network | |
| Wankhede et al. | Retinal blood vessel segmentation using graph cut analysis | |
| Devi et al. | Machine vision based quality analysis of rice grains | |
| Jeena et al. | Stroke diagnosis from retinal fundus images using multi texture analysis | |
| KR101741117B1 (en) | The efficient method for separating individual plankton from clumped plankton images | |
| CN107220972B (en) | A kind of quality of poultry eggs discrimination method based on infrared image | |
| CN110909601B (en) | Beautiful pupil identification method and system based on deep learning | |
| Oprisescu et al. | Automatic pap smear nuclei detection using mean-shift and region growing | |
| Padmanaban et al. | Localization of optic disc using Fuzzy C Means clustering | |
| FR3069079B1 (en) | METHOD OF DETECTING FRAUD DURING IRIS RECOGNITION | |
| Ariana et al. | Color image segmentation using kohonen self-organizing map (som) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |