• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.829-831
• /
• 2022

포인트 클라우드 콘텐츠는 움직임이 있는 콘텐츠를 연속된 프레임에 3 차원 위치정보와 대응하는 색상으로 기록한 데이터이다. 강체 포인트 클라우드 데이터를 정합하기 위해서는 고전적인 방법이지만 강력한 ICP 정합 알고리즘을 사용한다. 그러나 국소적인 모션 벡터가 있는 비 강체 포인트 클라우드 콘텐츠는 기존의 ICP 정합 알고리즘을 통해서는 프레임 간 정합이 불가능하다. 본 논문에서는 비 강체 포인트 클라우드 콘텐츠를 지역적 확률 모델을 사용하여 프레임 간 포인트의 쌍을 맺고 개별 포인트 간의 모션벡터를 구해 정합 하는 방법을 제안한다. 정합 대상의 데이터를 2 차원 투영을 하여 구조화시키고 정합 할 데이터를 투영하여 후보군 포인트를 선별한다. 선별된 포인트에서 깊이 값 비교와 좌표 및 색상 유사도를 측정하여 적절한 쌍을 찾아준다. 쌍을 찾은 후 쌍으로 모션 벡터를 더하여 정합을 수행하면 비 강체 포인트 클라우드 콘텐츠 데이터에 대해서도 정합이 가능해진다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.469-473
• /
• 2010

본 논문에서는 조각 병리 영상을 강체 정합을 통해 하나의 영상으로 자동 스티칭하는 방법을 제안한다. 제안 방법은 영상의 위치 초기화, 위치 보정, 강체 정합의 세 단계로 이루어진다. 첫째, 영상의 위치 초기화 단계에서는 순서 없이 흩어진 부분 영상을 탬플릿 매칭 기법을 사용한 영상 내 문자 인식을 통해 위치를 초기화한다. 둘째, 강체 정합의 정확성을 높이기 위해 코너점을 이용해 부분 영상의 위치를 보정한다. 셋째, 조각 영상 간 거리를 최소화하는 강체 정합을 수행한다. 실험 결과, 부분 영상 간 간격이 최소화되어 하나의 영상으로 스티칭되는 것을 확인하였고, 최적화 반복 횟수와 변환 벡터에 따른 정확성, 견고성 평가를 통해 거리 차의 제곱 합이 최소화되어 수렴됨을 알 수 있었다. 본 논문의 제안 방법은 조각 영상을 하나의 영상으로 스티칭함으로써 병리 조직의 전체적인 구조 파악과 이를 이용한 전립선암 확진에 사용될 수 있다.

• Journal of KIISE:Software and Applications
• /
• v.36 no.8
• /
• pp.623-632
• /
• 2009

In this paper, we propose a pulmonary nodule registration for the tracking of lung nodules in sequential CT scans. Our method consists of following five steps. First, a translational mismatch is corrected by aligning the center of optimal bounding volumes including each segmented lung. Second, coronal maximum intensity projection(MIP) images including a rib structure which has the highest intensity region in baseline and follow-up CT series are generated. Third, rigid transformations are optimized by normalized average density differences between coronal MIP images. Forth, corresponding nodule candidates are defined by Euclidean distance measure after rigid registration. Finally, template matching is performed between the nodule template in baseline CT image and the search volume in follow-up CT image for the nodule matching. To evaluate the result of our method, we performed the visual inspection, accuracy and processing time. The experimental results show that nodules in serial CT scans can be rapidly and correctly registered by coronal MIP-based rigid registration and local template matching.

• Journal of Korea Multimedia Society
• /
• v.16 no.12
• /
• pp.1454-1464
• /
• 2013

In this paper, we propose a rapid rigid registration method for the fusion visualization of intra-operative 2D XA and pre-operative 3D CTA images. In this paper, we propose a global movement estimation based on a trilateration for the fast and robust initial registration. In addition, the principal axis of each image is generated and aligned, and the bounding box of the vascular shape is compared for more accurate initial registration. For the fine registration, two images are registered where the distance between two vascular structures is minimized by selective distance measure. In the experiment, we evaluate a speed, accuracy and robustness using five patients' data by comparing the previous registration method. Our proposed method shows that two volumes can be registered at optimal location rapidly, and robustly comparing with the previous method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.345-347
• /
• 2012

본 논문에서는 4-조각 전립선 병리조직 영상을 기하 보정 및 강체 정합하여 자동 스티칭하는 방법을 제안한다. 4-조각 병리영상에 대하여 총 3번의 스티칭을 수행하는데, 좌, 우 조각영상의 상, 하 영상 간 스티칭을 각각 수행 한 후 좌, 우 조각 영상 간 스티칭을 수행한다. 강체 정합 전 병리 조각의 코너를 이용해 x-축, y-축 방향의 위치보정과 회전보정을 수행하는 기하보정 단계를 거침으로서 지역적 최적해로의 수렴을 방지하며, 강체 정합의 정확성을 높인다. 병리영상은 전체적으로 밝기값이 유사하므로 밝기값이 아닌 외곽선 정보를 이용하여 조각 영상간의 거리를 최소화시켜 강체 정합한다. 실험 결과, 4-조각 전립선 병리조직 영상이 지역적 최적해에 수렴하지 않고, 조각 영상 간 거리를 최소화 하며, 하나로 스티칭 됨을 확인할 수 있었다. 제안 방법의 총 수행 시간은 평균 10.32초로 측정되었다. 본 논문의 제안 방법은 4조각으로 나뉜 전립선 병리조직 영상을 하나로 스티칭 함으로서 해당 조직의 전체 구조 파악 및 조직 내에서의 암의 위치 파악에 사용 될 수 있으며 이를 통한 전립선암의 확진에도 사용 될 수 있다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.9
• /
• pp.700-704
• /
• 2009

In this paper, we propose a method for combining MR image with histopathology image of the prostate using image correction and multi-stage registration. Our method consists of four steps. First, the intensity of prostate bleeding area on T2-weighted MR image is substituted for that on T1-weighted MR image. And two or four tissue sections of the prostate in histopathology image are combined to produce a single prostate image by manual stitching. Second, rigid registration is performed to find the affine transformations that to optimize mutual information between MR and histopathology images. Third, the result of affine registration is deformed by the TPS warping. Finally, aligned images are visualized by the intensity intermixing. Experimental results show that the prostate tumor lesion can be properly located and clearly visualized within MR images for tissue characterization comparison and that the registration error between T2-weighted MR and histopathology image was 0.0815mm.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.487-489
• /
• 2000

본 논문에서는 다해상도 영상에서 움직이는 다중 객체의 추적 방법을 다룬다. 일반적으로 객체 추적 알고리즘은 움직임 탐지, 정합, 갱신의 처리 단계로 구성되어 있다. 특히 다중객체 추적일 경우, 정합 과정은 매우 중요하다. 일반적인 시각 시스템에서는 대상 객체가 강체(rigid object)라고 가정하면 이러한 정합 과정은 비교적 쉽게 구현될 수 있다. 그러나 다해상도 영상에서는 한 위치에서 다른 위치로 움직일 때 그 영역의 형태 및 크기가 변형 되기 때문에 정합이 쉽게 이루어지지 않는다. 따라서 본 논문에서는 이러한 문제를 해결할 수 있는 다해상도 영상에서의 정합방법을 제안한다.

• Journal of KIISE:Software and Applications
• /
• v.32 no.1
• /
• pp.41-49
• /
• 2005

In this Paper, we Propose an automatic lung registration technique using local distance propagation for correcting the difference between two temporal images by a patient's movement in abdomen CT image obtained from the same patient to be taken at different time. The proposed method is composed of three steps. First, lung boundaries of two temporal volumes are extracted, and optimal bounding volumes including a lung are initially registered. Second, 3D distance map is generated from lung boundaries in the initially taken volume data by local distance propagation. Third, two images are registered where the distance between two surfaces is minimized by selective distance measure. In the experiment, we evaluate a speed and robustness using three patients' data by comparing chamfer-matching registration. Our proposed method shows that two volumes can be registered at optimal location rapidly. and robustly using selective distance measure on locally propagated 3D distance map.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.359-361
• /
• 2012

본 논문은 T2강조 MR 영상과 확산강조 MR 영상의 강체 정합을 통해 크기, 위치, 회전 변환 왜곡을 보정하여 자궁내막암의 위치를 자동으로 찾는 방법을 제안한다. 영상해상도와 밝기값 분포가 서로 다른 두 영상간 정합의 정확성을 향상시키기 위해 잡음을 제거하고 두 영상의 밝기값 신호 분포의 유사성을 강화시킨다. 유사성이 향상된 두 영상의 크기, 위치, 회전 변환 왜곡을 보정하기 위해 정규화 상호정보를 최대화 하는 강체 정합을 반복적으로 수행한다. 정합된 영상에서 악성 종양을 쉽게 판별 할 수 있도록 현상확상계수지도를 컬러맵으로 생성하여 T2강조 MR 영상에서 얻은 종양의 후보군에 매핑하여 T2강조 MR 영상과 융합한다. 실험을 위하여 최적화 반복 과정에 따른 정규화 상호정보 수치 수렴 과정을 확인하고, 융합 후 종양 영역이 매핑되는 것을 육안평가를 통해 분석하였다. 제안방법을 통하여 T2강조 MR 영상과 확산강조 MR 영상을 융합함으로써 종양의 위치를 자동으로 파악하고 자궁내막암의 병기를 확정하는 용도로 활용할 수 있다.

• Journal of KIISE
• /
• v.42 no.10
• /
• pp.1222-1230
• /
• 2015

Segmentation of the anterior cruciate ligament (ACL) in knee MRI remains a challenging task due to its inhomogeneous signal intensity and low contrast with surrounding soft tissues. In this paper, we propose a multi-atlas-based segmentation of the ACL in knee MRI with locally-aligned probabilistic atlas (PA) in an iterative graph cuts framework. First, a novel PA generation method is proposed with global and local multi-atlas alignment by means of rigid registration. Second, with the generated PA, segmentation of the ACL is performed by maximum-aposteriori (MAP) estimation and then by graph cuts. Third, refinement of ACL segmentation is performed by improving shape prior through mask-based PA generation and iterative graph cuts. Experiments were performed with a Dice similarity coefficients of 75.0%, an average surface distance of 1.7 pixels, and a root mean squared distance of 2.7 pixels, which increased accuracy by 12.8%, 22.7%, and 22.9%, respectively, from the graph cuts with patient-specific shape constraints.