KR102318713B1 - 딥러닝을 이용한 인공치아의 색 재현 장치 - Google Patents

딥러닝을 이용한 인공치아의 색 재현 장치 Download PDF

Info

Publication number
KR102318713B1
KR102318713B1 KR1020200024774A KR20200024774A KR102318713B1 KR 102318713 B1 KR102318713 B1 KR 102318713B1 KR 1020200024774 A KR1020200024774 A KR 1020200024774A KR 20200024774 A KR20200024774 A KR 20200024774A KR 102318713 B1 KR102318713 B1 KR 102318713B1
Authority
KR
South Korea
Prior art keywords
color
distribution information
pigment
information
artificial
Prior art date
Application number
KR1020200024774A
Other languages
English (en)
Other versions
KR20210109766A (ko
Inventor
김현삼
Original Assignee
김현삼
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 김현삼 filed Critical 김현삼
Priority to KR1020200024774A priority Critical patent/KR102318713B1/ko
Publication of KR20210109766A publication Critical patent/KR20210109766A/ko
Application granted granted Critical
Publication of KR102318713B1 publication Critical patent/KR102318713B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C13/00—Dental prostheses; Making same
    • A61C13/08—Artificial teeth; Making same
    • A61C13/082—Cosmetic aspects, e.g. inlays; Determination of the colour
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4542—Evaluating the mouth, e.g. the jaw
    • A61B5/4547—Evaluating teeth
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C13/00—Dental prostheses; Making same
    • A61C13/08—Artificial teeth; Making same
    • A61C13/083—Porcelain or ceramic teeth
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Epidemiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Ceramic Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

딥러닝을 이용한 인공치아의 색 재현 장치를 개시한다. 본 발명의 딥러닝을 이용한 인공치아의 색 재현 장치는 인공치아의 색 재현을 위한 자연치아에 대한 이미지를 수신하고, 수신된 이미지에 대한 전처리를 통해서 레퍼런스 이미지를 획득하는 이미지 처리부, 레퍼런스 이미지에 대한 일부 또는 전부의 픽셀 정보를 추출하고, 픽셀 정보에 대한 픽셀 정보 매트릭스를 생성하고, 픽셀 정보 매트릭스의 픽셀에 대해서 유사도 알고리즘에 따라 분류하여 레퍼런스 이미지를 적어도 2개 이상의 영역으로 그룹화하여 레퍼런스 이미지에 대한 색 분포 정보를 생성하는 색 분포 정보 생성부 및 인공치아 재료 정보와 색 분포 정보에 따라 인공치아에 도포시키거나 침투시키는 안료를 선택하고, 선택된 안료를 인공치아의 표면의 일부 또는 전부에 분사하는 안료 분사부를 포함한다.

Description

딥러닝을 이용한 인공치아의 색 재현 장치{Artificial tooth color reproduction device using Deep Learning}
본 발명은 딥러닝을 이용한 인공치아의 색 재현 장치에 관한 것으로서, 보다 상세하게는 딥러닝 기반의 색 정보 획득 알고리즘에 의해서 자연치아로부터 색 정보를 획득하고, 획득한 색 정보에 기초하여 인공치아에 안료를 도포시켜 색을 재현시키는 딥러닝을 이용한 인공치아의 색 재현 장치에 관한 것이다.
인공치아의 제작하는 과정에서 최근 각광을 받고 있는 재료는 지르코니아(zirconia)이다. 지르코니아는 고온의 열처리에서도 전체 부피가 축소되는 비율이 낮아서 최근 인공치아의 재료로 많이 사용되고 있다.
다만, 지르코니아는 색을 입히는 작업, 이른바 컬러링 과정에서 안료를 흡수하기 때문에 목표 색을 재현하기 위해서는 열 처리를 한 결과물과 기준 사진을 육안으로 대비하여 그 차이를 비교할 수 밖에 없었다.
이처럼 종래의 방식은 작업자의 숙련도에 따라 인공치아의 제작 결과물에 품질의 차이가 있었고, 또한 반복적인 컬러링 작업 등으로 인하여 많은 작업 시간이 소요되는 등 대량 생산이 사실상 어려운 문제점이 있었다.
특허문헌 1 : 한국등록특허 제10-1767270호(공고일 : 2017년 08월 04일) 특허문헌 2 : 한국공개특허 제10-2008-0070070호(공개일 : 2008년 07월 29일) 특허문헌 3 : 한국등록특허 제10-1656106호(공고일 : 2016년 09월 08일)
상술한 문제점을 해결 하기 위해서 안출된 본 발명은 자연치아로부터 색 정보를 정확하게 획득하고, 획득된 자연치아의 색 정보를 인공치아의 재료와 안료의 특징을 고려하여 동일하게 재현시킬 수 있도록 딥러닝을 이용한 인공치아의 색 재현 장치를 제공하는 것을 목적으로 한다.
본 발명의 일 실시 예에 따른 딥러닝을 이용한 인공치아의 색 재현 장치는인공치아의 색 재현을 위한 자연치아에 대한 이미지를 수신하고, 수신된 이미지에 대한 전처리를 통해서 레퍼런스 이미지를 획득하는 이미지 처리부; 상기 레퍼런스 이미지에 대한 일부 또는 전부의 픽셀 정보를 추출하고, 상기 픽셀 정보에 대한 픽셀 정보 매트릭스를 생성하고, 상기 픽셀 정보 매트릭스의 픽셀에 대해서 유사도 알고리즘에 따라 분류하여 상기 레퍼런스 이미지를 적어도 2개 이상의 영역으로 그룹화하여 상기 레퍼런스 이미지에 대한 색 분포 정보를 생성하는 색 분포 정보 생성부; 및 인공치아 재료 정보와 상기 색 분포 정보에 따라 인공치아에 도포시키거나 침투시키는 안료를 선택하고, 선택된 안료를 인공치아의 표면의 일부 또는 전부에 분사하는 안료 분사부;를 포함한다.
이 경우에, 상기 이미지 처리부는, 상기 수신된 이미지 중 자연치아 부분을 추출하여 상기 레퍼런스 이미지로 변환하는 전처리를 실행한다.
한편, 상기 색 분포 정보 생성부는, 상기 레퍼런스 이미지를 복수 개의 메인 블록으로 나누고, 상기 복수 개의 메인 블록에 포함되는 복수 개의 픽셀에 대한 평균값을 연산하고, 상기 복수 개의 메인 블록에 평균값을 할당하여 상기 픽셀 정보 매트릭스를 생성한다.
이 경우에, 상기 색 분포 정보 생성부는, 상기 복수 개의 메인 블록 중 적어도 하나의 메인 블록을 복수 개의 서브 블록으로 나누고, 상기 복수 개의 서브 블록에 포함되는 복수 개의 픽셀에 대한 평균값을 연산하고, 상기 복수 개의 서브 블록에 평균값을 할당하여 상기 픽셀 정보 매트릭스를 생성한다.
한편, 상기 색 분포 정보 생성부는, 상기 복수 개의 메인 블록에 할당된 상기 평균값을 상호 비교하여 차이값이 기준값보다 낮으면 해당 메인 블록을 통합하는 상기 유사도 알고리즘에 의해서 상기 색 분포 정보를 생성한다.
한편, 상기 안료 분사부는, 인공치아를 안착시키는 배드 부재; 상기 배드 부재에 놓인 상기 인공치아의 위치를 감지하는 위치 감지 부재; 상기 인공치아에 안료를 토출시키는 토출 부재; 및 상기 인공치아의 위치 정보와 상기 색 분포 정보를 이용하여 상기 토출 부재를 제어하는 제어 부재;를 포함한다.
본 발명의 다양한 실시 예에 따르면, 자연치아로부터 색 정보를 정확하게 획득하고, 획득된 자연치아의 색 정보를 인공치아의 재료와 안료의 특징을 고려하여 동일하게 재현시킬 수 있으므로, 인공치아의 제조 시간을 단축시키고, 제조 단가를 낮출 수 있으며, 고품질의 인공치아를 대량으로 생산할 수 있는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 딥러닝을 이용한 인공치아의 색 재현 장치를 예시적으로 설명하는 블럭도,
도 2는 도 1에 도시된 레퍼런스 이미지를 획득하는 이미지 전처리 프로세스를 예시적으로 설명하는 도면,
도 3은 도 1에 도시된 색 분포 정보 생성부에 의해서 색 분포 정보를 획득하는 프로세스를 예시적으로 설명하는 도면,
도 4는 도 3에 도시된 색 분포 정보에 따라 안료를 도포하는 일 예를 예시적으로 설명하는 도면, 그리고,
도 5는 본 발명의 다른 실시 예에 따른 딥러닝을 이용한 인공치아의 색 재현 방법을 예시적으로 설명하는 플로우챠트도.
이하에서 도면을 참고하여 본 발명의 바람직한 실시예에 대해서 예시적으로 설명한다. 이하의 설명은 본 발명의 기술적 사상을 이해하기 위한 범위에서 바람직한 예를 설명한 것으로, 이러한 예시에 한정되는 것은 아니다. 또한, 본 발명의 기술적 사상의 범위에서 다양하게 설계 변경될 수도 있다.
도 1은 본 발명의 일 실시 예에 따른 딥러닝을 이용한 인공치아의 색 재현 장치를 예시적으로 설명하는 블럭도이다. 도 1을 참고하면, 색 재현 장치(100)는 이미지 처리부(110), 색 분포 정보 생성부(130) 및 안료 분사부(150)를 포함한다.
이미지 처리부(110)는 자연 치아에 대한 이미지 파일을 입력받아서 이에 대한 레퍼런스 이미지 파일을 생성한다. 구체적으로, 이미지 처리부(110)는 그레이카드와 자연 치아를 포함하는 작업 대상 이미지 파일을 수신한다. 이미지 처리부(110)는 수신된 이미지에 대한 전처리(pre-process)를 통해서 레퍼런스 이미지를 획득한다.
색 분포 정보 생성부(130)는 레퍼런스 이미지에 대한 일부 또는 전부의 픽셀 정보를 추출한다. 색 분포 정보 생성부(130)는 추출된 픽셀 정보에 대한 픽셀 정보 매트릭스를 생성한다. 색 분포 정보 생성부(130)는 픽셀 정보 매트릭스의 픽셀에 대해서 유사도 알고리즘에 따라 분류하여 레퍼런스 이미지를 적어도 2개 이상의 영역으로 그룹화하여 레퍼런스 이미지에 대한 색 분포 정보를 생성한다.
안료 분사부(150)는 인공치아 재료 정보와 색 분포 정보 생성부(130)에서 생성된 색 분포 정보에 따라 안료를 선택한다. 안료 분사부(150)는 선택된 안료를 인공치아에 도포시키거나 침투시킨다. 안료 분사부(150)는 잉크젯 방식으로 구현될 수 있다. 예를 들어, 안료 분사부(150)는 안료를 미채색 인공치아의 표면에 분사하여 이미지를 표현하는 방식입니다. 안료 분사부(150)는 4색 안료(블랙, 레드, 블루, 옐로우)를 사용할 수 있으나, 자연치아의 경우에는 화이트밸런스와 명도, 채도를 조절하여 색을 재현하게 되므로, 4색 안료를 사용하지 않고, 블랙 안료의 명도, 채도를 조절하여 채색할 수도 있다. 안료 분사부(150)는 안료의 색상 수가 많을수록 자연치아의 색과 동일한 색의 재현이 가능하다. 또한, 안료 분사부(150)는 기존의 잉크제 프린터에 적용되는 방식을 그대로 채용할 수 있으므로, 소음이 적고 인쇄품질이 선명하다. 이러한 안료 분사부(150)는 피에조 방식, 서멀젯 방식, 버블젯 방식 등 다양한 방식으로 구현될 수 있다.
도 2는 도 1에 도시된 레퍼런스 이미지를 획득하는 이미지 전처리 프로세스를 예시적으로 설명하는 도면이다. 도 2를 참고하면, 분석 이미지는 자연치아 영역과 명도/채도의기준이 되는 그레이카드 영역으로 구분된다. 자연치아 영역에는 재현 대상이 되는 치아 이미지가 포함되어 있다. 또한, 그레이 카드 영역은 기준 픽셀값에 대한 정보를 획득할 수 있다. 이미지 처리부(110)는 이미지 전처리를 통해서 재현 대상 치아 이미지 영역을 레퍼런스 이미지로 획득한다. 이때, 이미지 처리부(110)는 래퍼런스 이미지와 함께 그레이카드 영역에서 기준 픽셀값에 대한 정보로 함께 추출한다. 이미지 처리부(110)는 기준 픽셀값에 기반하여 래퍼런스 이미지에 대한 픽셀값도 대응하여 비교할 수 있다. 래퍼런스 이미지에 대한 픽셀값을 이용하여 색 분포 정보를 생성하는 과정에 대해서는 이하에서 별도로 설명한다.
도 3은 도 1에 도시된 색 분포 정보 생성부에 의해서 색 분포 정보를 획득하는 프로세스를 예시적으로 설명하는 도면이다. 도 3을 참고하면, 색 분포 정보 생성부(130)는 레퍼런스 이미지에 대한 모든 픽셀에 대한 RGB값을 획득한다(도 3의 (a) 참조). 색 분포 정보 생성부(130)는 래퍼런스 이미지에 대해서 기 결정된 크기의 매트릭스 필터를 적용하여 2개 이상의 픽셀을 포함하는 복수의 사각 영역으로 그룹화한다(도 3의 (b) 참조). 복수의 사각 영역에 포함되는 픽셀들의 평균값을 연산하고, 이웃 사각 영역과 비교하여 값의 변화가 급격히 변화하는 경계를 구분함으로써, 제거 영역과 남는 영역을 구획한다(도 3의 (c) 참조). 색 분포 정보 생성부(130)는 남은 영역에 대해서 픽셀 단위로 값을 비교하여 적어도 2개의 그룹으로 영역을 구분한다(도 3의 (d) 참조). 색 분포 정보 생성부(130)는 남은 영역에 대해서 적어도 2개 이상의 그룹으로 그룹화하는 알고리즘에 대해서 인접 픽셀간에 RGB값을 비교하여 차이값이 임계값 이하이면 동일한 픽셀로 판단하여 동일한 그룹으로 포함시키고, 차이값이 임계값 이상이면 서로 이질적인 픽셀로 판단하여 다른 그룹으로 구분시킨다.
도 4는 도 3에 도시된 색 분포 정보에 따라 안료를 도포하는 일 예를 예시적으로 설명하는 도면이다. 도 4를 참고하면, 도 3에서 2개의 영역으로 구분되면 제1 영역에는 어두운 안료를 도포하고, 제2 영역에는 밝은 안료를 도포한다. 이때 어두운 안료와 밝은 안료의 명도값은 상대적으로 결정되며, 상술한 색 분포 정보에 기초하여 제1 영역에는 제1 기본 색조 값이 정해지고, 제2 영역에는 제2 기본 색조 값이 정해진다. 이렇게 제1 영역과 제2 영역의 색조를 컬러링하는 작업만으로도 충분히 자연치아의 색조 특성에 근접한 인공치아의 채색이 가능하다.
하지만, 자연치아의 세부적인 색 특징을 재현하기 위해서는 2차적으로 강조 색조를 위한 스테인 작업이 요구된다. 도 4에서 제1 강조 색조 영역, 제2 강조 색조 영역, 제3 강조 색조 영역을 스테인을 통해서 재현함으로써, 자연치아의 질감, 세부적인 특징을 보다 자세하게 재현할 수 있다. 제1 내지 3 강조 색조 영역에 도포되는 안료는 색 분포 정보에서 주변 픽셀값과 두드러지는 차이값을 보이는 픽셀을 강조 색조 영역으로 결정한다. 강조 색조 영역으로 결정된 픽셀들에 대해서는 해당 영역을 표현하기 위해서 스테인 작업용 안료를 선택한다. 스테인 작업을 위한 안료는 컬러링 작업을 위한 안료와는 구분되는 안료이다. 스테인 작업은 지르코니아에 컬러링 작업을 한 뒤, 열처리를 하고, 열처리된 결과물을 냉각시킨 뒤, 표면에 바르는 안료이다. 스테인 안료는 지르코니아의 내부로 침투되는 흡수율이 높지 않은 안료를 사용한다.
도 5는 본 발명의 다른 실시 예에 따른 딥러닝을 이용한 인공치아의 색 재현 방법을 예시적으로 설명하는 플로우챠트도이다. 도 5를 참고하면, 인공치아의 색 재현 방법은 자연치아 이미지 파일(JPEG, BMP, PNG, AI 등 다양한 이미지 확장자 지원 가능)을 수신하는 단계(S510), 수신된 자연치아 이미지 파일을 전처리하여 레퍼런스 이미지를 획득하는 단계(S520), 레퍼런스 이미지에 대한 픽셀 정보 매트릭스를 생성하는 단계(S530), 픽셀 정보 매트릭스에 유사도 알고리즘을 적용하여 래퍼런스 이미지를 복수의 영역으로 그룹화하여 색 분포 정보를 생성하는 단계(S540), 색분포 정보와 인공치아의 주재료인 지르코니아에 대한 정보를 이용하여 컬러링 안료, 스테인 안료를 선택하는 단계(S550), 선택된 안료를 색 분포 정보에 따라 인공치아의 표면에 분사하는 단계(S560)를 포함한다.
단계(S510)에서는 그레이카드를 이용하여 작업 대상 자연치아에 대한 이미지 파일을 촬상하여 이미지 파일 정보를 획득하거나 이미 획득된 이미지 파일을 입력받아서 사용할 수도 있다.
단계(S520)에서는 이미지 파일 중 작업 대상의 기준이 되는 자연치아 부분을 포함하는 레퍼런스 이미지 영역을 추출한다. 이때, 그레이카드 영역이 레퍼런스 이미지에서 제외될 수 있으므로, 그레이카드 영역의 픽셀로부터 기준 픽셀값을 추출하고, 이하에서 설명하는 색 분포 정보를 생성하는데 레퍼런스 값으로 활용한다.
단계(S530)에서는 자연치아 영역에 대한 부분만을 획득하기 위하여, 레퍼런스 이미지 전체에 대해서 픽셀 매트릭스를 생성한다. 인접한 픽셀 간에 값을 비교하여 차이값이 기준치보다 크면 서로 다른 픽셀로 구분하고, 차이값이 기준치보다 작으면 같은 픽셀로 통합시킨다. 이러한 픽셀 매트리스 값을 유사도 알고리즘에 의해서 처리함으로써 자연치아 영역만을 추출할 수 있다.
단계(S540)에서는 자연치아 부분에 대한 색 분포값을 비교하여 적어도 2개 이상의 영역으로 구분한다. 색분포값을 비교할 경우에는 픽셀 매트리스 정보를 이용하여 유사도 알고리즘을 적용하여 2개의 그룹으로 구획하게 된다. 여기서 사용되는 유사도 알고리즘은 기계학습에 의한 지도 학습 또는 비지도 학습에 의해서 구현될 수 있다. 지도학습 알고리즘으로는 K-최근접 이웃, 선형 회귀, 로지스틱 회귀, 서포트 벡터 머신, 결정 트리와 랜덤 포레스트, 신경망 등의 알고리즘을 적용할 수 있다. 비지도학습 알고리즘으로는 K-평균, 계층군집분석, 기댓값 최대화 등을 적용할 수 있다.
단계(S550)에서는 지르코니아의 색 정보를 기초로하여 색 분포 정보를 구현하기 위한 적절한 지르코니아 정보, 안료 정보, 채색 방식 등을 결정한다. 색 분포 정보는 밝은 영역, 중간 영역, 어두운 영역으로 구분되고, 밝은 영역을 이용하여 지르코니아의 종류를 결정하고, 중간 영역을 이용하여 안료 정보를 결정하며, 어두운 영역을 이용하여 채색 방식을 결정한다.
단계(S560)에서는 선택된 지르코니아에 컬러링 안료, 스테인 안료를 이용하여 결정된 채색 방식에 따라 안료를 분사한다. 채색 방식에 대해서는 정밀도에 따라 다양한 방법론이 선택될 수 있다. 낮은 정밀도, 중간 정밀도, 높은 정밀도 등에 따라 채색 방식(컬러링, 스테인)이 정해지고, 안료가 도포되는 영역과 비도포되는 영역과 중첩되는 영역 등이 결정된다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 딥러닝을 이용한 인공치아의 색 재현 장치
110 : 이미지 처리부
130 : 색 분호 정보 생성부
150 : 안료 분사부

Claims (6)

  1. 딥러닝을 이용한 인공치아의 색 재현 장치에 있어서,
    인공치아의 색 재현을 위한 자연치아에 대한 이미지를 수신하고, 수신된 이미지에 대한 전처리를 통해서 레퍼런스 이미지를 획득하는 이미지 처리부;
    상기 레퍼런스 이미지에 대한 일부 또는 전부의 픽셀 정보를 추출하고, 상기 픽셀 정보에 대한 픽셀 정보 매트릭스를 생성하고, 상기 픽셀 정보 매트릭스의 픽셀에 대해서 유사도 알고리즘에 따라 분류하여 상기 레퍼런스 이미지를 적어도 2개 이상의 영역으로 그룹화하여 상기 레퍼런스 이미지에 대한 색 분포 정보를 생성하는 색 분포 정보 생성부; 및
    인공치아 재료 정보와 상기 색 분포 정보에 따라 인공치아에 도포시키거나 침투시키는 안료를 선택하고, 선택된 안료를 인공치아의 표면의 일부 또는 전부에 분사하는 안료 분사부;를 포함하는 딥러닝을 이용한 인공치아의 색 재현 장치.
  2. 제1 항에 있어서,
    상기 이미지 처리부는,
    상기 수신된 이미지 중 자연치아 부분을 추출하여 상기 레퍼런스 이미지로 변환하는 전처리를 실행하는 것을 특징으로 하는 딥러닝을 이용한 인공치아의 색 재현 장치.
  3. 제1 항에 있어서,
    상기 색 분포 정보 생성부는,
    상기 레퍼런스 이미지를 복수 개의 메인 블록으로 나누고, 상기 복수 개의 메인 블록에 포함되는 복수 개의 픽셀에 대한 평균값을 연산하고, 상기 복수 개의 메인 블록에 평균값을 할당하여 상기 픽셀 정보 매트릭스를 생성하는 것을 특징으로 하는 딥러닝을 이용한 인공치아의 색 재현 장치.
  4. 제3 항에 있어서,
    상기 색 분포 정보 생성부는,
    상기 복수 개의 메인 블록 중 적어도 하나의 메인 블록을 복수 개의 서브 블록으로 나누고, 상기 복수 개의 서브 블록에 포함되는 복수 개의 픽셀에 대한 평균값을 연산하고, 상기 복수 개의 서브 블록에 평균값을 할당하여 상기 픽셀 정보 매트릭스를 생성하는 것을 특징으로 하는 딥러닝을 이용한 인공치아의 색 재현 장치.
  5. 제3 항 또는 제4 항에 있어서,
    상기 색 분포 정보 생성부는,
    상기 복수 개의 메인 블록에 할당된 상기 평균값을 상호 비교하여 차이값이 기준값보다 낮으면 해당 메인 블록을 통합하는 상기 유사도 알고리즘에 의해서 상기 색 분포 정보를 생성하는 것을 특징으로 하는 딥러닝을 이용한 인공치아의 색 재현 장치.
  6. 제1 항에 있어서,
    상기 안료 분사부는,
    인공치아를 안착시키는 배드 부재;
    상기 배드 부재에 놓인 상기 인공치아의 위치를 감지하는 위치 감지 부재;
    상기 인공치아에 안료를 토출시키는 토출 부재; 및
    상기 인공치아의 위치 정보와 상기 색 분포 정보를 이용하여 상기 토출 부재를 제어하는 제어 부재;를 포함하는 딥러닝을 이용한 인공치아의 색 재현 장치.



KR1020200024774A 2020-02-28 2020-02-28 딥러닝을 이용한 인공치아의 색 재현 장치 KR102318713B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200024774A KR102318713B1 (ko) 2020-02-28 2020-02-28 딥러닝을 이용한 인공치아의 색 재현 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200024774A KR102318713B1 (ko) 2020-02-28 2020-02-28 딥러닝을 이용한 인공치아의 색 재현 장치

Publications (2)

Publication Number Publication Date
KR20210109766A KR20210109766A (ko) 2021-09-07
KR102318713B1 true KR102318713B1 (ko) 2021-10-27

Family

ID=77797289

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200024774A KR102318713B1 (ko) 2020-02-28 2020-02-28 딥러닝을 이용한 인공치아의 색 재현 장치

Country Status (1)

Country Link
KR (1) KR102318713B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017018152A (ja) 2015-07-07 2017-01-26 Juki株式会社 測色装置、測色方法及びプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070140553A1 (en) 2005-12-19 2007-06-21 Olympus Corporation Dental colorimetry apparatus
US8570530B2 (en) 2009-06-03 2013-10-29 Carestream Health, Inc. Apparatus for dental surface shape and shade imaging
US8571281B2 (en) 2010-07-13 2013-10-29 Carestream Health, Inc. Dental shade mapping
ES2671252T3 (es) * 2011-11-17 2018-06-05 Stratasys Ltd. Sistema y método para fabricar un modelo de una parte del cuerpo usando fabricación aditiva con múltiples materiales

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017018152A (ja) 2015-07-07 2017-01-26 Juki株式会社 測色装置、測色方法及びプログラム

Also Published As

Publication number Publication date
KR20210109766A (ko) 2021-09-07

Similar Documents

Publication Publication Date Title
JP4838387B2 (ja) 情報コード及び情報コード復号方法
JP4838704B2 (ja) 画像形成装置およびその制御方法
CN105407251B (zh) 图像处理装置及图像处理方法
CN106142560A (zh) 图像处理装置、图像形成装置以及图像处理方法
JP5634154B2 (ja) 画像処理装置および画像処理方法
JP2012034031A (ja) 画像処理装置および画像処理方法
WO2017012642A1 (en) Methods of detecting moire artifacts
KR102318713B1 (ko) 딥러닝을 이용한 인공치아의 색 재현 장치
US9652699B2 (en) Image processing apparatus and image processing method
US10430974B2 (en) Image processing apparatus, image processing method, and storage medium
JP4208481B2 (ja) ２次元コード読取方法および２次元コード読取システム並びにこれらに使用される２次元コードが付された物品
WO2016098301A1 (en) Image processing apparatus and image processing method
US20210039422A1 (en) Method for building a security image by multiplexing color images
US8610977B2 (en) Color target authenticated using grayscale information
KR102035914B1 (ko) 화상 처리 장치, 화상 처리 방법 및 저장 매체
CN104050440B (zh) 辨别组合式防伪标识真伪的方法及其装置
EP3599076B1 (en) Method of printing with gloss control
CN103369197B (zh) 图像处理装置和图像处理方法
JP5386820B2 (ja) 情報読取装置及びプログラム
JP2012039320A (ja) 画像処理装置および画像処理方法
JPH0314077A (ja) パターン認識方法および装置
JP2014128901A (ja) 画像処理装置および画像処理方法
EP1768049B1 (fr) Procédé et système de reproduction de documents par segmentation et amélioration sélective des images et des textes
TWI530914B (zh) 利用區塊墨點數調變的半色調資料隱寫編碼系統及解碼系統
TWI543588B (zh) 利用像素黑白互換調變的半色調資料隱寫編碼系統及解碼系統

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant