KR102025756B1 - 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. - Google Patents
영상에서 스펙클을 제거하는 방법, 장치 및 시스템. Download PDFInfo
- Publication number
- KR102025756B1 KR102025756B1 KR1020130001212A KR20130001212A KR102025756B1 KR 102025756 B1 KR102025756 B1 KR 102025756B1 KR 1020130001212 A KR1020130001212 A KR 1020130001212A KR 20130001212 A KR20130001212 A KR 20130001212A KR 102025756 B1 KR102025756 B1 KR 102025756B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- speckle
- region
- information
- pixels
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001965 increasing effect Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 2
- 238000000926 separation method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000012014 optical coherence tomography Methods 0.000 description 11
- 238000003702 image correction Methods 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 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
- G06T5/70—Denoising; Smoothing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
영상에서 스펙클을 제거하는 방법은 영상 내에서 관심 영역을 선정하고, 영상의 일부 주파수 신호들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거한 후, 상기 스펙클(speckle)을 제거한 영상을 이용하여 상기 관심 영역과 상기 스펙클(speckle)에 대응되는 영역의 대조(contrast) 정도를 증가시킨다.
Description
영상에서 스펙클을 제거하는 방법, 장치 및 시스템이 개시된다.
최근에는 인체 조직 또는 다양한 재료와 같은 대상체의 내부 구조를 관찰할 수 있는 방법 및 장치들이 다양한 분야에서 널리 사용되고 있다. X선 장치(X-ray system), CT(Computerized Tomography) 스캐너, MRI(Magnetic Resonance Image) 장치 및 초음파 장치(Ultrasound system) 등의 다양한 내부 투과영상 및 단층영상 촬영 장비들이 그 예들이다. 이러한 장비들은 인체와 생명체의 내부 구조를 직접 절개하지 않고 각종 질병의 원인과 위치 및 진행과정을 파악함으로써 의료분야에 있어서 중요한 위치를 차지하고 있다. 따라서, 이러한 진단 장비에 있어서 생명체에 대한 저 유해성, 고 분해능 영상 획득, 합리적인 가격 및 이동 및 사용의 편리성 등은 중요한 요소로 인식되고 있다.
특히, 광 간섭 단층촬영(Optical Coherence Tomography) 장치는 대상체에 조사되어 반사되는 광과 기준이 되는 광과의 간섭 현상을 이용하여 대상체의 내부 구조를 촬영할 수 있는 장치로, 고 해상도의 영상을 얻는 것이 가능하고 인체에 무해하다는 장점이 있어 의료분야에서 널리 사용되고 있다.
영상에 존재하는 스펙클(speckle)은 주로 초음파 이미징에서 연구되어 왔고, 2차원 초음파 영상에서 스펙클을 제거하는 방법들이 다수 존재한다. 먼저, 스펙클의 원인이 가까이 존재하는 반사체들의 반사 신호들 간의 상호 간섭에 의해 발생하므로, 이들 반사체에서 발생하는 신호들을 분해하여 스펙클을 감소시킬 수 있다. 또한, 같은 위치를 나타내는 서로 다른 초음파 영상을 획득하고 각각의 초음파 영상들에서 스펙클의 형태 변형을 평균함으로써, 조직(tissue)에 대한 영상 정보를 강화하는 것과 동시에 스펙클을 감소시킬 수도 있다. 또한, 디지털 필터링(digital filtering)에 의해서도 영상 내의 스펙클을 감소시킬 수 있으며, 이 방식은 웨이블렛 변환(wavelet transform)을 사용하는 멀티스케일(multiscale) 방법, 편미분 방정식(partial differential equation)을 사용하는 방법, 영상 내의 현재 픽셀과 이웃하는 픽셀들의 평균을 이용하는 NLM(non-local means) 방법 등으로 구현될 수 있다.
영상에서 스펙클을 제거하는 방법, 장치 및 시스템을 제공하는 데에 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다. 해결하고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일 측면에 따른 영상에서 스펙클을 제거하는 방법은 영상 내에서 관심 영역을 선정하는 단계; 상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하는 단계; 상기 스펙클(speckle)을 제거한 영상을 이용하여 상기 관심 영역과 상기 스펙클(speckle)에 대응되는 영역의 대조(contrast) 정도를 증가시키는 단계;를 포함한다.
본 발명의 다른 측면에 따른 영상에서 스펙클을 제거하는 장치는 영상 내에서 관심 영역을 선정하는 관심 영역 선정부; 상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하는 스펙클 제거부; 상기 스펙클(speckle)을 제거한 영상을 이용하여 상기 관심 영역과 상기 스펙클(speckle)에 대응되는 영역의 대조(contrast) 정도를 증가시키는 대조 처리부;를 포함한다.
상기 또 다른 기술적 과제를 해결하기 위한 상기된 영상에서 스펙클을 제거하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
본 발명의 또 다른 측면에 따른 영상에서 스펙클을 제거하는 시스템은 관심 영역을 포함하는 영상을 생성하는 영상 생성 장치; 상기 영상 내에서 관심 영역을 선정하고, 상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하고, 상기 스펙클(speckle)을 제거한 영상을 이용하여 상기 관심 영역과 상기 스펙클(speckle)에 대응되는 영역의 대조(contrast) 정도를 증가시키는 영상 처리 장치; 및 상기 대조 정도가 증가된 영상을 표시하는 영상 표시 장치를 포함한다.
상기된 바에 따르면, 스펙클이 포함된 영상에서 영상에 포함된 조직을 나타내는 정보의 손상 없이 스펙클을 제거하고, 영상의 대조(contrast) 정도를 향상시킬 수 있다. 또한, 영상 내의 스펙클을 제거하는데 드는 시간 대비 효율을 높일 수 있다. 이에 따라 사용자의 개입 없이 영상을 통한 질병 등의 진단을 자동적으로 수행할 수 있고, 질병 등의 진단의 정확도를 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 장치의 일 예를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 주파수 분리부가 입력된 영상에 웨이블렛 변환을 수행한 일 예를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 스펙클 제거부가 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역의 스펙클을 제거한 후의 웨이블렛 계수를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 대조 처리부가 영상의 대조 정도를 증가시키는 일 예를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 영상에서 스펙클을 제거하는 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 영상 보정 시스템의 사용 환경의 일 예를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 통계적 분석에 이용되는 히스토그램 및 영상의 일 예를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 주파수 분리부가 입력된 영상에 웨이블렛 변환을 수행한 일 예를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 스펙클 제거부가 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역의 스펙클을 제거한 후의 웨이블렛 계수를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 대조 처리부가 영상의 대조 정도를 증가시키는 일 예를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 영상에서 스펙클을 제거하는 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 영상 보정 시스템의 사용 환경의 일 예를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 통계적 분석에 이용되는 히스토그램 및 영상의 일 예를 도시한 도면이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 장치(10)의 일 예를 도시한 도면이다.
도 1을 참조하면, 영상 처리 장치(10)는 주파수 처리부(110) 및 대조(contrast) 처리부(120)를 포함한다. 여기에서 주파수 처리부(110)는 주파수 분리부(111), 관심 영역 선정부(112), 스펙클 제거부(113) 및 영상 재생성부(114)를 포함할 수 있다.
도 1에 도시된 영상 처리 장치(10)에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
예를 들어, 영상 처리 장치(10)에는 인터페이스부(미도시)가 포함될 수 있다. 구체적으로, 인터페이스부(미도시)는 사용자의 입력 정보 및 영상의 입출력 등을 관장할 수 있다. 인터페이스부(미도시)는 영상 처리 장치(10)의 기능에 따라 네트워크 망과의 접속을 위한 네트워크 모듈, 이동식 저장 매체와의 데이터 이동 채널 형성을 위한 USB 호스트 모듈 등을 모두 포함한다. 또한, 인터페이스부(미도시)는 마우스, 키보드, 터치 화면, 모니터, 스피커 등의 입출력 장치 및 이들을 구동하기 위한 소프트웨어 모듈을 모두 포함한다.
또한, 영상 처리 장치(10)에는 후술할 모델들을 저장하는 저장부(미도시)를 더 포함할 수도 있다. 저장부(미도시)는 통상적인 저장매체로서 하드디스크드라이브(Hard Disk Drive, HDD), ROM(Read Only Memory), RAM(Random Access Memory), 플래쉬메모리(Flash Memory) 및 메모리카드(Memory Card)를 모두 포함할 수 있다.
또한, 도 1에 도시된 영상 처리 장치(10)의 주파수 처리부(110) 및 대조 처리부(120)들은 하나 또는 복수 개의 프로세서에 해당할 수 있다. 프로세서는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
주파수 분리부(111)는 입력된 영상의 주파수 신호들을 고주파 신호들과 저주파 신호들로 분리한다. 구체적으로, 주파수 분리부(111)는 입력된 영상의 주파수 신호들을 고주파 신호들과 저주파 신호들로 분리하고, 저주파 신호들을 관심 영역 선정부(112)로 전송하고, 고주파 신호들을 스펙클 제거부(113)로 전송한다. 여기에서 영상은 광 간섭 단층(Optical Coherence Tomography, OCT) 영상이 될 수 있으나, 이에 한정되지 않는다.
예를 들어, 주파수 분리부(111)는 양방향 분해(bilateral decomposition) 또는 웨이블렛 변환(wavelet transform) 등을 수행하여, 입력된 영상의 주파수 신호들을 고주파 신호들과 저주파 신호들로 분리할 수 있다.
주파수 분리부(111)가 양방향 분해(bilateral decomposition) 또는 웨이블렛 변환(wavelet transform)을 수행하는 구체적인 알고리즘은 당해 기술분야에서 통상의 지식을 가진 자에게 자명하므로, 구체적인 설명은 생략한다.
도 2는 본 발명의 일 실시예에 따른 주파수 분리부(111)가 입력된 영상에 웨이블렛 변환을 수행한 일 예를 도시한 도면이다.
도 2를 참조하면, 도 2의 좌측 영상(210)은 주파수 분리부(도 1의 111)가 웨이블렛 변환을 수행하기 전의 영상을 의미하며, 도 2의 우측 영상은 주파수 분리부(도 1의 111)가 웨이블렛 변환을 수행한 후의 영상을 의미한다. 좌측 영상(210)은 체내 조직(220) 및 그 외의 부분(230)으로 구성될 수 있으나, 이에 한정되지 않는다.
주파수 분리부(도 1의 111)는 입력 영상(210)을 멀티 레벨의 복수 개의 방향을 갖는 영상 정보로 분해하여, 저주파 대역 신호들(270)과 고주파 대역 신호들(240 내지 260)으로 필터링된 영상 정보를 획득할 수 있다. 저주파 대역 신호들(270)은 영상의 해상도를 낮추어 획득한 영상 정보일 수 있으며, 고주파 대역 신호들(240 내지 260)은 영상에서 방향 정보를 추출하여 생성된 특정 방향을 갖는 영상 정보일 수 있다. 구체적으로, 주파수 분리부(도 1의 111)는 입력 영상(210)에 웨이블렛 변환을 수행하여 수평(horizontal) 방향(260), 수직(vertical) 방향(240) 및 대각(diagonal) 방향의 고주파 대역 신호들의 영상 정보와 저주파 대역 신호들(270)의 영상 정보를 획득할 수 있다.
또한, 주파수 분리부(도 1의 111)는 저주파 대역 신호들(270)의 영상 정보를 다시 저주파 대역 신호들과 고주파 대역 신호들로 분해할 수 있으며, 이러한 과정을 반복하여 멀티 레벨의 복수 개의 방향을 갖는 영상 정보들을 획득할 수 있다.
주파수 분리부(도 1의 111)는 멀티 레벨로 분해된 영상 정보들(즉, 웨이블렛 변환 계수(wavelet transformed coefficient)들) 중에서 최상위 레벨의 정보(280)를 선택한다. 그리고 주파수 분리부(도 1의 111)는 선택한 최상위 레벨의 정보(280)를 관심 영역 선정부(도 1의 112)로 전송한다. 여기에서 최상위 레벨의 정보(280)는 입력 영상의 저주파수 신호들을 의미한다. 그리고 최상위 레벨의 정보(280)를 제외한 나머지 정보들은 입력 영상의 고주파수 신호들을 의미한다. 또한, 주파수 분리부(도 1의 111)는 최상위 레벨의 정보(280)를 제외한 나머지 정보들을 스펙클 제거부(도 1의 113)로 전송한다.
다시 도 1을 참조하면, 관심 영역 선정부(112)는 입력 영상 내에서 관심 영역을 선정한다. 예를 들어, 관심 영역 선정부(112)는 주파수 분리부(111)로부터 전송받은 최상위 레벨의 정보(도 2의 280)(즉, 저주파수 신호들을 포함하는 영상)를 이용하여 관심 영역을 선정할 수 있다. 여기에서 관심 영역은 입력 영상 내에서 높은 선명도가 요구되는 부분에 대응되는 영역이다. 예를 들어, 입력 영상이 의료 영상이라고 가정하면, 관심 영역은 진단이 필요한 조직(tissue) 또는 그 조직 중 일부에 대한 영역을 의미할 수 있다.
관심 영역은 사용자가 입력 영상에서 직접 관심 영역을 선정할 수도 있고, 입력 영상에 나타난 피사체의 형태 정보를 분석하여 선정될 수 있다. 구체적으로, 관심 영역 선정부(112)는 인터페이스부(미도시)를 통하여 입력된 사용자의 지시에 따라, 최상위 레벨의 정보(도 2의 280)(즉, 저주파수 신호들을 포함하는 영상)에서 관심 영역을 선정할 수도 있고, 관심 영역 선정부(112)가 저주파 신호들을 포함하는 영상에 포함된 피사체의 형태 정보를 분석하여 관심 영역을 선정할 수도 있다.
관심 영역 선정부(112)가 피사체의 형태 정보를 분석하여 관심 영역을 선정하는 일 예는 다음과 같다. 관심 영역 선정부(112)는 주파수 분리부(111)로부터 전송받은 최상위 레벨의 정보(도 2의 280)(즉, 저주파수 신호들을 포함하는 영상)에서 소정의 밝기(brightness) 값을 초과하는 부분을 관심 영역으로 선정할 수 있다. 여기에서 소정의 밝기 값은 최상위 레벨(도 2의 280)의 근사치 밴드(approximation band)의 값들을 평균한 값을 의미할 수 있다.
관심 영역 선정부(112)는 선정된 관심 영역의 위치에 대한 정보를 스펙클 제거부(113)로 전송한다. 또한, 관심 영역 선정부(112)는 최상위 레벨의 정보(도 2의 280)를 영상 재생성부(114)로 전송한다.
스펙클 제거부(113)는 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여, 영상에서 관심 영역을 제외한 나머지 영역에 존재하는 스펙클을 제거한다. 여기에서 영상은 입력 영상을 의미한다.
구체적으로, 스펙클 제거부(113)는 관심 영역 선정부(112)에서 선정된 관심 영역의 위치 정보를 이용하여, 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역을 선택한다. 그리고 스펙클 제거부(113)는 선택된 나머지 영역의 스펙클을 제거한다. 여기에서 소정의 주파수 구간에서의 영상 정보들은 입력 영상에 포함된 주파수 신호들 중 고주파 신호들(즉, 최상위 레벨의 정보(280)를 제외한 나머지 정보들)을 의미한다. 즉, 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상은 입력 영상에 포함된 주파수 신호들 중 고주파 신호들로 구성된 영상을 의미한다.
도 3은 본 발명의 일 실시예에 따른 스펙클 제거부(도 1의 113)가 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역의 스펙클을 제거한 후의 웨이블렛 계수를 도시한 도면이다.
도 3을 참조하면, 좌측 영상들은 스펙클 제거부(도 1의 113)가 영상에서 스펙클을 제거하기 전의 영상들을 나타내고, 우측 영상들은 스펙클 제거부(도 1의 113)가 영상에서 스펙클을 제거한 후의 영상들을 나타낸다. 여기에서 좌측 영상들은 주파수 분리부(도 1의 111)가 웨이블렛 변환 등을 수행한 후 스펙클 제거부(도 1의 113)로 전송한 고주파 신호들을 포함한 영상이다. 따라서, 도 3의 좌측 영상들은 도 2의 우측 영상들과 대응된다.
스펙클(또는 스펙클 신호)은 물체의 내부에서 발생하는 광 스캐터링(scattering)에 의하여 생성되는 신호를 의미한다. 스펙클은 산란체(scatterer)에 의하여 발생된 광의 가간섭(constructive & disruptive) 및 스캐터(scatter)의 크기와 밀도에 따라 변화하는 광의 반사 특성에 의하여 생성되는 패턴이다. 이 패턴은 영상에 포함된 체내 조직(tissue)에 의한 반사 신호와 섞여, 영상의 구분력(contrast)을 저하시키고 조직의 형태 정보를 왜곡시킨다.
광 간섭 단층(OCT) 영상 기술은 광을 측정하고자 하는 물체의 표면에 조사하고, 물체 내부에서 반사되어 나오는 신호와 기준 신호와의 차이(coherence signal)를 이용하여 물체의 깊이(depth) 방향의 영상을 생성하는 기술을 의미하고, 이러한 OCT 영상 또는 초음파(ultrasound) 영상 등에서 스펙클이 발견될 수 있다.
예를 들면, OCT 영상에 포함된 주파수 신호들 중에서 저주파수 신호들에는 주로 영상의 피사체에 대한 정보가 포함되어 있고, 고주파수 신호들에는 주로 스펙클에 대한 정보가 포함되어 있다. 따라서, 스펙클 제거부(도 1의 113)는 입력 영상의 고주파수 신호들을 이용해서 영상의 스펙클을 제거함으로써, 보다 선명한 영상을 생성할 수 있다.
스펙클 제거부(도 1의 113)는 관심 영역이 제외된 나머지 영역에 대하여 웨이블렛 계수 수축 필터링(wavelet coefficient shrinkage filtering)을 수행한다. 구체적으로, 스펙클 제거부(도 1의 113)는 나머지 영역에 대한 영상의 고주파수 신호들에 대하여 웨이블렛 계수 수축 필터링을 수행하여 스펙클을 제거할 수 있다. 예를 들어, 주파수 분리부(도 1의 111)가 획득한 수직(vertical) 방향의 고주파 대역 신호들의 영상 정보(310)에 대하여 스펙클 제거부(도 1의 113)가 웨이블렛 계수 수축 필터링을 수행하여 그 영상 정보(310)에 대한 웨이블렛 계수(320)를 획득한다. 이러한 방식으로 스펙클 제거부(도 1의 113)는 주파수 분리부(도 1의 111)로부터 수신한 영상 정보들 각각에 대한 웨이블렛 계수를 각각 획득할 수 있다.
여기에서 스펙클 제거부(도 1의 113)는 영상에 나타난 피사체에 포함된 조직의 성분에 대한 스펙클의 정보들을 포함하는 제 1 모델을 이용하여 스펙클(speckle)을 제거할 수 있다. 구체적으로, 스펙클 제거부(도 1의 113)는 주파수 분리부(도 1의 111)로부터 수신한 영상 정보들 각각에 대한 웨이블렛 계수를 각각 획득할 때, 제 1 모델을 이용할 수 있다. 여기에서 제 1 모델은 각 주파수 영역(frequency band)에 따른 스펙클에 의한 성분 분포 모델을 의미한다.
예를 들어, OCT 장치로 체내 조직에 대한 영상들을 생성할 경우, 동일한 조직에 대한 영상들이라면 각각의 영상들에 나타나는 스펙클은 유사하다. 이는 광을 반사하는 특성은 조직을 구성하는 성분의 종류에 의해서도 결정되므로, 동일한 조직에 대한 OCT 영상들에서는 유사한 스펙클이 발견되는 것이다.
따라서, 영상 처리 장치(도 1의 10)에 영상이 입력되기 전에, 각 조직을 포함한 이전의 영상들에서 각 주파수 영역에 따른 스펙클에 의한 성분 분포 정보들을 조합하여 제 1 모델로 생성하고, 스펙클 제거부(도 1의 113)는 제 1 모델을 이용하여 스펙클을 제거할 수 있다. 여기에서 제 1 모델은 영상 처리 장치(도 1의 10)에 포함된 저장부(미도시)에 저장되어 활용될 수 있다.
다시 도 1을 참조하면, 스펙클 제거부(113)는 관심 영역을 제외한 나머지 영역에 존재하는 스펙클을 제거한 고주파 신호들을 영상 재생성부(114)로 전송한다.
영상 재생성부(114)는 스펙클(speckle)을 제거한 소정의 주파수 구간에서의 영상 정보들 및 소정의 주파수 구간을 제외한 나머지 주파수 구간에서의 영상 정보들을 조합하여 스펙클(speckle)을 제거한 영상을 생성한다. 구체적으로, 영상 재생성부(114)는 상기 영상 정보들을 조합하고, 조합된 영상 정보들로 역변환을 수행함으로써 스펙클을 제거한 영상을 생성한다. 여기에서 소정의 주파수 구간에서의 영상 정보들은 스펙클 제거부(113)로부터 전송받은 고주파 신호들을 의미하고, 소정의 주파수 구간을 제외한 나머지 주파수 구간에서의 영상 정보들은 관심 영역 선정부(112)로부터 전송받은 저주파 신호들(즉, 최상위 레벨의 정보(도 2의 280))을 의미한다. 또한, 역변환은 주파수 분리부(111)가 수행한 변환의 역변환을 의미하며, 예를 들어 역 웨이블렛 변환(inverse wavelet transform)을 의미할 수 있다.
구체적으로, 영상 재생성부(114)는 스펙클 제거부(113)로부터 전송받은 신호들과 관심 영역 선정부(112)로부터 전송받은 신호들을 조합하고, 이를 역변환하여 영상을 생성한다. 이렇게 영상 재생성부(114)가 생성한 영상은 입력 관심 영역을 제외한 영역들에 존재하는 스펙클이 제거된 영상일 수 있다. 영상 재생성부(114)는 생성한 영상에 대한 데이터를 대조 처리부(120)로 전송한다.
대조 처리부(120)는 스펙클을 제거한 영상을 이용하여 관심 영역과 스펙클에 대응되는 영역의 대조(contrast) 정도를 증가시킨다. 여기에서 관심 영역은 영상 내에 포함된 조직에 해당하는 영역이 될 수 있다. 예를 들어, 대조 처리부(120)는 영상 재생성부(114)로부터 전송받은 영상에 대한 데이터를 이용하여 통계적 분석(statistical analysis)을 통해 관심 영역과 스펙클에 대응되는 영역의 대조 정도를 증가시킨다. 여기에서 통계적 분석은 영상 내의 스펙클의 밝기 특성과 조직의 밝기 특성을 나타내는 히스토그램(histogram)을 이용한 분석을 의미한다.
대조 처리부(120)가 전송받은 영상에는 주파수 영역에서 관심 영역을 제외한 영역의 스펙클을 제거한 정보가 포함되어 있다. 즉, 대조 처리부(120)가 전송받은 영상은 영상 내의 스펙클이 완벽하게 제거된 후의 영상이 아닐 수 있다. 따라서 대조 처리부(120)는 통계적 분석(statistical analysis)을 통하여 영상에 남아있는 스펙클들에 의하여 발생할 수 있는 아티팩트(artifact)들의 밝기를 감소시키고, 영상 내 조직의 밝기를 증가시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른 통계적 분석에 이용되는 히스토그램 및 영상의 일 예를 도시한 도면이다.
식별번호 710은 대조 처리부(도 1의 120)가 전송받은 영상의 일 예를 의미하고, 식별번호 720은 그 영상에 대응되는 히스토그램을 의미한다. 전술한 바와 같이, 대조 처리부(도 1의 120)가 전송받은 영상에는 스펙클들이 존재할 수 있지만, 그 스펙클들의 밝기 특성을 나타내는 히스토그램(730)과 조직에 대한 밝기 특성을 나타내는 히스토그램(740)은 서로 다른 형태를 갖는다. 예를 들어, 스펙클들의 히스토그램(750)과 조직의 히스토그램(760)은 통계 특성에 있어서 서로 다른 중심값(A와 B)을 갖은 가우시안 분포(Gaussian distribution)의 형태를 나타낼 수 있다. 실제로, 스펙클들의 히스토그램(750)의 형태는 아래의 수학식 1로 표현할 수 있는 레일리 분포(Rayleigh distribution) 특성을 보이는 것으로 알려져 있다. 레일리 분포는 가우시안 분포와 유사한 형태를 보인다.
위의 수학식 1에서, 
는 표준 편차(standard deviation)을 의미하며, P(I)는 
의 조건을 갖는 확률밀도함수(probability density function)를 의미한다.
다시 도 1을 참조하면, 대조 처리부(120)는 통계적 분석(statistical analysis)을 통하여 영상에 포함된 픽셀(pixel)들 중에서 관심 영역에 해당하는 픽셀들의 밝기(brightness) 값을 증가시키고, 스펙클에 대응되는 영역에 해당하는 픽셀들의 밝기(brightness) 값을 감소시킬 수 있다. 여기에서 관심 영역은 영상 내에 포함된 조직에 해당하는 영역이 될 수 있다. 이에 따라, 대조 처리부(120)는 영상의 대조 정도를 증가시켜, 관심 영역만을 더욱 선명하게 처리한 영상을 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 대조 처리부(도 1의 120)가 영상의 대조 정도를 증가시키는 일 예를 도시한 도면이다.
먼저, 대조 처리부(도 1의 120)는 픽셀의 밝기 값을 기준으로 영상에 포함된 픽셀들을 정렬한다. 이를 통하여, 영상 전체의 히스토그램(420)을 얻을 수 있다. 이 히스토그램(420)에는 스펙클들의 히스토그램(410)과 조직의 히스토그램(430)이 포함되어 있다.
한편, 영상 전체의 히스토그램(420)은 영상 처리 장치(도 1의 10)의 저장부(미도시) 등에 저장되어 있는 제 2 모델을 이용하여 획득할 수도 있다. 여기에서 제 2 모델은 영상을 생성하는 장치 및 그 생성한 영상에 포함된 조직에 대한 정보가 포함되어 있을 수 있다. 예를 들어, OCT 장치로 체내 조직에 대한 영상들을 생성할 경우, 동일한 조직에 대한 영상들이라면 각각의 영상들에 나타나는 스펙클은 유사하다. 따라서, 그 영상에 나타나는 스펙클들의 히스토그램(410)과 조직의 히스토그램(420)은 유사한 형태를 갖을 수 있다.
따라서, 영상 처리 장치(도 1의 10)에 영상이 입력되기 전에, 각 조직을 포함한 이전의 영상들에서 스펙클들의 히스토그램들 및 조직의 히스토그램들을 조합하여 제 2 모델로 생성하고, 대조 처리부(도 1의 120)는 제 2 모델로부터 영상 전체의 히스토그램(420)을 획득할 수 있다. 여기에서 제 2 모델은 영상 처리 장치(도 1의 10)에 포함된 저장부(미도시)에 저장되어 활용될 수 있다.
대조 처리부(도 1의 120)는 관심 영역에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기 값을 소정의 제 1 밝기 값에 매핑하는 방식으로 관심 영역에 해당하는 픽셀들의 밝기(brightness) 값을 증가시킨다. 예를 들어, 대조 처리부(도 1의 120)는 관심 영역(즉, 영상 내에 포함된 조직에 해당되는 영역)의 히스토그램(430)에서 중심에 해당하는 값(B)을 소정의 제 1 밝기 값(B')에 매핑하여 관심 영역의 히스토그램(430)을 전체적으로 이동(450)시킬 수 있다. 이에 따라, 영상에서 관심 영역에 해당하는 픽셀들의 밝기 값이 전체적으로 증가될 수 있다.
대조 처리부(도 1의 120)는 관심 영역을 제외한 나머지 영역에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기 값을 소정의 제 2 밝기 값에 매핑하는 방식으로 스펙클에 대응되는 영역에 해당하는 픽셀들의 밝기(brightness) 값을 감소시킨다. 예를 들어, 대조 처리부(도 1의 120)는 스펙클의 히스토그램(410)에서 중심에 해당하는 값(A)을 소정의 제 2 밝기 값(A')에 매핑하여 스펙클의 히스토그램(410)을 전체적으로 이동(440)시킬 수 있다. 이에 따라, 영상에서 스펙클에 대응되는 영역에 해당하는 픽셀들의 밝기 값이 전체적으로 감소될 수 있다.
도 5는 본 발명의 일 실시예에 따른 영상에서 스펙클을 제거하는 방법을 나타낸 흐름도이다. 도 5를 참조하면, 영상에서 스펙클을 제거하는 방법은 도 1에 도시된 영상 처리 장치(도 1의 10)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하에서 생략된 내용이라 하더라도 도 1에 도시된 영상 처리 장치(도 1의 10)에 관하여 이상에서 기술된 내용은 도 5의 영상에서 스펙클을 제거하는 방법에도 적용됨을 알 수 있다.
510 단계에서, 영상 처리 장치(도 1의 10)는 영상을 입력받는다. 여기에서 영상은 피검자의 체내 조직을 촬영한 영상일 수 있으나, 이에 한정되지 않는다. 또한, 영상은 OCT 영상 또는 초음파 영상일 수 있으나, 이에 한정되지 않는다.
520 단계에서, 주파수 분리부(도 1의 111)는 영상에 포함된 주파수 신호들을 고주파수 신호들과 저주파수 신호들로 분리한다. 그리고 주파수 분리부(도 1의 111)는 저주파수 신호들을 관심 영역 선정부(도 1의 112)로 전송하고, 고주파수 신호들을 스펙클 제거부(도 1의 113)로 전송한다.
530 단계에서, 관심 영역 선정부(도 1의 112)는 저주파수 신호들을 이용하여 관심 영역을 선정한다. 여기에서 관심 영역은 사용자의 입력에 의하여 선정될 수도 있고, 관심 영역 선정부(도 1의 112)가 영상의 형태 정보를 분석함으로써 선정될 수도 있다. 또한, 관심 영역은 영상 내에 포함된 체내 조직을 의미할 수도 있다.
540 단계에서, 스펙클 제거부(도 1의 113)는 영상에서 관심 영역을 제외한 나머지 영역에 존재하는 스펙클을 제거한다. 여기에서 스펙클 제거부(도 1의 113)는 관심 영역 선정부(도 1의 112)로부터 관심 영역에 대한 위치 정보를 전송받아, 이를 활용할 수 있다. 또한, 스펙클 제거부(도 1의 113)는 저장부(미도시) 등에 저장된 주파수 대역별 스펙클 모델(제 1 모델)(550)의 정보를 이용하여 스펙클을 제거할 수 있다.
560 단계에서, 영상 재생성부(도 1의 114)는 관심 영역 선정부(도 1의 112)로부터 전송받은 저주파수 신호들과 스펙클 제거부(도 1의 113)로부터 전송받은 고주파수 신호들을 조합하여, 영상을 재생성한다. 여기에서 재생성된 영상은 조합된 주파수 신호들에 역 웨이블렛 변환 등을 수행하여 생성된 영상을 의미한다.
570 단계에서, 대조 처리부(도 1의 120)는 재생성된 영상을 이용하여 관심 영역과 스펙클에 대응되는 영역의 대조 정도를 증가시킨다. 여기에서 대조 처리부(도 1의 120)는 스펙클 통계 모델(제 2 모델)(580)의 정보를 이용하여 영상의 대조 정도를 증가시킬 수 있다.
590 단계에서, 영상 처리 장치(도 1의 10)는 영상을 출력한다.
도 6은 본 발명의 일 실시예에 따른 영상 보정 시스템(1)의 사용 환경의 일 예를 도시한 도면이다. 본 실시예에 따른 영상 보정 시스템(1)은 영상 생성 장치(10), 영상 처리 장치(10) 및 영상 표시 장치(30)로 구성된다.
도 6에 도시된 영상 보정 시스템(1)은 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 6에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
또한, 도 6에 도시된 영상 보정 시스템(1)은 도 1에 도시된 영상 처리 장치(10)의 일 실시예에 해당한다. 이에 따라, 도 1과 관련하여 기재된 내용은 도 6에 도시된 영상 보정 시스템(1)에도 적용 가능하다.
영상 생성 장치(20)는 관심 영역을 포함하는 영상을 생성한다. 그리고 영상 생성 장치(20)는 생성된 영상을 영상 처리 장치(10)로 전송한다.
영상 처리 장치(10)는 영상 생성 장치(20)로부터 전송 받은 영상 내에서 관심 영역을 선정한다. 그리고 영상 처리 장치(10)는 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클을 제거한다. 그리고 영상 처리 장치(10)는 스펙클을 제거한 영상을 이용하여 관심 영역과 스펙클에 대응되는 영역의 대조(contrast) 정도를 증가시킨다. 그리고 영상 처리 장치(10)는 대조 정도를 증가시킨 영상을 영상 표시 장치(30)로 전송한다.
영상 표시 장치(30)는 영상 처리 장치(10)에서 생성한 스펙클이 제거된 영상을 표시한다. 예를 들어, 영상 표시 장치(30)는 영상 보정 시스템(1)에 마련된 디스플레이 패널, LCD 화면, 모니터 등의 출력 장치를 모두 포함할 수 있다.
상술한 바와 같이, 영상 처리 장치(10)는 스펙클이 포함된 영상에서 영상에 포함된 조직을 나타내는 정보의 손상 없이 스펙클을 제거하고, 영상의 대조(contrast) 정도를 향상시킬 수 있다. 또한, 영상 내의 스펙클을 제거하는데 드는 시간 대비 효율을 높일 수 있다. 이에 따라 사용자의 개입 없이 영상을 통한 질병 등의 진단을 자동적으로 수행할 수 있고, 질병 등의 진단의 정확도를 향상시킬 수 있다.
한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등), PC 인터페이스(PC Interface)(예를 들면, PCI, PCI-express, Wifi 등)와 같은 저장매체를 포함한다.
본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10: 영상 처리 장치
110: 주파수 처리부
120: 대조 처리부
111: 주파수 분리부
112: 관심 영역 선정부
113: 스펙클 제거부
114: 영상 생성부
110: 주파수 처리부
120: 대조 처리부
111: 주파수 분리부
112: 관심 영역 선정부
113: 스펙클 제거부
114: 영상 생성부
Claims (20)
- 영상 내에서 관심 영역을 선정하는 단계;
상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하는 단계;
상기 관심 영역에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기(brightness) 값을 소정의 제1 밝기 값에 매핑하는 방식으로 상기 관심 영역에 해당하는 픽셀들의 밝기 값을 증가시키는 단계; 및
상기 스펙클에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기 값을 소정의 제2 밝기 값에 매핑하는 방식으로 상기 스펙클(speckle)에 대응되는 영역에 해당하는 픽셀들의 밝기(brightness) 값을 감소시키는 단계;를 포함하는 영상을 보정하는 방법. - 제 1 항에 있어서,
상기 스펙클(speckle)을 제거하는 단계는
상기 선정된 관심 영역의 위치 정보를 이용하여 상기 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역을 선택하고, 상기 선택된 나머지 영역의 스펙클(speckle)을 제거하는 방법. - 제 2 항에 있어서,
상기 스펙클(speckle)을 제거한 상기 소정의 주파수 구간에서의 영상 정보들 및 상기 소정의 주파수 구간을 제외한 나머지 주파수 구간에서의 영상 정보들을 조합하여 상기 스펙클(speckle)을 제거한 영상을 생성하는 단계를 더 포함하는 방법. - 제 1 항에 있어서,
상기 관심 영역을 선정하는 단계는
사용자가 상기 영상에서 상기 관심 영역을 선정하거나 상기 영상에 나타난 피사체의 형태 정보를 분석하여 상기 관심 영역을 선정하는 방법. - 제 1 항에 있어서,
상기 소정의 주파수 구간에서의 영상 정보들은 상기 영상에 포함된 주파수 신호들 중 고주파 신호들인 방법. - 제 1 항에 있어서,
상기 스펙클(speckle)을 제거하는 단계는
상기 영상에 나타난 피사체에 포함된 조직의 성분에 대한 스펙클(speckle)의 정보들을 포함하는 제 1 모델을 이용하여 스펙클(speckle)을 제거하는 방법. - 삭제
- 제 1 항에 있어서,
픽셀의 밝기(brightness) 값을 기준으로 상기 영상에 포함된 픽셀들을 정렬하는 단계를 더 포함하는, 방법. - 제 8 항에 있어서,
상기 픽셀의 밝기(brightness) 값을 기준으로 상기 영상에 포함된 픽셀들을 정렬하는 단계는 상기 영상을 생성하는 장치 및 그 생성한 영상에 포함된 조직에 대한 정보를 포함하는 제 2 모델을 이용하여 결정하는 방법. - 영상 내에서 관심 영역을 선정하고,
상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하고,
상기 관심 영역에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기(brightness) 값을 소정의 제1 밝기 값에 매핑하는 방식으로 상기 관심 영역에 해당하는 픽셀들의 밝기(brightness) 값을 증가시키고,
상기 스펙클에 해당하는 픽셀들 중 가장 많은 펙셀들이 나타내는 밝기 값을 소정의 제2 밝기 값에 매핑하는 방식으로 상기 스펙클(speckle)에 대응되는 영역에 해당하는 픽셀들의 밝기(brightness) 값을 감소시키는 적어도 하나의 프로세서를 포함하는 영상을 보정하는 장치. - 제 10 항에 있어서,
상기 적어도 하나의 프로세서는
상기 선정된 관심 영역의 위치 정보를 이용하여 상기 소정의 주파수 구간에서의 영상 정보들을 포함하는 영상에서 관심 영역을 제외한 나머지 영역을 선택하고, 상기 선택된 나머지 영역의 스펙클(speckle)을 제거하는 장치. - 제 11항에 있어서,
상기 적어도 하나의 프로세서는,
상기 스펙클(speckle)을 제거한 상기 소정의 주파수 구간에서의 영상 정보들 및 상기 소정의 주파수 구간을 제외한 나머지 주파수 구간에서의 영상 정보들을 조합하여 상기 스펙클(speckle)을 제거한 영상을 생성하는 장치. - 제 10 항에 있어서,
상기 적어도 하나의 프로세서는,
사용자가 상기 영상에서 상기 관심 영역을 선정하거나, 상기 영상에 나타난 피사체의 형태 정보를 분석하여 상기 관심 영역을 선정하는 장치. - 제 10 항에 있어서,
상기 소정의 주파수 구간에서의 영상 정보들은 상기 영상에 포함된 주파수 신호들 중 고주파 신호들인 장치. - 제 10 항에 있어서,
상기 적어도 하나의 프로세서는
상기 영상에 나타난 피사체에 포함된 조직의 성분에 대한 스펙클(speckle)의 정보들을 포함하는 제 1 모델을 이용하여 스펙클(speckle)을 제거하는 장치. - 삭제
- 제 10 항에 있어서,
상기 적어도 하나의 프로세서는
픽셀의 밝기(brightness) 값을 기준으로 상기 영상에 포함된 픽셀들을 정렬하는 장치. - 제 17 항에 있어서,
상기 적어도 하나의 프로세서는
상기 픽셀의 밝기(brightness) 값을 기준으로 상기 영상에 포함된 픽셀들을 정렬하는 단계는 상기 영상을 생성하는 장치 및 그 생성한 영상에 포함된 조직에 대한 정보를 포함하는 제 2 모델을 이용하여 결정하는 장치. - 제 1 항 내지 제 6항, 제 8항, 및 제 9 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램으로 기록한 컴퓨터로 읽을 수 있는 기록매체.
- 관심 영역을 포함하는 영상을 생성하는 영상 생성 장치;
상기 영상 내에서 관심 영역을 선정하고, 상기 영상 내의 소정의 주파수 구간에서의 영상 정보들을 이용하여 상기 영상에서 상기 관심 영역을 제외한 나머지 영역에 존재하는 스펙클(speckle)을 제거하고, 상기 관심 영역에 해당하는 픽셀들 중 가장 많은 픽셀들이 나타내는 밝기(brightness) 값을 소정의 제1 밝기 값에 매핑하는 방식으로 상기 관심 영역에 해당하는 픽셀들의 밝기(brightness) 값을 증가시키고, 상기 스펙클에 해당하는 픽셀들 중 가장 많은 펙셀들이 나타내는 밝기 값을 소정의 제2 밝기 값에 매핑하는 방식으로 상기 스펙클(speckle)에 대응되는 영역에 해당하는 픽셀들의 밝기(brightness) 값을 감소시키는 영상 처리 장치; 및
상기 스펙클(speckle)을 제거한 영상을 표시하는 영상 표시 장치를 포함하는 영상 보정 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130001212A KR102025756B1 (ko) | 2013-01-04 | 2013-01-04 | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. |
| US14/146,256 US9569820B2 (en) | 2013-01-04 | 2014-01-02 | Method and apparatus for image correction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130001212A KR102025756B1 (ko) | 2013-01-04 | 2013-01-04 | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140089669A KR20140089669A (ko) | 2014-07-16 |
| KR102025756B1 true KR102025756B1 (ko) | 2019-09-27 |
Family
ID=51061016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130001212A KR102025756B1 (ko) | 2013-01-04 | 2013-01-04 | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US9569820B2 (ko) |
| KR (1) | KR102025756B1 (ko) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10111582B2 (en) * | 2014-05-02 | 2018-10-30 | Kowa Company, Ltd. | Image processing device and method to identify disease in an ocular fundus image |
| JP6731919B2 (ja) * | 2014-11-20 | 2020-07-29 | エージェンシー フォー サイエンス，テクノロジー アンド リサーチ | 光コヒーレンス断層撮影像におけるスペックル低減 |
| US20160342569A1 (en) * | 2015-05-18 | 2016-11-24 | Hasan Mohammed Ahmed Abdulrahim AL MARZOUQI | Method for designing transforms for sparse data representation using active regions |
| DE102015114376B4 (de) * | 2015-08-28 | 2017-10-12 | Visteon Global Technologies, Inc. | Vorrichtung und Verfahren zur Charakterisierung subjektiver Speckle-Bildung |
| JP2018055354A (ja) * | 2016-09-28 | 2018-04-05 | キヤノン株式会社 | 画像処理装置および画像処理方法、撮像装置 |
| US10616451B2 (en) * | 2017-01-04 | 2020-04-07 | Samsung Electronics Co., Ltd. | Image processing devices and methods for operating the same |
| CN108022220B (zh) * | 2017-12-06 | 2021-04-20 | 西南科技大学 | 一种超声图像斑点噪声去除方法 |
| CN108961177B (zh) * | 2018-06-15 | 2021-08-06 | 杭州富扬科技有限公司 | 一种oct图像散点噪声的抑制方法 |
| JP7208723B2 (ja) * | 2018-07-09 | 2023-01-19 | キヤノン株式会社 | 画像処理装置およびその制御方法、放射線撮影システム、プログラム |
| CN110472530B (zh) * | 2019-07-29 | 2023-10-31 | 中山大学 | 基于小波变换和迁移学习的视网膜oct图像分类方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008124591A (ja) * | 2006-11-09 | 2008-05-29 | Sony Corp | 撮像装置および画像処理方法 |
| JP2009136376A (ja) * | 2007-12-04 | 2009-06-25 | Fujifilm Corp | 画像処理装置およびそのプログラム |
| JP2009153918A (ja) * | 2007-12-27 | 2009-07-16 | Toshiba Corp | 超音波診断装置、超音波画像処理装置、超音波画像処理プログラム |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB8431374D0 (en) * | 1984-12-12 | 1985-01-23 | Bamber J C | Adaptive filtering |
| US5619998A (en) | 1994-09-23 | 1997-04-15 | General Electric Company | Enhanced method for reducing ultrasound speckle noise using wavelet transform |
| US5497777A (en) | 1994-09-23 | 1996-03-12 | General Electric Company | Speckle noise filtering in ultrasound imaging |
| US5479926A (en) * | 1995-03-10 | 1996-01-02 | Acuson Corporation | Imaging system display processor |
| US5841889A (en) * | 1995-12-29 | 1998-11-24 | General Electric Company | Ultrasound image texture control using adaptive speckle control algorithm |
| JP2000030044A (ja) | 1998-07-15 | 2000-01-28 | Shimadzu Corp | ３次元画像処理装置 |
| US7068852B2 (en) * | 2001-01-23 | 2006-06-27 | Zoran Corporation | Edge detection and sharpening process for an image |
| US6579239B1 (en) * | 2002-04-05 | 2003-06-17 | Ge Medical Systems Global Technology Company, Llc | System and method for automatic adjustment of brightness and contrast in images |
| KR20040070404A (ko) | 2003-02-03 | 2004-08-09 | 엘지전자 주식회사 | 초음파 영상 개선 방법 |
| EP2436307B1 (en) | 2003-03-31 | 2015-10-21 | The General Hospital Corporation | Speckle reduction in optical coherence tomography by path length encoded angular compounding |
| US7346228B2 (en) * | 2003-09-09 | 2008-03-18 | Ge Medical Systems Global Technology Company, Llc | Simultaneous generation of spatially compounded and non-compounded images |
| US20050053305A1 (en) | 2003-09-10 | 2005-03-10 | Yadong Li | Systems and methods for implementing a speckle reduction filter |
| KR100646715B1 (ko) * | 2004-10-18 | 2006-11-23 | 한국과학기술원 | 후처리를 통한 2차원 초음파 영상의 화질 개선 방법 |
| US8206301B2 (en) * | 2005-02-01 | 2012-06-26 | Fujifilm Corporation | Ultrasonic imaging apparatus and ultrasonic image processing apparatus, method and program |
| CN100484479C (zh) * | 2005-08-26 | 2009-05-06 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
| KR101120816B1 (ko) | 2005-09-16 | 2012-03-23 | 삼성메디슨 주식회사 | 관심영역의 이득을 선택적으로 조절하는 초음파 영상시스템 |
| US7983456B2 (en) * | 2005-09-23 | 2011-07-19 | Siemens Medical Solutions Usa, Inc. | Speckle adaptive medical image processing |
| US7725147B2 (en) | 2005-09-29 | 2010-05-25 | Nellcor Puritan Bennett Llc | System and method for removing artifacts from waveforms |
| CN101199430B (zh) * | 2006-12-15 | 2011-12-28 | 深圳迈瑞生物医疗电子股份有限公司 | 空间复合成像方法、设备及其超声成像*** |
| US20080208061A1 (en) * | 2007-02-23 | 2008-08-28 | General Electric Company | Methods and systems for spatial compounding in a handheld ultrasound device |
| US20090086275A1 (en) * | 2007-09-28 | 2009-04-02 | Jian Liang | Processing a digital image of content |
| JP5259175B2 (ja) | 2007-12-26 | 2013-08-07 | 株式会社東芝 | 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム |
| US8363019B2 (en) * | 2008-05-26 | 2013-01-29 | Lg Electronics Inc. | Mobile terminal using proximity sensor and method of controlling the mobile terminal |
| EP2130497A1 (en) * | 2008-06-05 | 2009-12-09 | Medison Co., Ltd. | Anatomical feature extraction from an ultrasound liver image |
| US8351667B2 (en) | 2008-08-15 | 2013-01-08 | Sti Medical Systems, Llc | Methods of contrast enhancement for images having blood vessel structures |
| JP5449852B2 (ja) | 2009-05-08 | 2014-03-19 | 株式会社東芝 | 超音波診断装置 |
| KR20110020969A (ko) | 2009-08-25 | 2011-03-04 | 경희대학교 산학협력단 | 단층촬영 시스템과 토모신세시스 시스템에서 평판형 엑스선 감지기의 불량화소로 인한 영상 아티팩트 제거 방법 및 장치 |
| US20130207992A1 (en) * | 2012-02-10 | 2013-08-15 | Emil Alexander WASBERGER | Method, apparatus and computer readable medium carrying instructions for mitigating visual artefacts |
| US9081097B2 (en) * | 2012-05-01 | 2015-07-14 | Siemens Medical Solutions Usa, Inc. | Component frame enhancement for spatial compounding in ultrasound imaging |
-
2013
- 2013-01-04 KR KR1020130001212A patent/KR102025756B1/ko active IP Right Grant
-
2014
- 2014-01-02 US US14/146,256 patent/US9569820B2/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008124591A (ja) * | 2006-11-09 | 2008-05-29 | Sony Corp | 撮像装置および画像処理方法 |
| JP2009136376A (ja) * | 2007-12-04 | 2009-06-25 | Fujifilm Corp | 画像処理装置およびそのプログラム |
| JP2009153918A (ja) * | 2007-12-27 | 2009-07-16 | Toshiba Corp | 超音波診断装置、超音波画像処理装置、超音波画像処理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20140193095A1 (en) | 2014-07-10 |
| US9569820B2 (en) | 2017-02-14 |
| KR20140089669A (ko) | 2014-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102025756B1 (ko) | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. | |
| US10339648B2 (en) | Quantitative predictors of tumor severity | |
| Haidekker | Advanced biomedical image analysis | |
| Milchenko et al. | Obscuring surface anatomy in volumetric imaging data | |
| US9672610B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
| US20110125016A1 (en) | Fetal rendering in medical diagnostic ultrasound | |
| US20150003702A1 (en) | Processing and displaying a breast image | |
| JP2008515466A (ja) | 対象物のクラスの画像表現を識別する方法及びシステム | |
| US11350905B2 (en) | Waveform enhanced reflection and margin boundary characterization for ultrasound tomography | |
| US20130202175A1 (en) | Image processing apparatus and method | |
| KR102149369B1 (ko) | 의료 영상을 시각화하는 방법 및 이를 이용한 장치 | |
| US20060187221A1 (en) | System and method for identifying and removing virtual objects for visualization and computer aided detection | |
| JP4099984B2 (ja) | 異常陰影検出装置および画像出力装置 | |
| Srivastava | Research developments in computer vision and image processing: methodologies and applications: methodologies and applications | |
| Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
| KR101329748B1 (ko) | 영상 처리 장치 및 방법 | |
| JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
| US20160100755A1 (en) | Signal normalization among multiple optical coherence tomography devices | |
| US8805122B1 (en) | System, method, and computer-readable medium for interpolating spatially transformed volumetric medical image data | |
| US20110194741A1 (en) | Brain ventricle analysis | |
| US7907756B2 (en) | System and method for validating an image segmentation algorithm | |
| WO2016128965A2 (en) | Imaging system of a mammal | |
| JP5132559B2 (ja) | デジタル画像のセグメント化方法およびコンピュータ読み取り可能なプログラム記憶装置 | |
| Yu | Detecting and Locating of Brain Abnormality in MR Images Using Texture Feature Analysis and Improved Probabilistic Relaxation Methods | |
| An et al. | Enhancement of CT image using image fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |