KR20200068062A - 열화상이미지의 해상도 보정장치 - Google Patents
열화상이미지의 해상도 보정장치 Download PDFInfo
- Publication number
- KR20200068062A KR20200068062A KR1020180148062A KR20180148062A KR20200068062A KR 20200068062 A KR20200068062 A KR 20200068062A KR 1020180148062 A KR1020180148062 A KR 1020180148062A KR 20180148062 A KR20180148062 A KR 20180148062A KR 20200068062 A KR20200068062 A KR 20200068062A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- unit
- thermal
- body heat
- distribution
- Prior art date
Links
- 238000012937 correction Methods 0.000 title claims abstract description 12
- 238000010191 image analysis Methods 0.000 claims abstract description 32
- 238000013135 deep learning Methods 0.000 claims abstract description 19
- 238000003702 image correction Methods 0.000 claims abstract description 14
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 230000006866 deterioration Effects 0.000 abstract description 8
- 230000036760 body temperature Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001931 thermography Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000004718 Panda Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T5/001—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
본 발명은 열화상이미지의 해상도 보정장치에 관한 것으로서, 촬영된 신체의 체열분포 상태를 표시한 열화상이미지를 빅데이터와 딥러닝을 활용하여 고품질 이미지를 획득할 수 있는 열화상이미지의 해상도 보정장치에 관한 것이다.
Description
본 발명은 열화상이미지의 해상도 보정장치에 관한 것으로서, 촬영된 신체의 체열분포 상태를 표시한 열화상이미지를 빅데이터와 딥러닝을 활용하여 고품질 이미지를 획득할 수 있는 열화상이미지의 해상도 보정장치에 관한 것이다.
일반적으로 열화상이미지는 대상체의 표면 복사에너지를 검출하고 이를 온도로 환산하여 표시하는 기술로써, 열화상이미지는 표면 온도 변화를 비접촉, 비파괴, 실시간 측정이 가능하여 열화진다, 체열측정을 통한 의료진단 등의 다양한 분야에 활용되고 있다.
여기서 의료분야에서는 신체를 촬영한 열화상이미지의 체온분포의 변화를 통해 질병, 질환, 골절 등의 다양한 병명을 진단한다.
하지만 열화상 기술은 적외선 열화상 카메라를 통해 신체의 온도를 가시화한 이미지를 제공하고 있으나, 저품질의 이미지 해상도로 촬영되어 육안으로 확인하여 정확한 진단이 어려우며, 확대시 열분포 파악 데이터가 깨지거나 불분명하여 확인하기 어려문 문제점이 있다.
또한, 고품질의 이미지 해상도를 획득하기 위해서는 고해상도로 촬영가능한 장비를 설치해야 하나, 고해상도 이미지는 저장용량, 처리속도 등을 뒷받침할 수 있는 고속처리 프로세서, 대용량 저장소가 필요한 문제가 발생하고 영상을 전송할 경우 효율성이 저하되는 문제점이 있다.
이와 같이 고품질의 이미지는 저품질의 이미지와 동일한 압축률을 적용하여 사용하면 훨씬 많은 저장공간 및 빠른 처리장치를 요하기 때문에 고가의 비용지출이 발생하고 보급 및 확대가 어려운 실정이며, 이러한 설비를 운용하기 위해 일정 비용이 항시 발생하는 문제가 있다.
이러한 문제점을 해결하기 위해 제시된 종래기술인 "열화상 데이터 보정장치 및 방법"은 대상자의 신체 온도분포를 포함하는 열화상이미지를 획득하며, 접촉식 온도센서를 이용하여 특정 부위에 대한 체온 데이터를 측정하여 열화상이미지와 특정 부위위 체온 데이터를 기초로 열화상을 보정하는 기술을 제시하고 있다.
하지만, 종래기술은 부위별로 체온데이터 추가 측정된 이미지를 열화상이미지를 통해 보정해야 함에 따라 보정할 수 있는 신체부분이 한정적으로 제한되며, 추가적으로 신체부위를 측정해야하는 불편한 문제가 발생한다.
또한, 신체부위를 추가로 더 측정하여 진료시간이 증가하고, 민간한 신체부의의 측정이 어려운 문제가 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은, 피사체를 촬영한 열화상이미지의 확대 시 화질열화, 체열분포가 불분명한 부분을 보정하여 고해상도의 열화상이미지로 변환하는 열화상이미지의 해상도 보정장치를 제공하는 데 있다.
본 발명의 또 다른 목적은, 빅데이터와, 딥러닝을 통해 획득한 열화상이미지의 체열분포를 분석 및 학습하여, 확대된 열화상이미지의 화질열화, 체열분포가 불분명한 부분을 판단하며, 체열분포의 이미지패턴 및 색체분포를 통해 선명하게 확인할 수 있는 열화상이미지의 해상도 보정장치를 제공하는 데 있다.
본 발명의 또 다른 목적은, 획득한 열화상이미지의 피사체와 피사체 이외의 배경에 의한 열화상 데이터 오차율을 보정할 수 있는 열화상이미지의 해상도 보정장치를 제공하는 데 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명은 열화상 카메라를 통해 피사체의 열화상이미지를 획득하는 이미지획득부; 상기 이미지획득부에서 획득한 열화상이미지를 빅데이터와 딥러닝을 이용하여 이미지패턴 및 픽셀을 분석하여 체열분포 및 색채분포를 판단하는 이미지분석부; 상기 이미지분석부를 통해 분석된 열화상이미지를 확대하는 이미지확대부; 상기 이미지확대부에서 확대된 열화상이미지와 상기 이미지분석부에서 분석된 체열분포 및 색채분포를 매칭하여 화질열화, 체열분포가 깨지거나 불분명한 영역을 미확인이미지로 판단하는 매칭부; 상기 매칭부에서 판단된 미확인이미지를 상기 이미지분석부에서 판단된 체열분포에 맞춰 보정하는 이미지보정부;로 이루어지는 것을 특징으로 한다.
상기 이미지획득부, 상기 이미지분석부, 상기 매칭부 및 상기 이미지보정부의 정보를 저장하는 저장부가 더 포함되는 것이 바람직하다.
상기 이미지분석부는 빅데이터를 통해 피사체의 열화상이미지 및 다른 영역의 데이터를 수집하며, 수집된 이미지를 딥러닝을 통해 체열분포 및 색채배열을 학습 및 분석하는 것이 바람직하다.
상기 매칭부는, 상기 이미지확대부에서 확대된 열화상이미지의 이미지패턴 및 픽셀을 분석하여 체열분포 및 색채분포를 확인하는 확인부와, 상기 이미지분석부에서 확인된 체열분포 및 색채분포와 확대된이미지의 체열분포 및 색채분포를 대비하는 대비부와, 상기 대비부에서 대비된 체열분포 및 색채분포에 맞춰 확대된이미지의 체열분포 및 색채분포가 다른 특정영역을 미확인이미지로 판단하는 판단부로 이루어지는 것이 바람직하다.
상기 이미지보정부는, 상기 매칭부에서 판단된 미확인이미지의 영역을 상기 이미지분석부에서 딥러닝을 이용해 분석된 체열분포 및 색채분포에 맞춰 색채를 보정하는 것이 바람직하다.
상기 이미지획득부에서 획득한 열화상이미지 또는 이미지보정부에서 확대한 열화상이미지에서 피사체와 그 외의 배경영역을 구분하여 열 영역분포를 분석하며, 분석된 배경영역의 온도분포의 변화에 맞춰 피사체의 온도분포를 보정하여 체열분포의 오차율을 보정하는 오차율보정부가 더 포함되는 것이 바람직하다.
본 발명에 따른 열화상이미지의 해상도 보정장치에 따르면, 피사체를 촬영한 열화상이미지의 확대 시 화질열화, 체열분포가 불분명한 부분을 보정하여 고해상도의 열화상이미지를 제공하는 효과가 있다.
본 발명에 따르면, 빅데이터와, 딥러닝을 통해 획득한 열화상이미지의 체열분포를 분석 및 학습하여, 확대된 열화상이미지의 화질열화, 체열분포가 불분명한 부분을 판단하며, 체열분포의 이미지패턴 및 색체분포를 통해 선명하게 확인할 수 있는 이점이 있다.
본 발명에 따르면, 획득한 열화상이미지의 피사체와 피사체 이외의 배경에 의한 열화상 데이터 오차율을 보정할 수 있는 장점이 있다.
도 1은 본 발명에 따른 열화상이미지의 해상도 보정장치를 도시한 블록도,
도 2는 본 발명에 따른 열화상이미지의 확대상태를 대비한 이미지,
도 3은 본 발명에 따른 매칭부를 도시한 블록도이다.
도 2는 본 발명에 따른 열화상이미지의 확대상태를 대비한 이미지,
도 3은 본 발명에 따른 매칭부를 도시한 블록도이다.
이하에서는 본 발명에 따른 열화상이미지의 해상도 보정장치에 관하여 첨부된 도면과 함께 더불어 상세히 설명하기로 한다.
도 1은 본 발명에 따른 열화상이미지의 해상도 보정장치를 도시한 블록도이며, 도 2는 본 발명에 따른 열화상이미지의 확대상태를 대비한 이미지이고, 도 3은 본 발명에 따른 매칭부를 도시한 블록도이다.
도 1 내지 도 3에 도시된 바와 같이 본 발명은 열화상이미지의 해상도 보정장치에 관한 것으로서, 촬영된 신체의 체열분포 상태를 표시한 열화상이미지를 빅데이터와 딥러닝을 활용하여 고품질 이미지를 획득할 수 있는 열화상이미지의 해상도 보정장치에 관한 것이다.
이를 위해 본 발명은 이미지획득부(10), 이미지분석부(20), 이미지확대부(30), 매칭부(40) 및 이미지보정부(50)로 이루어진다.
상기 이미지획득부(10)는 열화상 카메라를 통해 열화상이미지를 획득한다.
여기서 열화상이미지는 통상적으로 사용하는 열화상카메라를 통해 피사체를 촬영하여 열화상이미지를 획득한다.
또한, 피사체는 환자의 신체를 촬영하여 표시된 체열분포를 통해 의사가 진단 및 진료에 사용된다.
상기 이미지분석부(20)는 상기 이미지획득부(10)에서 획득한 열화상이미지를 빅데이터와 딥러닝을 이용하여 이미지패턴 및 픽셀을 분석하여 체열분포 및 색체분포를 분석한다.
따라서 상기 이미지분석부(20)는 빅데이터를 통해 인체의 열화상이미지 및 다른 영역의 데이터를 수집 및 저장하며, 수집된 이미지는 딥러닝을 통해 학습시켜 체열분포 및 색체분포의 분석이 이루어진다.
즉, 빅데이터의 다수 개의 열화상이미지를 수집하며, 수집된 이미지는 딥러닝의 컨볼루션 신경망(Convolutional neural network, CNN)의 기술을 이용하여 열화상이미지의 체열분포 및 색체분포를 판단 및 학습한다.
이를 통해 획득된 열화상이미지의 이미지패턴, 픽셀, 체열분포 및 색체분포의 정보를 분석한다.
상기 이미지확대부(30)는 상기 이미지분석부(20)를 통해 분석된 열화상이미지를 확대한다.
여기서 상기 이미지확대부(30)는 획득한 320*240 픽셀의 열화상이미지를 640*480, 1280*760 등의 픽셀로 열화상이미지로 확대한다.
따라서 확대한 열화상이미지는 픽셀의 변경을 통해 육안으로 피사체의 체열분포의 확인이 용이한 크기로 다양하게 조절하여 변경할 수 있다.
상기 매칭부(40)는 상기 이미지확대부(30)에서 확대된 열화상이미지와 상기 이미지 분석부에서 분석된 체열분포 및 색체분포를 매칭하여 화질열화, 체열분포가 깨지거나 불분명한 영영을 미확인이미지로 판단한다.
이러한 상기 매칭부(40)를 통해 미확인이미지를 판단할 수 있도록 확인부(41), 대비부(42), 판단부(43)로 이루어진다.
상기 확인부(41)는 상기 이미지확대부(30)에서 확대된 열화상이미지의 이미지패턴 및 픽셀을 분석하여 체열분포를 확인한다.
따라서 상기 확인부(41)는 상기 이미지분석부와 동일한 딥러닝을 적용하여 확대된 이미지의 체열분포를 분석하여 정보를 수집한다.
상기 대비부(42)는 상기 이미지분석부(20)에서 판단된 체열분포와 상기 확인부(41)에서 확대된 열화상이미지의 체열분포를 대비한다.
여기서 상기 대비부(42)는 획득한 열화상이미지와 확대된 열화상이미지를 복수 개의 동일한 영역으로 분할하여 분할된 영역 내의 체열분포에 따른 색상의 변화를 대비한다.
상기 판단부(43)는 상기 대비부(42)에서 대비된 체열분포 및 색채분포에 맞춰 확대된이미지의 체열분포 및 색채분포가 다른 특정영역을 미확인이미지로 판단한다.
즉, 상기 대비부(42)를 통해 획득한 열화상이미지를 기초로 확대된 열화상이미지의 체열분포 및 색채분포에 따른 피사체의 온도를 표시한 색상의 배열 및 패턴의 변화에 따라 상이한 부분을 미확인이미지로 판단한다.
상기 이미지보정부(50)는 상기 매칭부(40)에서 판단된 미확인이미지를 상기 이미지분석부(20)에서 판단된 체열분포에 맞춰 보정한다.
즉, 상기 이미지보정부(50)는 미확인이미지로 판단된 영역에 대해 상기 이미지분석부(20)에서 획득한 열화상이미지의 체열분포에 따른 색상배열에 맞춰 확대된이미지의 체열분포의 색상을 보정한다.
이때, 이미지보정부(50)는 딥러닝을 통해 이미지분석부에서 획득한 열화상이미지의 체열분포 및 색채분포를 분석한 학습을 통해 확대된 열화상이미지의 픽셀에 맞춰 이미지패턴 및 체열의 색상을 배열할 수 있다.
따라서 확대된 열화상이미지는 획득한 열화상이미지 보다 큰 많은 값의 픽셀로 이루어지며, 많은 값의 픽셀은 상기 매칭부에서 분할된 영역에 따라 이미지패턴 및 체열의 색상을 보정하여 고 해상도의 체열분포를 가지도록 표현한다.
이를 통해 확대된 열화상이미지는 큰 픽셀에 정확한 체열분포가 표시되어 진료시 육안으로 정확한 체열분포의 확인이 가능하고, 필요한 부분을 더 확대하여 정확한 진료가 가능한다.
그리고 상기 이미지획득부(10), 상기 이미지분석부(20), 상기 매칭부(40) 및 상기 이미지보정부(50)의 정보를 저장하는 저장부(60)가 더 포함된다.
이러한 상기 저장부(60)는 빅데이터를 통해 수집한 데이터, 딥러닝을 이용한 분석 및 학습 데이터, 획득한 열화상이미지, 확대된 열화상이미지 등의 열화상이미지의 보정에 대한 전반적인 데이터를 저장하며, 저장된 정보를 제공한다.
또한, 상기 이미지획득부(10)에서 획득한 열화상이미지 또는 이미지보정부(50)에서 확대한 열화상이미지에서 피사체와 그 외의 배경영역을 구분하여 열 영역분포를 분석하며, 분석된 배경영역의 온도분포의 변화에 맞춰 피사체의 온도분포를 보정하여 체열분포의 오차율을 보정하는 오차율보정부(70)가 더 포함된다.
따라서 상기 오차율보정부(70)는 상기 이미지획득부(10) 및 상기 이미지보정부(50)의 열화상이미지의 피사체와 그 외의 배경의 열 영역분포를 분석하여 열화상데이터의 체열분포의 오차율을 보정한다.
아울러 상기 이미지획득부(10)와 상기 이미지보정부(50) 중 어느 하나에서 오차율을 보정한다.
즉, 상기 오차율보정부(70)는 열화상이미지 촬영 시 그 외의 배경에서 발생하는 열이 피사체에 영향을 주어 체열이 변화된 오차를 보정한다.
따라서 획득한 열화상이미지는 육안으로 확인하기 위해 확대한 경우, 확대된 열화상이미지에서 발생하는 화질열화 및 체열분포의 깨지거나 불분명한 부분을 빅데이터와 딥러닝을 통해 획득한 열화상이미지와 동일하게 보정할 수 있다.
이를 통해 확대된 열화상이미지는 고해상도의 이미지를 제공하여 진료 및 진찰시 육안으로 미세한 부분을 육안으로 정확하게 확인할 수 있으며, 불분명한 부분의 영역을 더 확대하여 정확한 판단을 할 수 있다.
이상에서와 같이 본 발명의 권리는 위에서 설명된 실시예에 한정되지 않고 청구범위에 기재된 바에 의해 정의되며, 본 발명의 분야에서 통상의 지식을 가진 자가 청구범위에 기재된 권리범위 내에서 다양한 변형과 개작을 할 수 있다는 것은 자명하다.
10: 이미지획득부
20: 이미지분석부
30: 이미지확대부 40: 매칭부
41: 확인부 42: 대비부
43: 판다부 50: 이미지보정부
60: 저장부 70: 오차율보정부
30: 이미지확대부 40: 매칭부
41: 확인부 42: 대비부
43: 판다부 50: 이미지보정부
60: 저장부 70: 오차율보정부
Claims (6)
- 열화상 카메라를 통해 피사체의 열화상이미지를 획득하는 이미지획득부(10);
상기 이미지획득부(10)에서 획득한 열화상이미지를 빅데이터와 딥러닝을 이용하여 이미지패턴 및 픽셀을 분석하여 체열분포 및 색채분포를 판단하는 이미지분석부(20);
상기 이미지분석부(20)를 통해 분석된 열화상이미지를 확대하는 이미지확대부(30);
상기 이미지확대부(30)에서 확대된 열화상이미지와 상기 이미지분석부에서 분석된 체열분포 및 색채분포를 매칭하여 화질열화, 체열분포가 깨지거나 불분명한 영역을 미확인이미지로 판단하는 매칭부(40);
상기 매칭부(40)에서 판단된 미확인이미지를 상기 이미지분석부(20)에서 판단된 체열분포에 맞춰 보정하는 이미지보정부(50);로 이루어지는 것을 특징으로 하는 열화상이미지의 해상도 보정장치. - 제 1항에 있어서,
상기 이미지획득부(10), 상기 이미지분석부(20), 상기 매칭부(40) 및 상기 이미지보정부(50)의 정보를 저장하는 저장부(60)가 더 포함되는 것을 특징으로 하는 열화상이미지의 해상도 보정장치. - 제 1항에 있어서,
상기 이미지분석부(20)는 빅데이터를 통해 피사체의 열화상이미지 및 다른 영역의 데이터를 수집하며, 수집된 이미지를 딥러닝을 통해 체열분포 및 색채배열을 학습 및 분석하는 것을 특징으로 하는 열화상이미지의 해상도 보정장치. - 제 1항에 있어서,
상기 매칭부(40)는,
상기 이미지확대부(30)에서 확대된 열화상이미지의 이미지패턴 및 픽셀을 분석하여 체열분포 및 색채분포를 확인하는 확인부(41)와,
상기 이미지분석부(20)에서 확인된 체열분포 및 색채분포와 상기 확인부(41)에서 확대된 열화상이미지의 체열분포 및 색채분포를 대비하는 대비부(42)와,
상기 대비부(42)에서 대비된 체열분포 및 색채분포에 맞춰 확대된이미지의 체열분포 및 색채분포가 다른 특정영역을 미확인이미지로 판단하는 판단부(43)로 이루어지는 것을 특징으로 하는 열화상이미지의 해상도 보정장치. - 제 1항에 있어서,
상기 이미지보정부(50)는,
상기 매칭부(40)에서 판단된 미확인이미지의 영역을 상기 이미지분석부(20)에서 딥러닝을 이용해 분석된 체열분포 및 색채분포에 맞춰 색채를 보정하는 것을 특징으로 하는 열화상이미지의 해상도 보정장치. - 제 1항에 있어서,
상기 이미지획득부(10)에서 획득한 열화상이미지 또는 이미지보정부(50)에서 확대한 열화상이미지에서 피사체와 그 외의 배경영역을 구분하여 열 영역분포를 분석하며, 분석된 배경영역의 온도분포의 변화에 맞춰 피사체의 온도분포를 보정하여 체열분포의 오차율을 보정하는 오차율보정부(70)가 더 포함되는 것을 특징으로 하는 열화상이미지의 해상도 보정장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180148062A KR102140657B1 (ko) | 2018-11-27 | 2018-11-27 | 열화상이미지의 해상도 보정장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180148062A KR102140657B1 (ko) | 2018-11-27 | 2018-11-27 | 열화상이미지의 해상도 보정장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200068062A true KR20200068062A (ko) | 2020-06-15 |
| KR102140657B1 KR102140657B1 (ko) | 2020-08-03 |
Family
ID=71081902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180148062A KR102140657B1 (ko) | 2018-11-27 | 2018-11-27 | 열화상이미지의 해상도 보정장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102140657B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220160876A (ko) * | 2021-05-28 | 2022-12-06 | 인하대학교 산학협력단 | 열화상 이미지에 대한 리버스 엔지니어링을 통해 추출된 메타데이터를 이용한 이미지 처리 방법 및 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100200672B1 (ko) * | 1996-01-20 | 1999-06-15 | 윤종용 | 적외선 카메라의 온도 보상 장치 |
| KR20160141201A (ko) * | 2015-05-29 | 2016-12-08 | 주식회사 칩스앤미디어 | 복수의 영상 프레임의 이미지 패치를 이용한 해상도 스케일링 장치 및 그 방법 |
| KR101780057B1 (ko) * | 2016-08-02 | 2017-09-19 | 한양대학교 에리카산학협력단 | 고해상도 영상 복원 방법 및 장치 |
| KR101821285B1 (ko) * | 2016-08-05 | 2018-01-23 | 한국과학기술원 | 열화상 이미지 개선 장치 및 방법 |
| KR20180058293A (ko) | 2016-11-24 | 2018-06-01 | 한국 한의학 연구원 | 열화상 데이터 보정 장치 및 방법 |
-
2018
- 2018-11-27 KR KR1020180148062A patent/KR102140657B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100200672B1 (ko) * | 1996-01-20 | 1999-06-15 | 윤종용 | 적외선 카메라의 온도 보상 장치 |
| KR20160141201A (ko) * | 2015-05-29 | 2016-12-08 | 주식회사 칩스앤미디어 | 복수의 영상 프레임의 이미지 패치를 이용한 해상도 스케일링 장치 및 그 방법 |
| KR101780057B1 (ko) * | 2016-08-02 | 2017-09-19 | 한양대학교 에리카산학협력단 | 고해상도 영상 복원 방법 및 장치 |
| KR101821285B1 (ko) * | 2016-08-05 | 2018-01-23 | 한국과학기술원 | 열화상 이미지 개선 장치 및 방법 |
| KR20180058293A (ko) | 2016-11-24 | 2018-06-01 | 한국 한의학 연구원 | 열화상 데이터 보정 장치 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220160876A (ko) * | 2021-05-28 | 2022-12-06 | 인하대학교 산학협력단 | 열화상 이미지에 대한 리버스 엔지니어링을 통해 추출된 메타데이터를 이용한 이미지 처리 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102140657B1 (ko) | 2020-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016138851A1 (en) | System and method for patient positioning cross reference to related applications | |
| RU2015152290A (ru) | Система и способ измерения рефракционной ошибки глаза на основании субъективного измерения расстояния | |
| US20170079575A1 (en) | System for integrated wound analysis | |
| KR20060043280A (ko) | 시상 봉합 평면을 자동으로 검출하기 위한 방법 | |
| WO2008073700A3 (en) | Method for assessing image focus quality | |
| KR20060048033A (ko) | 디스플레이의 평가 방법 및 장치 | |
| CN103188991B (zh) | 用于显示生物对象的温度场的方法 | |
| CN109730683A (zh) | 内窥镜目标物大小计算方法及分析系统 | |
| JP6128841B2 (ja) | 画像処理装置 | |
| CN106296696A (zh) | 图像颜色一致性的处理方法及图像采集设备 | |
| CN104236515B (zh) | 医用电子内窥镜视场角自动测量装置 | |
| RU2392855C1 (ru) | Способ цифровой диагностики деформаций позвоночника | |
| JP2019095328A (ja) | 呈色反応検出システム、呈色反応検出方法及びプログラム | |
| KR102140657B1 (ko) | 열화상이미지의 해상도 보정장치 | |
| JP2014018251A (ja) | 眼科撮影装置及び眼科撮影プログラム | |
| KR20110019992A (ko) | 홍채학을 이용한 진단시스템 및 방법 | |
| CN106204523A (zh) | 一种图像质量度量方法及装置 | |
| JP6147001B2 (ja) | 画像処理装置および画像処理方法 | |
| JP2009006089A (ja) | 顔撮影装置 | |
| TWI681755B (zh) | 脊椎側彎量測系統與方法 | |
| CN115444355B (zh) | 一种内窥镜病变尺寸信息确定方法、电子设备及存储介质 | |
| Ciaccio et al. | Recommendations to quantify villous atrophy in video capsule endoscopy images of celiac disease patients | |
| GB2512697A (en) | Improvements in and relating to ophthalmoscopes | |
| JP5520078B2 (ja) | 骨密度画像提供装置 | |
| WO2014096835A1 (en) | Improvements in and relating to ophthalmoscopes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |