KR20220137469A - 입자 추적 장치 및 방법 - Google Patents

입자 추적 장치 및 방법 Download PDF

Info

Publication number
KR20220137469A
KR20220137469A KR1020210043603A KR20210043603A KR20220137469A KR 20220137469 A KR20220137469 A KR 20220137469A KR 1020210043603 A KR1020210043603 A KR 1020210043603A KR 20210043603 A KR20210043603 A KR 20210043603A KR 20220137469 A KR20220137469 A KR 20220137469A
Authority
KR
South Korea
Prior art keywords
particle
frame image
indexed
command
particles
Prior art date
Application number
KR1020210043603A
Other languages
English (en)
Other versions
KR102667903B1 (ko
Inventor
이동현
김동재
성우창
남재욱
Original Assignee
성균관대학교산학협력단
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 성균관대학교산학협력단, 서울대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020210043603A priority Critical patent/KR102667903B1/ko
Publication of KR20220137469A publication Critical patent/KR20220137469A/ko
Application granted granted Critical
Publication of KR102667903B1 publication Critical patent/KR102667903B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing

Landscapes

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

Abstract

입자 추적 장치 및 방법을 개시한다. 본 발명에 따른 상기 입자 추적 방법 및 방법은 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하는 단계, 상기 적어도 하나의 프레임 이미지를 이진화하여, 상기 프레임 이미지로부터 상기 적어도 하나의 입자를 추출하는 단계, 상기 적어도 하나의 입자를 색인(Index)화하는 단계 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함함으로써, 적어도 하나의 입자가 색인화되어 신속하고 정확한 낙하 경로 추적이 가능하며, 상기 입자의 입도 분포에 따른 낙하 속도 획득이 가능함으로, 고속, 고정밀 및 고신뢰성의 입자 추적 장치 및 방법이 개시된다.

Description

입자 추적 장치 및 방법{APPARATUS AND METHOD FOR TRACKING THE MOTION OF PATICLES IN A FLUID}
본 발명은 입자 추적 장치 및 방법에 관한 것으로, 보다 자세하게는, 이미지 처리 기법을 이용하여, 유체 내에서 낙하하는 입자를 촬영한 프레임 이미지 상에서 입자를 추출하고, 이의 낙하 경로를 추적하여 속도를 분석하는, 입자 추적 장치 및 방법에 관한 것이다.
최근, 가상 공학 및 시뮬레이션(Simulation)이 발전함에 따라, 디지털 트윈(Digital Twin) 연구 방법이 주목 받고 있다.
디지털 트윈(Digital Twin) 기술은 현실세계의 기계나 장비, 사물 등을 컴퓨터 속 가상 세계에 구현하는 기술로, 다시 말해, 여러 공학적인 시스템을 가상 환경에서 동일하게 재현하여 물리적 및 화학적인 현상을 해석하는 기술이다.
오늘날에는, 이러한 디지털 트윈 기술을 사용하여, 유체 내에서 거동하는 입자를 분석하는 연구 사례가 많이 보고되고 있다.
일반적으로, 입자의 거동 현상은 물에서의 잉크의 확산, 파이프 내에서의 슬러리의 흐름, 혈류 내에서의 혈구의 흐름, 용액들의 혼합 등의 작은 스케일에서부터, 항공기의 날개 설계, 유동층 반응기의 원리, 건조 및 코팅 공정 등의 큰 스케일까지 다양한 분야에 적용되고 있다.
이 중에서도, 유동층 반응기는 촉매가 반응 기체와 화학 반응을 수반하면서 거동하는데, 이 때 반응기의 온도, 압력뿐 만 아니라 촉매와의 접촉 면적, 체류 시간, 위치별 solid hold-up 등에 의해 반응생성물의 수율과 선택도가 결정된다. 그러므로, 효율적인 공정 설계, 반응기 안정성 검정, 공정 최적화를 위해서는 기체 내에서의 촉매의 거동을 이해해야 한다.
이와 같이, 유체 내에서의 입자의 운동을 파악하기 위해, 종래에는, PIV(Particle Image Velocimetry) 방식을 사용하였다.
PIV는 연속체인 유체의 흐름을 분석하기 위해, 모든 픽셀에서의 입자의 속도 벡터를 계산한다. 보다 구체적으로, PIV는 교차상관분석(cross-correlation)에 기반하여 현재 프레임 내 어느 픽셀이 다음 프레임 내 어느 픽셀과 가장 유사한지에 대한 정보를 바탕을 개별 픽셀에서 속도장을 계산한다.
그러나, 종래의 PIV는 노이즈에 민감하기 때문에 저배율 영상에서는 분석이 어렵고, 낙하하는 입자의 거동의 경우 촬영된 모든 픽셀이 입자로 표현되지 않으므로 정확도가 낮은 단점이 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 고속, 고정밀 및 고신뢰성의 입자 추적 장치를 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 고속, 고정밀 및 고신뢰성의 입자 추적 방법을 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 입자 추적 장치는, 메모리(memory) 및 상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되, 상기 적어도 하나의 명령은, 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하도록 하는 명령, 상기 적어도 하나의 프레임 이미지를 이진화하고, 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하도록 하는 명령, 상기 적어도 하나의 입자를 색인(Index)화하도록 하는 명령, 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령을 포함한다.
또한, 상기 적어도 하나의 명령은, 상기 적어도 하나의 프레임 이미지를 전처리하도록 하는 명령을 더 포함할 수 있다.
이때, 상기 적어도 하나의 프레임 이미지를 전처리하도록 하는 명령은, 상기 적어도 하나의 프레임 이미지를 대상으로 조명에 따른 밝기 왜곡을 보정하도록 하는 명령, 상기 적어도 하나의 프레임 이미지의 배경 밝기를 균일화하도록 하는 명령, 및 상기 적어도 하나의 프레임 이미지의 색 대비(Color Contrast)를 증가시키도록 하는 명령을 포함할 수 있다.
여기서, 상기 적어도 하나의 입자를 추출하도록 하는 명령은, 오수 방법(Otsu's method)에 의해 설정된 특정 임계값을 기준으로 상기 적어도 하나의 프레임 이미지를 이진화하도록 하는 명령, 형태학적 복원(Morphological Reconstruction) 기법을 이용하여, 상기 적어도 하나의 프레임 이미지에서의 상기 낙하 경로 추적이 불필요한 적어도 하나의 입자를 제거하도록 하는 명령, 및 적어도 하나의 프레임 이미지로부터 노이즈를 제거하도록 하는 명령을 포함할 수 있다.
한편, 상기 적어도 하나의 입자를 색인화하도록 하는 명령에서는, 특정 프레임 이미지를 기준으로, 연속적인 프레임 이미지와 적어도 일부 영역이 겹치는 적어도 하나의 입자를 추출하여 색인화 할 수 있다.
또한, 상기 적어도 하나의 입자를 색인화하도록 하는 명령에서는, 특정 프레임 이미지를 기준으로, 이전 프레임 이미지에서 추출되지 않은 적어도 하나의 신규 입자를 추출하여 색인화 할 수 있다.
그리고, 상기 적어도 하나의 명령은, 상기 적어도 하나의 입자를 색인화하는 명령 이후에, 색인화 된 상기 입자가 촬영된 적어도 하나의 프레임 이미지의 수가 특정 임계값 이하일 경우, 상기 입자를 색인화 정보에서 삭제하도록 하는 명령을 더 포함할 수 있다.
또한, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령은, 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하도록 하는 명령, 및 상기 색인화된 입자의 대한 위치 정보를 이용하여, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령을 포함할 수 있다.
또한, 상기 적어도 하나의 명령은, 상기 색인화된 입자의 낙하 속도를 획득하도록 하는 명령을 더 포함할 수 있다.
이때, 상기 색인화된 입자의 낙하 속도를 획득하도록 하는 명령에서는, 상기 색인화된 입자에 대한 적어도 하나의 프레임 이미지 별 위치 정보를 선형 회귀함으로써 기울기를 산출하여 낙하 속도를 획득할 수 있다.
또한, 상기 적어도 하나의 명령은, 상기 색인화된 입자의 크기를 산출하도록 하는 명령을 더 포함할 수 있다.
이때, 상기 색인화된 입자의 크기를 산출하도록 하는 명령은, 상기 색인화된 입자가 촬영된 적어도 하나의 프레임 이미지로부터 상기 입자의 크기를 개별적으로 추출하여 이들의 평균값을 산출하도록 하는 명령 및 상기 입자의 입도 분포를 고려하여 상기 입자의 평균값을 조정(Scaling)하도록 하는 명령을 더 포함할 수 있다.
또한, 상기 입자 추적 장치는 상기 입자의 크기, 낙하 속도 및 낙하 경로를 항력 모델(drag model)에 검증 데이터로 제공할 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 입자 추적 방법은, 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하는 단계, 상기 적어도 하나의 프레임 이미지를 이진화하여, 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하는 단계, 상기 적어도 하나의 입자를 색인(Index)화하는 단계 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함한다.
또한, 상기 입자 추적 방법은 상기 적어도 하나의 프레임 이미지를 전처리하는 단계를 더 포함할 수 있다.
이때, 상기 적어도 하나의 프레임 이미지를 전처리하는 단계는, 상기 적어도 하나의 프레임 이미지를 대상으로 조명에 따른 밝기 왜곡을 보정하는 단계, 상기 적어도 하나의 프레임 이미지의 배경 밝기를 균일화하는 단계 및 상기 적어도 하나의 프레임 이미지의 색 대비(Color Contrast)를 증가시키는 단계를 포함할 수 있다.
또한, 상기 적어도 하나의 입자를 추출하는 단계는, 오수 방법(Otsu's method)에 의해 설정된 특정 임계값을 기준으로 상기 적어도 하나의 프레임 이미지를 이진화하는 단계, 형태학적 복원(Morphological Reconstruction) 기법을 이용하여, 상기 적어도 하나의 프레임 이미지에서의 상기 낙하 경로 추적이 불필요한 적어도 하나의 입자를 제거하는 단계 및 적어도 하나의 프레임 이미지로부터 노이즈를 제거하는 단계를 포함할 수 있다.
한편, 상기 적어도 하나의 입자를 색인화하는 단계에서는, 특정 프레임 이미지를 기준으로, 연속적인 프레임 이미지와 적어도 일부 영역이 겹치는 적어도 하나의 입자를 추출하여 색인화 할 수 있다.
또한, 상기 적어도 하나의 입자를 색인화하는 단계에서는, 특정 프레임 이미지를 기준으로, 이전 프레임 이미지에서 추출되지 않은 적어도 하나의 신규 입자를 추출하여 색인화 할 수 있다.
한편, 상기 입자 추적 방법은 상기 적어도 하나의 입자를 색인화하는 단계 이후에, 색인화 된 상기 입자가 촬영된 적어도 하나의 프레임 이미지의 수가 특정 임계값 이하일 경우, 상기 입자를 색인화 정보에서 삭제하는 단계를 더 포함할 수 있다.
한편, 상기 색인화된 입자의 낙하 경로를 추적하는 단계는, 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하는 단계 및 상기 색인화된 입자의 대한 위치 정보를 이용하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함할 수 있다.
또한, 상기 입자 추적 방법은, 상기 색인화된 입자의 낙하 속도를 획득하는 단계를 더 포함할 수 있다.
이때, 상기 색인화된 입자의 낙하 속도를 획득하는 단계에서는, 상기 색인화된 입자에 대한 적어도 하나의 프레임 이미지 별 위치 정보를 선형 회귀함으로써 기울기를 산출하여 낙하 속도를 획득할 수 있다.
또한, 상기 입자 추적 방법은 상기 색인화된 입자의 크기를 산출하는 단계를 더 포함할 수 있다.
여기서, 상기 색인화된 입자의 크기를 산출하는 단계는, 상기 색인화된 입자가 촬영된 적어도 하나의 프레임 이미지로부터 상기 입자의 크기를 개별적으로 추출하여 이들의 평균값을 산출하는 단계 및 상기 입자의 입도 분포를 고려하여 상기 입자의 평균값을 조정(Scaling) 하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따른 입자 추적 장치 및 방법은 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하는 단계, 상기 적어도 하나의 프레임 이미지를 이진화하여, 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하는 단계, 상기 적어도 하나의 입자를 색인(Index)화하는 단계 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함함으로써, 적어도 하나의 입자가 색인화되어 신속하고 정확한 낙하 경로 추적이 가능하며, 상기 입자의 입도 분포에 따른 낙하 속도 획득이 가능함으로, 고속, 고정밀 및 고신뢰성의 입자 추적 장치 및 방법을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 입자 추적 장치의 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 입자 추적 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실험예에 따른 유체 내에서 낙하하는 탄소나노튜브(CNT) 입자를 저배율의 초고속 카메라로 촬영한 프레임 이미지이다.
도 4는 본 발명의 실험예에 따라 전처리한 프레임 이미지들이다.
도 5는 본 발명의 실험예에 따른 프레임 이미지로부터 적어도 하나의 입자를 추출하는 방법을 설명하기 위한 이진화 된 프레임 이미지들이다.
도 6은 본 발명의 실험예에 따른 색인화 된 입자가 표시된 이진화된 프레임 이미지이다.
도 7은 본 발명의 실험예에 따른 색인화 된 51번 입자의 낙하 경로를 추적하는 단계를 설명하기 위한 프레임 이미지들이다.
도 8는 본 발명의 실험예에 따른 색인화 된 51번 입자의 낙하 경로를 추적한 그래프이다.
도 9는 본 발명의 실시예 및 실험예를 비교한, 색인화된 입자를 대상으로 한 입도 분포 그래프이다.
도 10은 본 발명의 실험예에 따른 색인화 된 입자의 입도 분포에 따른 낙하 경로 그래프이다.
이하, 본 발명에 관련된 입자 추적 장치 및 방법에 대하여 도면을 참조하여 보다 상세하게 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 “모듈” 및 “부”는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 발명은 입자 추적 장치 및 이를 이용한 입자 속도 분석 방법에 관한 것이다.
도 1은 본 발명의 실시예에 따른 입자 추적 장치의 블록 구성도이다.
도 1을 참조하면, 입자 추적 장치(1000)는 유체 내에서 낙하하는 입자를 촬영한 적어도 하나의 프레임 이미지를 입력 받을 수 있다. 이에 따라, 입자 추적 장치(1000)는 적어도 하나의 프레임 이미지로부터 입자를 추출하여, 유체 내에서 낙하하는 입자의 낙하 경로를 추적할 수 있다. 예를 들어, 적어도 하나의 프레임 이미지는 소정 직경의 원통 관을 통해 낙하시킨 탄소 나노 튜브(Carbone Nano Tube, CNT) 입자를 촬영한 이미지일 수 있다.
또한, 입자 추적 장치(1000)는 적어도 하나의 프레임 이미지로부터 입자를 추출함으로써, 입자의 크기 및 낙하 경로를 산출할 수 있다.
본 발명의 실시예에 따른 입자 추적 장치에 대해 구성별로 보다 자세히 설명하면, 입자 추적 장치(1000)는 메모리(100) 및 상기 메모리(100)의 적어도 하나의 명령을 실행하는 프로세서(200)를 포함할 수 있다.
또한, 입자 추적 장치(1000)는 상기 프로세서(200)를 통해 실행되는 네트워크와 연결되어 통신을 수행하는 송수신 장치(300), 입력 인터페이스 장치(400), 출력 인터페이스 장치(500) 및 저장 장치(600) 등을 더 포함할 수 있다.
입자 추적 장치(1000)에 포함된 각각의 구성 요소들은 버스(bus, 700)에 의해 연결되어 서로 통신을 수행할 수 있다.
입자 추적 장치(1000) 내 메모리(100) 및 저장 장치(600)는 각각 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(100)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
메모리(100)는 후술될 프로세서(200)에 의해 실행될 적어도 하나의 명령을 포함할 수 있다.
실시예에 따르면, 적어도 하나의 명령은, 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하도록 하는 명령, 상기 적어도 하나의 프레임 이미지를 이진화하여 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하도록 하는 명령, 상기 적어도 하나의 입자를 색인(Index)화하도록 하는 명령, 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령을 포함할 수 있다.
프로세서(200)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
프로세서(200)는 앞서 설명한 바와 같이, 메모리(100)에 저장된 적어도 하나의 프로그램 명령(program command)을 실행할 수 있다.
이상, 본 발명의 실시예에 따른 입자 추적 장치를 설명하였다. 이하에서는 본 발명의 실험예에 따른 상기 입자 추적 장치를 설명하겠다.
본 발명의 실험예에 따른 입자 추적 장치를 이용한 입자 추적
소정 직경을 갖는 원통형의 관, 탄소나노튜브(Carbone Nano Tube, CNT) 파우더, 저배율의 고속 카메라 및 본 발명의 실시예에 따른 입자 추적 장치를 준비하였다.
원형의 관에 탄소나노튜브(CNT) 파우더를 낙하하여, 저배율의 초고속 카메라로 영상을 촬영하였다.
이후, 초고속 카메라로부터 촬영된 적어도 하나의 프레임 이미지를 수신하여 유체 내에서 낙하하는 탄소나노튜브(CNT) 파우더의 입도의 낙하 경로를 추적하고, 낙하 속도를 획득하였다.
이하에서는 상기 실험예를 참조하여, 본 발명의 실시예에 따른 입자 추적 장치 내 프로세서 동작에 의해 실행되는 입자 추적 방법에 대해 보다 자세히 설명하겠다.
도 2는 본 발명의 실시예에 따른 입자 추적 방법을 설명하기 위한 순서도이다.
도 2를 참조하면, 입자 추적 장치(1000) 내 프로세서(200)는 유체 내에서 낙하하는 입자가 촬영된 적어도 하나의 프레임 이미지를 입력 받을 수 있다(S1000). 다시 말해, 프로세서(200)는 유체 내에서 낙하하는 입자가 촬영된 적어도 하나의 프레임 이미지를 외부 촬영 기기로부터 수신할 수 있다.
도 3은 본 발명의 실험예에 따른 유체 내에서 낙하하는 탄소나노튜브(CNT) 입자를 저배율의 초고속 카메라로 촬영한 프레임 이미지이다.
도 3을 참조하면, 적어도 하나의 프레임 이미지는 유체 내에서 낙하하는 입자를 촬영한 이미지일 수 있다. 실시예에 따르면, 적어도 하나의 프레임 이미지는 소정 직경을 갖는 원통형의 관에서 낙하하는 탄소나노튜브(CNT) 입자를 촬영한 이미지일 수 있다. 그러나 개시된 바에 국한되지 않고, 적어도 하나의 프레임 이미지는 유체 내에서 낙하하는 입자를 촬영할 수 있는 모든 영상 촬영 기기로부터 획득될 수 있다. 예를 들어, 적어도 하나의 프레임 이미지는 초고속 카메라 또는 전자 현미경으로 촬영될 수 있다.
다시 도 2를 참조하면, 적어도 하나의 프레임 이미지에는 적어도 하나의 측량 이미지가 포함될 수 있다. 여기서, 측량 이미지는 실제 길이 정보를 알고 있는 사물 또는 실제 위치 정보를 알고 있는 특정 지점을 촬영한 부분 이미지일 수 있다. 이에 따라, 프로세서(200)는 측량 이미지의 비율을 고려하여 프레임 이미지 내에서의 한 픽셀(pixel) 당 물리적 길이를 산출할 수 있다.
이에 따라, 프로세서(200)는 후술될 적어도 하나의 입자의 크기를 산출하는 단계 시, 측량 이미지를 이용하여 산출된 픽셀의 물리적 길이를 고려하여, 적어도 하나의 입자의 크기를 산출할 수 있다. 적어도 하나의 입자의 크기를 산출하는 단계는 하기에서 보다 자세히 설명하겠다.
프로세서(200)는 사용자로부터 기준 정보(parameter)를 입력 받을 수 있다(S2000). 이때, 기준 정보는 후술될 적어도 하나의 프레임 이미지로 하여금 적어도 하나의 입자를 추출하기 위한 조건 정보일 수 있다.
다시 말하면, 프로세서(200)는 후술될 적어도 하나의 입자를 색인(Index)화 하는 단계 시, 기준 정보를 만족하지 않는 적어도 하나의 입자는 노이즈로 간주할 수 있다. 실시예에 따르면, 기준 정보는 1 픽셀(pixel) 당 6㎛의 길이를 갖고, 10 프레임(frame) 이상 추적이 가능한 조건 정보를 포함할 수 있다.
이후, 프로세서(200)는 적어도 하나의 프레임 이미지를 전처리 할 수 있다(S3000). 프레임 이미지의 전처리 단계에 대해서는 하기 도 5를 참조하여 보다 구체적으로 설명하겠다.
도 4는 본 발명의 실험예에 따라 전처리한 프레임 이미지들이다. 보다 구체적으로, 도 4의 (a)는 초고속 카메라로 촬영된 CNT 입자의 프레임 이미지이고, 도 4의 (b)는 도 4의 (a)로부터 추정된 조명 이미지이며, 도 4의 (c)는 조명 효과가 제거된 CNT 입자의 프레임 이미지이고, 도 4의 (d)는 픽셀 밝기를 균일하게 조정한 프레임 이미지이며, 도 4의 (e)는 색 대비(contrast)를 증가시킨 프레임 이미지이다.
도 4의 (a) 및 (b)를 참조하면, 적어도 하나의 프레임 이미지는 조명의 영향으로 인해 픽셀 별로 불균일한 밝기 값을 가질 수 있다. 이에 따라, 프로세서(200)는, 적어도 하나의 프레임 이미지에서의 조명에 따른 밝기 왜곡을 보정할 수 있다(S3100). 실시예에 따르면, 프로세서(200)는 이변수 사차다항식을 이용하여, 조명에 따른 밝기 왜곡이 보정된 프레임 이미지(도 4의 (c) 참조)를 획득할 수 있다.
이후, 프로세서(200)는, 도 4의 (d)와 같이, 밝기 왜곡이 보정된 적어도 하나의 프레임 이미지를 대상으로, 배경 부분의 밝기를 균일화 할 수 있다(S3300).
실시예에 따라 보다 자세히 설명하면, 프로세서(200)는 알려진 포아송 방정식(Screened Poisson Equation)을 이용하여, 적어도 하나의 프레임 이미지의 배경 밝기를 균일화 할 수 있다.
또한, 프로세서(200)는, 도 4의 (e)와 같이, 배경 밝기가 균일화된 적어도 하나의 상기 프레임 이미지를 대상으로, 색 대비(color Contrast)를 증가시킬 수 있다(S3500).
다시 도 2를 참조하면, 프로세서(200)는 전처리 된 적어도 하나의 프레임 이미지로부터 적어도 하나의 입자를 추출할 수 있다(S4000). 프레임 이미지 내에서 적어도 하나의 입자를 추출하는 단계는 하기 도 5를 참조하여 보다 자세히 설명하겠다.
도 5는 본 발명의 실험예에 따른 프레임 이미지로부터 적어도 하나의 입자를 추출하는 방법을 설명하기 위한 이진화 된 프레임 이미지들이다. 보다 구체적으로, 도 5의 (a)는 초고속 카메라로 CNT 입자를 촬영한 1번째 프레임(frame 1) 이미지이고, 도 5의 (b)는 CNT 입자를 촬영한 1000번째 프레임(frame 1000) 이미지이며, 도 5의 (c)는 도 5의 (b)를 전역 이진화(Global Thresholding)한 프레임 이미지이고, 도 5의 (d)는 형태학적 복원(Morphological Reconstruction) 과정을 거친 프레임 이미지이며, 도 5의 (e)는 노이즈가 제거된 프레임 이미지이다.
도 5를 참조하면, 프로세서(200)는 프레임 이미지 내에서 적어도 하나의 입자를 추출하기 위해, 전처리 된 적어도 하나의 프레임 이미지를 대상으로 이진화를 수행할 수 있다.
실시예에 따라 보다 구체적으로 설명하면, 프로세서(200)는 상기 적어도 하나의 프레임 이미지를 대상으로, 특정 임계값 이상의 픽셀들은 흰색으로 처리하고, 상기 임계값 이하의 픽셀들은 검은색은 처리하는 이진화를 수행할 수 있다.
다시 말해, 프로세서(200)는 적어도 하나의 프레임 이미지를 전역 이진화(Global Thresholding) 할 수 있다. 여기서, 특정 임계값은 Otsu's method를 이용하여, inter-class variance가 최대가 되는 값으로 설정될 수 있다. Otsu's method를 이용하여 특정 임계값을 설정하는 방법은 종래의 주지기술로써 자세한 설명은 생략하도록 하겠다.
이후, 프로세서(200)는 형태학적 복원(Morphological Reconstruction) 기법을 이용하여, 적어도 하나의 프레임 이미지 내에서 낙하 경로 추적이 불필요한 적어도 하나의 입자를 제거할 수 있다.
실시예에 따르면, 프로세서(200)는 형태학적 복원(Morphological Reconstruction) 기법을 이용하여, n번째 프레임 이미지 및 1번째 프레임 이미지를 비교하여, n번째 프레임 이미지로부터 1번째 프레임 이미지와 겹치는 영역의 픽셀 데이터를 제거할 수 있다.
이후, 프로세서(200)는 상기 프레임 이미지로부터 노이즈를 제거할 수 있다.
일 실시예에 따르면, 프로세서(200)는 상기 프레임 이미지 내 특정 크기 이하로 인식된 영역(area opening)을 노이즈로 인식하여 제거할 수 있다.
또한, 다른 실시예에 따르면, 프로세서(200)는 상기 프레임 이미지 내 경계(edge)와 닿아 있는 적어도 하나의 입자를 노이즈로 인식하여 border clearing 기법을 통해 제거하였다. 이에 따라, 본 발명의 실시예에 따른 입자 추적 장치(1000) 내 프로세서(200)는 이진화된 적어도 하나의 프레임 이미지로부터 적어도 하나의 입자를 추출할 수 있다.
다시 도 2를 참조하면, 프로세서(200)는 추출된 입자를 색인화 할 수 있다(S5000). 이후, 프로세서(200)는 색인화된 적어도 하나의 입자의 낙하 경로를 추적할 수 있다(S6000).
다시 말하면, 프로세서(200)는 이진화된 프레임 이미지들을 기반으로, 추출된 입자들의 낙하 경로를 추적할 수 있다. 색인화된 입자의 낙하 경로를 추적하는 단계는 하기 도 6을 참조하여 보다 자세히 설명하겠다.
도 6은 본 발명의 실험예에 따른 색인화 된 입자가 표시된 이진화된 프레임 이미지이다.
도 6을 참조하면, 프로세서(200)는 적어도 하나의 프레임 이미지에 포함된 적어도 하나의 입자를 색인(index)화 할 수 있다.
일 실시예에 따르면, 프로세서(200)는 n번째 프레임 이미지를 기준으로, n+1번째 프레임 이미지와 적어도 일부 영역이 겹치는 입자를 추출하여, 색인(index)화 할 수 있다. 다시 말하면, 프로세서(200)는 특정 프레임 이미지를 기준으로, 연속적인 프레임 이미지와 적어도 일부 영역이 겹치는 적어도 하나의 입자를 추출하여 색인화 할 수 있다.
다른 실시예에 따르면, 프로세서(200)는 n번째 프레임 이미지로부터 n+1, n+2, … n+x번째 프레임 이미지를 비교하여, 이전 프레임 이미지에 존재하지 않는 신규 입자에 대해서도 신규 색인을 부여할 수 있다. 다시 말하면, 특정 프레임 이미지를 기준으로, 이전 프레임 이미지에서 추출되지 않은 적어도 하나의 신규 입자를 추출하여 색인화 할 수 있다.
이때, 프로세서(200)는, 적어도 하나의 색인화 된 입자 중 어느 하나가 사용자로 하여금 초기 설정된 기준 정보에 부합하지 않을 경우, 해당 입자를 노이즈로 간주할 수 있다. 다시 말해, 프로세서(200)는 색인화 된 입자가 촬영된 프레임 영상의 개수가 사용자로 하여금 설정된 특정 임계값 이하의 프레임 이미지 수를 가질 경우, 해당 입자의 색인화 정보를 삭제할 수 있다.
일 실시예에 따르면, 프로세서(200)는 색인화 된 입자의 크기가 일정 범위 이하 또는 이상일 경우, 해당 입자를 노이즈로 간주하여 색인화 정보를 삭제할 수 있다. 예를 들어, 프로세서(200)는 색인화 된 입자 중 어느 하나가 20 픽셀(pixel) 이하로 구성된 경우, 해당 입자를 노이즈로 간주하여 이에 대응하는 색인을 삭제할 수 있다.
이때, 입자의 크기는, 앞서 설명한 바와 같이, 사용자로 하여금 사전 설정된 초기 정보에 기준할 수 있으나, 이에 국한되지 않고, 특정 입자가 촬영된 프레임 이미지들 내 해당 입자의 크기의 평균을 산출하여 기준 정보로 사용할 수 있다.
다른 실시예에 따르면, 프로세서(200)는 색인화 된 입자가 촬영된 프레임 영상의 개수가 사용자로 하여금 설정된 특정 임계값 이하의 프레임 이미지 수를 가질 경우, 해당 입자의 색인화 정보를 삭제할 수 있다. 예를 들어, 프로세서(200)는 색인화 된 입자 중 어느 하나의 입자가 10 프레임(frame) 이하로 촬영될 경우, 해당 입자를 노이즈로 간주하여 이에 대응하는 색인을 삭제할 수 있다. 따라서, 본 발명의 실시예에 따른 입자 추적 방법은 입자의 식별 정보를 색인화 함으로써, 특정 입자의 낙하 경로 추적 시, 신속하고 정확한 경로 추적이 용이할 수 있다.
도 7은 본 발명의 실험예에 따른 색인화 된 51번 입자의 낙하 경로를 추적하는 단계를 설명하기 위한 프레임 이미지들이다. 보다 구체적으로, 도 8의 (a)는 51번 입자가 촬영된 563번째 프레임 이미지(frame 563)이고, 도 8의 (b)는 51번 입자가 촬영된 570번째 프레임 이미지(frame 570)이며, 도 8의 (c)는 51번 입자가 촬영된 600번째 프레임 이미지(frame 600)이다.
도 7을 참조하면, 프로세서(200)는 프레임 이미지 별로 색인화 된 특정 입자의 위치 정보를 획득할 수 있다. 실시예에 따르면, 프로세서(200)는 특정 입자가 촬영된 적어도 하나의 프레임 이미지로부터 해당 입자의 2차원 위치 좌표(x-y)를 개별적으로 획득할 수 있다.
도 8는 본 발명의 실험예에 따른 색인화 된 51번 입자의 낙하 경로를 추적한 그래프이다.
도 8을 참조하면, 프로세서(200)는 적어도 하나의 프레임 이미지로부터 개별 획득한 위치 좌표를 그래프화 할 수 있다.
보다 구체적으로 설명하면, 프로세서(200)는 시간의 변화에 따른 특정 입자의 위치 정보에 관한 그래프를 획득할 수 있다. 이에 따라, 프로세서(200)는 색인화된 특정 입자의 낙하 경로를 추정할 수 있다.
다시 도 2를 참조하면, 프로세서(200)는 색인화된 특정 입자의 크기를 산출할 수 있다(S7000).
실시예에 따라 보다 자세히 설명하면, 프로세서(200)는 색인화된 특정 입자가 촬영된 적어도 하나의 프레임 이미지로부터 특정 입자의 크기를 개별적으로 추출할 수 있다. 이때, 적어도 하나의 프레임 이미지로부터 추출된 상기 특정 입자의 크기는 입자가 나타난 픽셀의 개수 및 측량 이미지를 통해 산출한 픽셀 당 물리적 길이를 적용하여 산출할 수 있다.
프로세서(200)는 적어도 하나의 프레임 이미지 별로 산출된 적어도 하나의 입자의 크기값을 평균하여 평균 값을 산출할 수 있다.
이후, 프로세서(200)는 입자의 입도 분포를 고려하여 상기 입자의 평균값을 조정(Scaling)할 수 있다. 이에 따라, 프로세서(200)는, 초고속 카메라에 의한 촬영에 의해 발생할 수 있는 프레임 이미지 내 광학 왜곡에 따른 입자의 크기 왜곡을 보정할 수 있다.
도 9는 본 발명의 실시예 및 실험예를 비교한, 색인화된 입자를 대상으로 한 입도 분포 그래프이다.
도 9를 참조하면, 본 발명의 실험예에 따라 색인화 된 입자의 입도 분포를 측정하였다.
이후, 본 발명의 실시예에 따른 프로세서(200)에 의해 추정된 색인화 된 입자의 입도 분포를 고려하여 평균값을 조정(Scaling)한 결과값을 비교하였다.
비교 결과, 본 발명의 실험예에 따라 측정된 색인화 된 입자의 입도 분포와 본 발명의 실시예에 따라 추정된, 색인화 된 입자의 입도 분포를 조정(scaling)한 결과가 서로 유사함을 확인할 수 있다.
다시 도 2를 참조하면, 프로세서(200)는 색인화 된 특정 입자의 낙하 속도를 획득할 수 있다(S8000). 색인화 된 특정 입자의 낙하 속도를 획득하는 단계는 하기 도 10을 참조하여 보다 자세히 설명하겠다.
도 10은 본 발명의 실험예에 따른 색인화 된 입자의 입도 분포에 따른 낙하 경로 그래프이다.
도 10을 참조하면, 프로세서(200)는 특정 입자의 낙하 경로 그래프를 바탕으로, 해당 입자의 기울기를 산출하여 낙하 속도를 획득할 수 있다.
본 발명의 실험예에 따르면, 51번 입자의 경우, 프로세서(200)는 51번 입자의 프레임 이미지 별 위치 좌표 그래프를 바탕으로, 51번 입자가 등속도로 낙하하고 있음을 확인할 수 있다. 이에, 본 발명의 실시예에 따른 프로세서(200)는 프레임 이미지 별 위치 좌표 그래프를 선형 회귀하여 기울기를 산출할 수 있다. 이에 따라, 프로세서(200)는 특정 입자의 낙하 속도를 획득할 수 있다.
본 발명의 실시예에 따른 입자 추적 장치의 프로세서(200)는 획득한 식별화된 특정 입자의 크기, 낙하 경로 및 낙하 속도 정보를, 특정 입자가 낙하하는 상황에 대한 항력 모델의 검증 데이터로 사용할 수 있다.
항력(Fd, drag force)은 입자가 유체와 상대 속도를 갖고 거동을 할 때, 유체의 점성 및 운동량의 전달로부터 기인하여 입자에 가해지는 힘으로 정의된다.
일반적으로, 항력의 크기는 하기 [수학식 1]과 같이 산출될 수 있다.
Figure pat00001
여기서, Fd는 항력, Cd는 항력 계수, ρ는 유체의 밀도, A는 입자와 유체의 접촉 표면적, 그리고,
Figure pat00002
는 고체와 유체의 상대 속도일 수 있다.
종래의 입자 추적 장치는 연속체인 유체의 흐름을 분석하기 위해 모든 픽셀에서 속도 벡터를 계산함으로써, 노이즈에 민감하였다. 따라서, 종래의 입자 추적 장치는 저배율 영상 이미지에서는 분석이 어렵고, 낙하하는 입자의 거동의 경우 촬영된 모든 픽셀이 입자로 표현되지 않기 때문에 부정확한 단점이 있었다.
한편, 본 발명의 실시예에 따른 입자 추적 장치는 프레임 이미지로부터 식별되는 색인화 된 입자의 거동을 추적함으로써, 낙하하는 입자에 대한 항력 모델의 학습 시 고정확 및 고신뢰성의 검증 데이터를 제공할 수 있다.
이상, 본 발명의 실시예에 따른 입자 추적 장치 및 방법을 설명하였다. 본 발명의 실시예에 따른 입자 추적 장치 및 방법은 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하는 단계, 상기 적어도 하나의 프레임 이미지를 이진화하여 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하는 단계, 상기 적어도 하나의 입자를 색인(Index)화하는 단계 및 상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함함으로써, 적어도 하나의 입자가 색인화되어 신속하고 정확한 낙하 경로 추적이 가능하며, 상기 입자의 입도 분포에 따른 낙하 속도 획득이 가능함으로, 고속, 고정밀 및 고신뢰성의 입자 추적 장치 및 방법을 제공할 수 있다.
이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현할 수 있을 것이다. 따라서 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구 범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
1000: 입자 추적 장치
100: 메모리
200: 프로세서
300: 송수신 장치
400: 입력 인터페이스 장치
500: 출력 인터페이스 장치
600: 저장 장치
700: 버스(Bus)

Claims (25)

  1. 메모리(memory); 및
    상기 메모리에 저장된 적어도 하나의 명령을 실행하는 프로세서(processor)를 포함하되,
    상기 적어도 하나의 명령은,
    유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하도록 하는 명령,
    상기 적어도 하나의 프레임 이미지를 이진화하여, 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하도록 하는 명령,
    상기 적어도 하나의 입자를 색인(Index)화하도록 하는 명령, 및
    상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령을 포함하는, 입자 추적 장치.
  2. 제1 항에 있어서,
    상기 적어도 하나의 명령은,
    상기 적어도 하나의 프레임 이미지를 전처리하도록 하는 명령을 더 포함하는, 입자 추적 장치.
  3. 제2 항에 있어서,
    상기 적어도 하나의 프레임 이미지를 전처리하도록 하는 명령은,
    상기 적어도 하나의 프레임 이미지를 대상으로 조명에 따른 밝기 왜곡을 보정하도록 하는 명령,
    상기 적어도 하나의 프레임 이미지의 배경 밝기를 균일화하도록 하는 명령, 및
    상기 적어도 하나의 프레임 이미지의 색 대비(Color Contrast)를 증가시키도록 하는 명령을 포함하는, 입자 추적 장치.
  4. 청구항 1에 있어서,
    상기 적어도 하나의 입자를 추출하도록 하는 명령은,
    오수 방법(Otsu's method)에 의해 설정된 특정 임계값을 기준으로 상기 적어도 하나의 프레임 이미지를 이진화하도록 하는 명령,
    형태학적 복원(Morphological Reconstruction) 기법을 이용하여, 상기 적어도 하나의 프레임 이미지에서의 상기 낙하 경로 추적이 불필요한 적어도 하나의 입자를 제거하도록 하는 명령, 및
    적어도 하나의 프레임 이미지로부터 노이즈를 제거하도록 하는 명령을 포함하는, 입자 추적 장치.
  5. 청구항 1에 있어서,
    상기 적어도 하나의 입자를 색인화하도록 하는 명령에서는,
    특정 프레임 이미지를 기준으로, 연속적인 프레임 이미지와 적어도 일부 영역이 겹치는 적어도 하나의 입자를 추출하여 색인화하는, 입자 추적 장치.
  6. 제1 항에 있어서,
    상기 적어도 하나의 입자를 색인화하도록 하는 명령에서는,
    특정 프레임 이미지를 기준으로, 이전 프레임 이미지에서 추출되지 않은 적어도 하나의 신규 입자를 추출하여 색인화하는, 입자 추적 장치.
  7. 제1 항에 있어서,
    상기 적어도 하나의 명령은,
    상기 적어도 하나의 입자를 색인화하는 명령 이후에, 색인화 된 상기 입자가 촬영된 적어도 하나의 프레임 이미지의 수가 특정 임계값 이하일 경우, 상기 입자를 색인화 정보에서 삭제하도록 하는 명령을 더 포함하는, 입자 추적 장치.
  8. 제1 항에 있어서,
    상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령은,
    상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하도록 하는 명령, 및
    상기 색인화된 입자의 대한 위치 정보를 이용하여, 상기 색인화된 입자의 낙하 경로를 추적하도록 하는 명령을 포함하는, 입자 추적 장치.
  9. 제1 항에 있어서,
    상기 적어도 하나의 명령은,
    상기 색인화된 입자의 낙하 속도를 획득하도록 하는 명령을 더 포함하는, 입자 추적 장치.
  10. 제9 항에 있어서,
    상기 색인화된 입자의 낙하 속도를 획득하도록 하는 명령에서는,
    상기 색인화된 입자에 대한 적어도 하나의 프레임 이미지 별 위치 정보를 선형 회귀함으로써 기울기를 산출하여 낙하 속도를 획득하는, 입자 추적 장치.
  11. 제1 항에 있어서,
    상기 적어도 하나의 명령은,
    상기 색인화된 입자의 크기를 산출하도록 하는 명령을 더 포함하는, 입자 추적 장치.
  12. 제11 항에 있어서,
    상기 색인화된 입자의 크기를 산출하도록 하는 명령은,
    상기 색인화된 입자가 촬영된 적어도 하나의 프레임 이미지로부터 상기 입자의 크기를 개별적으로 추출하여 이들의 평균값을 산출하도록 하는 명령 및
    상기 입자의 입도 분포를 고려하여 상기 입자의 평균값을 조정(Scaling)하도록 하는 명령을 더 포함하는, 입자 추적 장치.
  13. 제1 항에 있어서,
    상기 입자의 크기, 낙하 속도 및 낙하 경로를 항력 모델(drag model)에 검증 데이터로 제공하는, 입자 추적 장치.
  14. 유체 내에서 낙하하는 적어도 하나의 입자를 촬영한 적어도 하나의 프레임 이미지를 수신하는 단계;
    상기 적어도 하나의 프레임 이미지를 이진화하여, 상기 프레임 이미지로부터 각각 상기 적어도 하나의 입자를 추출하는 단계;
    상기 적어도 하나의 입자를 색인(Index)화하는 단계; 및
    상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함하는, 입자 추적 방법.
  15. 제14 항에 있어서,
    상기 적어도 하나의 프레임 이미지를 전처리하는 단계를 더 포함하는, 입자 추적 방법.
  16. 제15 항에 있어서,
    상기 적어도 하나의 프레임 이미지를 전처리하는 단계는,
    상기 적어도 하나의 프레임 이미지를 대상으로 조명에 따른 밝기 왜곡을 보정하는 단계;
    상기 적어도 하나의 프레임 이미지의 배경 밝기를 균일화하는 단계; 및
    상기 적어도 하나의 프레임 이미지의 색 대비(Color Contrast)를 증가시키는 단계를 포함하는, 입자 추적 방법.
  17. 제14 항에 있어서,
    상기 적어도 하나의 입자를 추출하는 단계는,
    오수 방법(Otsu's method)에 의해 설정된 특정 임계값을 기준으로 상기 적어도 하나의 프레임 이미지를 이진화하는 단계;
    형태학적 복원(Morphological Reconstruction) 기법을 이용하여, 상기 적어도 하나의 프레임 이미지에서의 상기 낙하 경로 추적이 불필요한 적어도 하나의 입자를 제거하는 단계; 및
    적어도 하나의 프레임 이미지로부터 노이즈를 제거하는 단계를 포함하는, 입자 추적 방법.
  18. 제14 항에 있어서,
    상기 적어도 하나의 입자를 색인화하는 단계에서는,
    특정 프레임 이미지를 기준으로, 연속적인 프레임 이미지와 적어도 일부 영역이 겹치는 적어도 하나의 입자를 추출하여 색인화하는, 입자 추적 방법.
  19. 제14 항에 있어서,
    상기 적어도 하나의 입자를 색인화하는 단계에서는,
    특정 프레임 이미지를 기준으로, 이전 프레임 이미지에서 추출되지 않은 적어도 하나의 신규 입자를 추출하여 색인화하는, 입자 추적 방법.
  20. 제14 항에 있어서,
    상기 적어도 하나의 입자를 색인화하는 단계 이후에, 색인화 된 상기 입자가 촬영된 적어도 하나의 프레임 이미지의 수가 특정 임계값 이하일 경우, 상기 입자를 색인화 정보에서 삭제하는 단계를 더 포함하는, 입자 추적 방법.
  21. 제14 항에 있어서,
    상기 색인화된 입자의 낙하 경로를 추적하는 단계는,
    상기 적어도 하나의 프레임 이미지로부터 상기 색인화된 입자의 위치 정보를 획득하는 단계; 및
    상기 색인화된 입자의 대한 위치 정보를 이용하여, 상기 색인화된 입자의 낙하 경로를 추적하는 단계를 포함하는, 입자 추적 방법.
  22. 제14 항에 있어서,
    상기 색인화된 입자의 낙하 속도를 획득하는 단계를 더 포함하는, 입자 추적 방법.
  23. 제22 항에 있어서,
    상기 색인화된 입자의 낙하 속도를 획득하는 단계에서는,
    상기 색인화된 입자에 대한 적어도 하나의 프레임 이미지 별 위치 정보를 선형 회귀함으로써 기울기를 산출하여 낙하 속도를 획득하는, 입자 추적 방법.
  24. 제14 항에 있어서,
    상기 색인화된 입자의 크기를 산출하는 단계를 더 포함하는, 입자 추적 방법.
  25. 제24 항에 있어서,
    상기 색인화된 입자의 크기를 산출하는 단계는,
    상기 색인화된 입자가 촬영된 적어도 하나의 프레임 이미지로부터 상기 입자의 크기를 개별적으로 추출하여 이들의 평균값을 산출하는 단계; 및
    상기 입자의 입도 분포를 고려하여 상기 입자의 평균값을 조정(Scaling) 하는 단계를 더 포함하는, 입자 추적 방법.
KR1020210043603A 2021-04-02 2021-04-02 입자 추적 장치 및 방법 KR102667903B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210043603A KR102667903B1 (ko) 2021-04-02 2021-04-02 입자 추적 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210043603A KR102667903B1 (ko) 2021-04-02 2021-04-02 입자 추적 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220137469A true KR20220137469A (ko) 2022-10-12
KR102667903B1 KR102667903B1 (ko) 2024-05-20

Family

ID=83597690

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210043603A KR102667903B1 (ko) 2021-04-02 2021-04-02 입자 추적 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102667903B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013032934A (ja) * 2011-08-01 2013-02-14 Ihi Corp 粒子観察装置、分離装置及びマニピュレート装置
JP2014146096A (ja) * 2013-01-28 2014-08-14 Toray Ind Inc 流体解析方法、流体解析プログラムおよび記録媒体
JP2014521967A (ja) * 2011-08-05 2014-08-28 ナノサイト・リミテッド 粒子の光学的な検出および解析
JP2014525583A (ja) * 2011-08-29 2014-09-29 アムジェン インコーポレイテッド 流体中の非溶解粒子の非破壊的検出のための方法および装置
KR20200002066A (ko) * 2018-06-29 2020-01-08 한국교통대학교산학협력단 차량 인식 방법 및 이를 이용하는 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013032934A (ja) * 2011-08-01 2013-02-14 Ihi Corp 粒子観察装置、分離装置及びマニピュレート装置
JP2014521967A (ja) * 2011-08-05 2014-08-28 ナノサイト・リミテッド 粒子の光学的な検出および解析
JP2014525583A (ja) * 2011-08-29 2014-09-29 アムジェン インコーポレイテッド 流体中の非溶解粒子の非破壊的検出のための方法および装置
JP2014146096A (ja) * 2013-01-28 2014-08-14 Toray Ind Inc 流体解析方法、流体解析プログラムおよび記録媒体
KR20200002066A (ko) * 2018-06-29 2020-01-08 한국교통대학교산학협력단 차량 인식 방법 및 이를 이용하는 장치

Also Published As

Publication number Publication date
KR102667903B1 (ko) 2024-05-20

Similar Documents

Publication Publication Date Title
Barman et al. Soil texture classification using multi class support vector machine
Lindblad et al. Image analysis for automatic segmentation of cytoplasms and classification of Rac1 activation
CN112639396B (zh) 尺寸测量装置、尺寸测量方法以及半导体制造系统
US20090081775A1 (en) Microscope system and screening method for drugs, physical therapies and biohazards
JP2008171417A (ja) 画像内の略矩形のオブジェクトを検出する方法、画像内のバックグラウンド色を推定する方法、コンピュータ可読媒体、画像内の略矩形のオブジェクトを検出する装置、および画像内のバックグラウンド色を推定する装置
US11846577B2 (en) Systems and methods for counting particles
CN110910421A (zh) 基于分块表征和可变邻域聚类的弱小运动目标检测方法
Pécot et al. Background fluorescence estimation and vesicle segmentation in live cell imaging with conditional random fields
Meijering et al. Time-lapse imaging
CN111160477A (zh) 一种基于特征点检测的图像模板匹配方法
Lehmussola et al. Synthetic images of high-throughput microscopy for validation of image analysis methods
WO2019087673A1 (ja) 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム
SANTOS et al. Automatic 3D plant reconstruction from photographies, segmentation and classification of leaves and internodes using clustering.
CN113128550A (zh) 用于数据有效的主动机器学习的设备和计算机实现的方法
Li et al. Measuring binary fluidization of nonspherical and spherical particles using machine learning aided image processing
Liao et al. 3DPhenoFish: Application for two-and three-dimensional fish morphological phenotype extraction from point cloud analysis
KR20220137469A (ko) 입자 추적 장치 및 방법
Hamghalam et al. Automatic counting of leukocytes in giemsa-stained images of peripheral blood smear
CN110537089A (zh) 用于分析细胞的方法和装置
Brown et al. Vehicle tracking for bridge load dynamics using vision techniques
EP3961562B1 (en) Image processing method, image processing device, and image processing system
Ivanovska et al. Tomatodiff: On–plant tomato segmentation with denoising diffusion models
CN112966699A (zh) 一种通信工程项目的目标检测系统
CN106296688A (zh) 基于全局估计的影像模糊检测方法及系统
Makkar et al. A Comparative Analysis of Different Time Bounded Segmentation Techniques

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant