| 번호 | 청구항 |
|---|---|
| 1 | 객체의 초분광 이미지를 획득하는 이미지 획득부;상기 초분광 이미지를 압축하고 전처리를 수행하는 이미지 전처리부;상기 전처리된 초분광 이미지를 이용하여, 기계 학습을 기반으로 상기 객체의 표면 상태를 복수의 특징으로 분류하는 이미지 분석부; 및상기 분류된 복수의 특징을 표시하는 분석 이미지를 출력하는 이미지 출력부를 포함하는 이미지 처리 장치. |
| 2 | 제1항에 있어서,상기 이미지 획득부가 획득한 초분광 이미지는 상기 객체의 전체 3차원 이미지 데이터를 포함하고,상기 이미지 전처리부는 상기 3차원 이미지 데이터를 2차원 분석 이미지로 압축하는 이미지 처리 장치. |
| 3 | 제2항에 있어서,상기 이미지 전처리부는 PCA (Principal component analysis)를 이용하여 상기 3차원 이미지 데이터를 2차원 분석 이미지로 압축하는 이미지 처리 장치. |
| 4 | 제1항에 있어서,상기 이미지 전처리부는 SNV (Standard Normal Variate), 베이스라인(baseline) 제거, 및 평균 중심화(mean centering) 중 적어도 하나를 이용하여 상기 초분광 이미지의 스펙트럼을 전처리하는 이미지 처리 장치. |
| 5 | 제1항에 있어서,상기 이미지 분석부는, 다중 선형 회귀, PLS-DA (Partial least squares-discriminant analysis), KNN (K-Nearest Neighbor), SVM (Support Vector Machine), ANN (Artificial Neural Network), 및 딥러닝 중 적어도 하나를 이용하여 상기 객체의 표면 상태를 복수의 특징으로 분류하는 이미지 처리 장치. |
| 6 | 제1항에 있어서,상기 초분광 이미지에서 객체에 해당하는 관심 영역을 추출하여 상기 이미지 분석부에 송신하는 이미지 편집부를 더 포함하는 이미지 처리 장치. |
| 7 | 제1항에 있어서,상기 표면 상태를 나타내는 특징은, 상기 객체의 손상되지 않은 부분, 화학적 손상 부분, 물리적 손상 부분을 포함하는 이미지 처리 장치. |
| 8 | 제7항에 있어서,상기 이미지 출력부는 상기 객체의 손상되지 않은 부분, 화학적 손상 부분, 물리적 손상 부분이 시각적으로 구분되도록 상기 분석 이미지에 표시하여 출력하는 이미지 처리 장치. |
| 9 | 제1항에 있어서, 상기 이미지 획득부는 단파 적외선(SWIR, Shortwave Infrared) 파장 범위를 포함하는 스펙트럼 파장 범위에 대한 초분광 이미지를 획득하는 이미지 처리 장치. |
| 10 | 제1항에 있어서, 상기 객체는 여과용 분리막인 이미지 처리 장치. |
| 11 | 객체의 초분광 이미지를 획득하는 단계;상기 초분광 이미지를 전처리 하고 압축하는 단계;상기 전처리된 초분광 이미지를 이용하여, 기계 학습을 기반으로 상기 객체의 표면 상태를 복수의 특징으로 분류하는 단계;상기 분류된 복수의 특징을 표시하는 분석 이미지를 출력하는 단계를 포함하는 이미지 처리 방법. |
| 12 | 제11항에 있어서,상기 획득하는 단계에서 획득된 초분광 이미지는 상기 객체의 전체 3차원 이미지 데이터를 포함하고,상기 전처리 하는 단계는 상기 3차원 이미지 데이터를 2차원 분석 이미지로 압축하는 이미지 처리 방법. |
| 13 | 제12항에 있어서,상기 압축하는 단계는 PCA (Principal component analysis)를 이용하는 이미지 처리 방법. |
| 14 | 제11항에 있어서,상기 전처리를 수행하는 단계는 SNV (Standard Normal Variate), 베이스라인(baseline) 제거, 및 평균 중심화(mean centering) 중 적어도 하나를 이용하여 상기 초분광 이미지의 스펙트럼을 전처리하는 이미지 처리 방법. |
| 15 | 제11항에 있어서,상기 분류하는 단계는, 다중 선형 회귀, PLS-DA (Partial least squares-discriminant analysis), KNN (K-Nearest Neighbor), SVM (Support Vector Machine), ANN (Artificial Neural Network), 및 딥러닝 중 적어도 하나를 이용하여 상기 객체의 표면 상태를 복수의 특징으로 분류하는 이미지 처리 방법. |
| 16 | 제11항에 있어서,상기 전처리를 수행하는 단계 이전에, 상기 초분광 이미지에서 객체에 해당하는 관심 영역을 추출하는 단계를 더 포함하는 이미지 처리 방법. |
| 17 | 제11항에 있어서,상기 표면 상태를 나타내는 특징은, 상기 객체의 손상되지 않은 부분, 화학적 손상 부분, 물리적 손상 부분을 포함하는 이미지 처리 방법. |
| 18 | 제17항에 있어서,상기 출력하는 단계는 상기 객체의 손상되지 않은 부분, 화학적 손상 부분, 물리적 손상 부분이 시각적으로 구분되도록 상기 분석 이미지에 표시하여 출력하는 이미지 처리 방법. |
| 19 | 제11항에 있어서, 상기 초분광 이미지를 획득하는 단계는 단파 적외선(SWIR, Shortwave Infrared) 파장 범위를 포함하는 스펙트럼 파장 범위에 대한 초분광 이미지를 획득하는 이미지 처리 방법. |
| 20 | 제11항에 있어서, 상기 객체는 여과용 분리막인 이미지 처리 방법. |