본 연구에서는 재구성한 2차원 T2 Turbo Spin Echo(TSE) 영상과 3차원 T2 Volume Isotropic Turbo Spin-Echo Acquisition(VISTA) 축상면 영상을 다양한 영상평가항목을 이용하여 비교하고, 재구성한 2차원 T2 TSE 영상의 유용성에 대해 알아보고자 하였다. 3T 자기 공명 영상장비와 미국 방사선 의학회의 두부 전용 팬텀을 이용하여 2차원 T2 TSE 영상과 3차원 T2 VISTA 영상을 획득한 후, 각각 축상면 영상으로 재구성하여 신호강도 균일성, 고 대조도 분해능, 저 대도조 검출률 및 기하학적 정확성을 비교, 분석하였다. 재구성한 2D T2 TSE 축상면 영상은 재구성한 3D T2 VISTA 축상면 검사와 비교하였을 때, 기하학적 정확성과 신호 강도 균일성에서 통계적으로 유의한 차이가 없었다 (p＞0.05). 게다가, 저 대조도 검출률에서도 양쪽 모두에서 가장 작은 부챗살 모양까지 관찰되어 대조도의 차이도 없었다. 그러나, 고 대조도 분해능 비교에서 재구성한 3차원 T2 VISTA 영상의 blurring으로 인하여 점들과 점들 사이의 1.1 mm 이하의 간격들을 육안으로 구분 할 수 없었다. 재구성한 2D T2 TSE 축상면 영상은 재구성한 3D T2 VISTA 축상면 검사와 비교하였을 때, 영상 강도의 균일성과 대조도도 유지하면서, 영상의 blurring도 개선할 수 있었다. 따라서 2D T2 TSE 시퀀스의 사용으로도 충분히 3D T2 VISTA에 문제점을 보완할 수 있으며, 재구성한 영상으로도 충분히 우수한 영상을 제공할 수 있을 것이다.

Analyzing asphalt mixture images can provide crucial information not only for generating advanced geometry structure in several numerical computations (i.e. FEM and/or DEM) codes, but also for numerically evaluating the material microstructure. It is well known that 3D X-Ray Computer Tomography (CT) can provide accurate and realistic microstructure information of asphalt mixtures; however, this technology still presents two limitations: 1) the equipment is very expensive and, therefore, only few pavement agencies can afford it, and 2) the software required to generate realistic image of asphalt mixture with three-phase structure (aggregate, asphalt binder and air-voids) is based on a global thresholding algorithm which cannot be easily accessed and edited by users and practitioners. In this paper, accurate and realistic 2D three-phase asphalt mixture images were generated using an advanced DIP analysis code (implemented on MATLABTM) and a common flatbed scanner, which can be easily purchased at relatively low price. The threshold algorithm was developed based on the computed results of Gmm (maximum specific gravity), Gmb (bulk specific gravity), VMA (voids in mineral aggregates) of given asphalt mixtures which can be experimentally obtained in a laboratory environment. 2D three-phase images of asphalt mixtures were derived from grey scale images (color intensity from 0 to 255) obtained from original RGB (Red-Green-Blue) scale images with a dual-threshold computation techniques (i.e. one step for computing air voids phase, T1, and a second step for computing asphalt binder (and/or mastic) phase, T2). An example of DIP analysis results is shown in Figure 1. Based on the computation results, quite accurate and good visual agreement was observed between RGB scale image and DIP analyzed image. The findings indicate that this advanced DIP analysis technique can provide reliable geometry and microstructural information for several numerical simulations such as finite element method (FEM) and discrete element modeling (DEM). This research work represents a solid base for performing simple 2D microstructure analysis using 2- and 3-point correlation function and for developing the Moon Cannone Falchetto (MCF) model which will be introduced in the next annual KSRE conference.

스마트폰, 셀폰과 같이 휴대가 간편한 포터블 카메라를 포함하여, DSLR 카메라 등 최근 카메라와 3D 입체에 대한 관심이 괄목할 정도로 증가추세에 있다. 하지만 단일 카메라로부터 획득된 단일 영상과 다중 디스페러티를 적용한 3D 재구성 방법에 대한 연구는 비교적 활발하지 못하다. 본 논문에서는 단일 영상으로부터 다중 디스페러티 파라미터를 적용한 Multi-view 3D 장면 재구성 방법을 제안한다. 다수의 카메라에 의한 영상획득 방법으로 3D 입체 장면을 재구성하는 기존의 방법에 비해 하드웨어의 구성이 필요 없는 편리한 3D 장면 재구성 방법이다. 실험결과를 제시하여 제안방법의 타당성을 제시하였다.

최근의 인공 신경망(Neural Network) 기법은 전통적인 분류 문제와 군집화 문제 해결에서 벗어나 이미지 생성 같은 컨텐츠 생성에서도 좋은 성능을 보이고 있다. 본 연구에서는 차세대 컨텐츠 생성 기법으로 인공신경망을 이용한 이미지 생성기법을 제안한다. 제안하는 인공신경망 모델은 두 개의 이미지를 입력받아서 하나의 이미지에서는 색상을, 다른 이미지에서는 모양을 가져와 새로운 이미지로 조합해낸다. 이 모델은 컨볼루션 인공신경망(Convolutional Neural Network)으로 제작되 었으며 각각 이미지에서 색상과 모양을 추출해내는 두 개의 인코더와 각 인코더의 값을 모두 넘겨 받아 하나의 조합이 되는 이미지를 생성해내는 하나의 디코더로 구성이 되어있다. 본 연구의 성과는 저비용으로 게임 개발 프로세스 상 다양한 2차원 이미지 생성 및 보정 작업에 활용될 수 있다.

본 데이터 분석은 췌장의 묘출을 위한 2D T1 FFE 과 3D T1 THRIVE 기법을 비교하고자 하였다. 1.5 T에서 검사한 총 85명(남자 45명, 여자 40 명, 연령범위 38-80세, 평균연령 58세)의 데이터를 PACS 네 트워크(network)로 분석을 하였다. 평균 2D T1 FFE(SNR: 46.42 ± 0.67, CNR: 28.16 ± 0.50,)보다 3D T1 THRIVE(SNR: 53.84 ± 1.20, CNR: 35.48 ± 0.70)값이 의미 있게 높은 값을 보여주었고(p<0.05), 영상의 질적인면(2D T1 FFE: 2.2 ± 0.05, 3D T1 THRIVE: 2.63 ± 0.14)에서도 2D T1 FFE 기법에 비 해 3D T1 THRIVE 기법이 모두 우위의 값을 얻게 되었다(p<0.05). 그러나 3D T1 THRIVE 기법이 높은 값을 얻었지만 영상의 질을 감소시키는 몇 가지 인공물이 발생하였다. 결론적으로 1.5 T MRI 기기를 이용 한 3D T1 THRIVE 기법이 SNR, CNR, 영상의 질적 측면에서 증가된 결과를 얻었다.

영상 워핑은 입력 영상을 주어진 조건에 적합하게 변형하는 기술로, 최근 영화나 애니메이션 분야에서 캐릭터의 얼굴 형상을 변형하는데 활용되고 있다. 얼굴 특징을 기반으로 형상을 변형하는 워핑 방법 가운데 하나인 메쉬 워핑은 입력 영상에서 눈, 코, 입 주변의 사각형 모양의 메쉬 그룹을 형성하여 1:1정합시킴으로써 워핑 영상을 생성하는 방법이다. 이는 메쉬 제어점 좌표에 오차가 있거나 작은 면적의 메쉬로 세분화되어 생성된 경우 메쉬들의 경계 선분에서 결과 영상이 일그러지는 문제점이 있다. 본 연구는 얼굴의 자연스러운 워핑 영상을 생성하는 과정에서 오류 발생을 최소로 하며 정확한 결과를 적은 연산량과 시간에 처리하기 위해 삼각형기반의 영상 보간 기법을 제안한다. 우선 얼굴을 대표하는 특징점들을 찾고 이들을 연결하여 기본 삼각형 메쉬를 구성한다. 제안하는 방법은 기존의 메쉬 워핑과 비교하여 연산 처리량과 시간은 단축되면서 워핑 과정에서의 오류 발생을 줄일 수 있음을 실험으로 보인다.

외과적으로 가슴의 볼륨 측정은 석고법, 가슴 X선 사진을 이용한 가슴의 볼륨을 산출하는 방법과 MRI, 3차원측정 시스템 등을 이용한 측정 방법들이 주로 이용되었다. 그러나 최근 화장품 영역에서 가슴 볼륨 증가 및 탄력개선제품의 증가로 효능평가가 필요하나 외과적 방법들의 적용은 어려운 실정이다. 그리하여 본 연구는 화장품 영역에서 최초로 등고선 사진을 이용하여 가슴 탄력개선을 평가하였다. 또한 가슴둘레 측정, 디지털 이미지 분석, 3차원 가슴이미지 분석 값과의 상관성을 비교하였고 등고선 사진평가를 가슴의 탄력을 평가하는 새로운 방법으로 제안하고자 하였다. 본 연구는 병력조사 및 피부 상태 진단을 통해 건강한 여성 피험자 30명이 시험에 참여하였다. 피험자로 하여금 제품사용 전과 2주, 4주, 8주 후 시점에서 가슴둘레 측정, 유두점의 각도와 거리 분석, Moire’s Topography를 이용한 scoring, 3D가슴측정을 실시하여 가슴확대 및 탄력개선 정도를 평가하였다. 평가 결과 디지털 이미지를 분석결과 유두점의 각도(Angle)는 시점별로 증가하는 경향을 보였으나 유의성은 없었다. 유두점으로부터 밑가슴까지의 길이(Length)는 시점별로 유의하게 증가하였다(p < 0.05). 또한, 유두점으로부터 밑가슴까지의 높이는 4주 후, 8주 후 시점에서 통계적으로 유의하게 증가하였다(p < 0.05). Moire’s Topography Score 평가 결과 각 시점별로 유의하게 개선하였다(p < 0.05). 3차원 가슴 부피 분석 값은 각 시점별로 증가하는 경향을 보였으나 통계적 유의성은 없었다. 상관성 분석결과 Moiré tophography score는 디지털 이미지 분석 값 중 길이, 높이와 유의한 상관성이 있었고 3차원 부피 분석 값과 유의한 상관성이 관찰되었다. 따라서 Moire’s Topography Score 평가는 이미지 분석과 3차원 부피분석 평가법과 더불어 화장품에 의한 탄력 및 처짐 개선을 평가하는 데 중요한 평가방법으로 사용될 것으로 사료된다.