Journal Archive

최근 인구 고령화와 삶의 질 향상으로 질병 예방의 중요성과 피부 관리(skin care)에 대한 관심이 남녀노소 구분 없이 건강관리의 일환으로 인식되고 있다[1,2]. 대표적인 피부 질환들은 여드름, 색소침착, 기미, 잡티 등이 있으며, 얼굴영상에서 가장 관심을 갖는 질환은 여드름과 색소침착이라고 해도 과언이 아니다. 다양한 선행연구들에서는 피부영상에서 여드름과 색소침착 검출을 위해 전반적으로 CIE L*a*b* 칼라 모델을 적용하고 있으며[3-7], a*와b* 성분영상들이 양의 값을 가질 때 각각 적색과 노란색에 치우친 색이라는 특징을 적용하고 있다[7].

본 논문에서는 색소침착 검출에 중점을 두고 있으며, 색소침착의 주요 원인인 멜라닌(melanin)의 파장과 RGB 칼라 모델의 R 성분영상의 파장간의 관계를 이용한 색소침착 검출 방법을 제안한다. 본 논문의 구성은 다음과 같다. 2장에서 색소침착의 정의, 선행연구들의 색소침착 검출 방법 및 주요 칼라 모델을 기술하고, 3장에서는 제안하는 색소침착 검출 방법을 설명한다. 4장에서는 기존의 방법과 제안하는 방법의 성능을 평가하고, 5장에서 결론과 향후 연구를 기술한다.

기존의 색소침착 검출을 위한 선행연구들에서는 전반적으로 CIE L*a*b* 칼라 모델을 적용하고 있으며, 표 1과 같이 멜라닌과 헤모글로빈을 CIE L*a*b* 칼라 모델의 각 성분영상들에 대응시키고 있다[11]. 특히, 선행연구 [17]에서는 색소침착의 주요 원인인 멜라닌의 농도가 식 8과 같이 620부터 720nm 사이의 흡광도(absorbance) 파장에서 추정될 수 있음을 보여주고 있다. 식 9는 CIE 1931 표준관찰자(standard observer)의 색 대응 함수(CMF, color matching function)이며[15], 그림 4와 같이 세 가지의 원색 R, G 및 B의 조합으로 해당 파장의 빛을 만들어 RGB 원색간의 비를 결정한다.

Fig. 4. 
The CIE 1931 standard observer color matching functions [15]

식 8의 멜라닌에 해당되는 파장의 범위는 그림 4에서 보여주듯이 원색 r¯≥600nm에서 추정될 수 있다. 따라서 본 논문에서는 식 8과 식 9의 특징에 기인하여 RGB 칼라 모델의 R 성분영상을 기반으로 색소침착 검출 방법을 제안하며, 전체 흐름은 그림 5와 같다.

Fig. 5. 
Block diagram of proposed pigmentation detection

먼저 RGB 칼라영상의 R 성분영상은 식 10과 같이 기하평균(geometric mean)에 의해 정규화 되고, 식 11의 흡광도 지수를 이용하여 NR 영상으로 부터 MI 영상을 획득하였다.

그림 6은 식 10과 식 11에 의해 획득한 결과영상들을 보이고 있다. 그림 6(b)는 RGB 칼라영상의 R 성분영상이며, 그림 6(c)는 기하평균 p에 의해 정규화 된 영상이다.

Fig. 6. 
Result images obtained by (10) and (11)

그림 6(d)는 식 11에 의해 획득한 MI 영상으로 그림 6(b)의 R 성분영상에 비해 화소의 범위가 축소됨을 보이고 있다. 이때 획득한 MI 영상의 최소값(min V)과 최대값(max V)을 구하여 식 12와 같이 가중치를 계산한 후 식 13을 이용하여 색소침착 후보군 영상 PC를 획득한다.

또한, PC의 밝기(intensity)를 평활화(equalization), 즉 새로운 값으로 매핑하기 위해 식 14의 평균(AVG)과 표준편차(STD)를 이용하여 식 15와 같이 밝기가 조정된 AI 영상을 획득하였다. 실제로 PC 영상의 클래스(class)는 double 형이며, 식 15에 의해 획득한 AI 영상은 그림 7(a)와 같이 uint8인 그레이스케일(gray-scale) 영상이다.

Fig. 7. 
Result images of proposed pigmentation detection

최종 색소침착 검출 영상은 식 16에 의해 획득되며, 임계값 T는 100의 값으로 처리하였다. 그림 7(b)에서 보여주고 있는 FP 영상은 침식(erosion)과 팽창(dilation) 연산을 통해 잡음(noise)이 제거되었으며, 그림 7(c)와 (d)는 Canny 기반의 에지를 추출한 영상과 원 영상(그림 6(a))에 매핑 한 결과영상이다.

본 논문에서는 RGB 칼라영상의 R 성분영상을 이용한 색소침착 검출 방법을 제안하였다. 제안하는 방법은 색소침착의 주요 원인인 멜라닌의 스펙트럼 파장과 R 성분영상의 파장이 600에서 720nm 사이의 유사범위에 있는 특징을 이용하였다. 기존의 방법에서는 CIE L*a*b* 칼라 모델을 적용하고 있으며, 식 1의 ITA에 의해 MI 영상이 획득된다. 또한 기존의 방법으로 획득한 MI 영상으로부터 색소침착 검출 과정은 제안하는 방법에서 적용한 식 14부터 식 16까지의 과정을 적용하였으며, 임계값 T는 제안하는 방법과 동일한 100으로 설정하였다. 최종 검출된 색소침착 후보군 영상에 포함된 잡음 제거는 침식과 팽창 연산의 형태학적 영상기법을 이용하였으며, 이때 마스크(mask)는 3 × 3 크기의 디스크(disk) 형태를 적용하였다.

그림 8은 기존의 방법 [10, 11]과 제안하는 방법의 색소침착 검출 결과들을 보이고 있다. 그림 8(b)는 색소침착이 포함된 피부영상에서 기존의 방법으로 검출된 영상들이며, 그림 8(c)는 제안하는 방법으로 검출된 결과영상들이다. 기존의 방법에서 이용한 b* 성분영상의 값이 양수이면 노란색에 가까운 색을 나타내는데, 이는 L* - b* 평면상으로 이동될 때 그림 8(b, #4)과 같이 피부와 색소침착 영역의 구분이 뚜렷하지 않음을 알 수 있다. 실험 결과, 그림 8에서 보여주듯이 제안 방법이 기존의 방법보다 색소침착 검출이 효과적으로 수행됨을 보였다.

Fig. 8. 
Pigmentation detection comparison of proposed method and reference [10, 11]; (a) skin images; (b) results obtained by reference [10, 11]; (c) results of proposed method

본 논문에서는 색소침착이 멜라닌의 양에 따라 결정됨에 따라 멜라닌에 대한 흡광도 파장이 620부터 720nm 사이에서 측정되는 특징을 이용하여 색소침착 검출 방법을 제안하였다. 제안 방법에서 적용한 RGB 칼라 모델은 CIE RGB 색 공간에서 R의 파장이 600부터 720nm 사이에서 피크점(peak point)을 가지므로 R 성분영상을 이용한 멜라닌 추정이 효과적임을 알 수 있다. 따라서 이러한 특징을 기반으로 본 논문에서는 RGB 칼라 모델의 R 성분영상을 이용한 색소침착 검출 방법을 제안하였으며, 3장에서 기술하였다. 먼저 R 성분영상을 기하평균으로 정규화 한 후 멜라닌 검출을 위한 인덱스 영상 MI를 구한다. 획득한 MI영상의 밝기를 평활화하고, 임계값 100의 값으로 이진영상을 획득하여 최종 색소침착 영역을 검출하였다. 4장에서CIE L*a*b* 칼라 모델의 L* - b* 평면을 이용하는 기존의 방법과 제안하는 방법의 색소침착 검출 결과를 비교하였으며, 실험 결과 제안하는 색소침착 검출 방법이 강인함을 보였다.

향후, YCbCr과 HSV 칼라 모델 기반의 색소침착 검출 연구와 다양한 조도 환경에서 검출의 정확도를 향상시키는 연구를 계속하고자 한다. 또한 색소침착 이외의 여드름, 기미, 잡티, 주름 등과 같은 피부 질환의 분석과 스마트폰을 이용한 피부분석 시스템을 구현하고자 한다.