[논문 리뷰] VeinPLUS: A Transillumination and Reflection-based Hand Vein Database

Alexander Gruschina|arXiv (Cornell University)|2015. 05. 25.

Orthopedic Surgery and Rehabilitation인용 수 4

한 줄 요약

이 논문은 투과형 및 반사 기반 근적외선(NIR) 조명을 사용하여 확보한 새로운 손 혈관 데이터베이스인 VeinPLUS를 소개한다. Hough 변환을 활용한 원형 피넷(peg) 마커를 사용한 자동 ROI 추출 방법을 제안하여 다양한 손 위치, 스케일, 노출 조건에서도 일관된 영역 추출을 가능하게 하였으며, 최종적으로 1,213장의 고화질 원본 및 압축 이미지와 해당 ROI를 포함한다.

ABSTRACT

This paper gives a short summary of work related to the creation of a department-hosted hand vein database. After the introducing section, special properties of the hand vein acquisition are explained, followed by a comparison table, which shows key differences to existing well-known hand vein databases. At the end, the ROI extraction process is described and sample images and ROIs are presented.

연구 동기 및 목표

• 제안된 데이터베이스는 제어된 촬영 조건을 갖춘 부서 주도의 손 혈관 데이터베이스를 구축함으로써 신뢰할 수 있는 생체인식 연구를 가능하게 하기 위함이다.
• 기존 데이터베이스 중 두 가지 방법을 모두 집중적으로 다룬 사례가 없기 때문에, 투과형 및 반사 기반 NIR 조명 방식의 손 혈관 영상 성능을 비교하기 위함이다.
• 손 위치, 스케일, 회전, 노출의 변동성을 처리할 수 있는 자동화되고 강력한 ROI 추출 파이프라인 개발을 목적으로 한다.
• 평가용 손 혈관 인식 알고리즘 개발을 위해 원본 및 처리된 이미지를 모두 포함한 공개 가능한 고품질 데이터셋 제공을 목적으로 한다.

제안 방법

• 이미지 촬영 조건을 표준화하기 위해 분리 가능한 앞면 패널과 아크릴 유리판을 갖춘 맞춤형 나무 제작 손 혈관 스캐너를 설계하였다.
• 원형 NIR 이미지를 촬영하기 위해 수정된 Canon EOS 5D Mark II DSLR를 사용하였으며, 830 nm 이하의 가시광선을 차단하는 커스터마이징 필터를 적용하였다.
• 두 가지 다른 조명 설정을 도입: 손 아래에 장착된 NIR LED 어레이(950 nm)를 통한 투과형 조명과 상단에 장착된 반사판을 통한 반사 조명.
• 아크릴 판에 있는 원형 피넷을 감지하기 위해 Hough 변환을 적용하여 고정된 기준점으로서의 ROI 국정을 수행하였다.
• 손과 센서 간 거리 변화로 인한 스케일 변화를 보완하기 위해 감지된 피넷의 직경에 따라 ROI 크기를 동적으로 조정하였다.
• 자동화된 ROI 추출 기법을 통해 모든 이미지에서 일관되고 중심이 정렬된 정사각형 영역 추출이 가능해졌으며, 이미지의 변동성과 관계없이 동일한 결과를 도출하였다.

실험 결과

연구 질문

• RQ1 손 혈관 인식에서 이미지 대비 및 혈관 가시성 측면에서 투과형 조명과 반사 기반 NIR 조명 방식의 성능을 어떻게 비교할 수 있는가?
• RQ2 고정된 물리적 마커(피넷 형태의 피넷)를 사용할 경우, 다양한 이미지 조건에서도 정확하고 자동화된 ROI 추출이 가능한가?
• RQ3 자동화된 ROI 추출 기법이 손 혈관 데이터베이스의 수작업 전처리 단계를 어느 정도 줄일 수 있는가?
• RQ4 공개 데이터베이스와 비교했을 때 부서 주도의 스캐너 사용이 데이터 품질 향상과 처리 효율성 향상에 어떤 영향을 미치는가?
• RQ5 이미지의 변동성(회전, 스케일, 노출)이 ROI 추출 정확도에 어떤 영향을 미치며, 이를 어떻게 보완할 수 있는가?

주요 결과

• 손 아래에 50개의 LED로 구성된 NIR 레이저를 사용한 투과형 조명 방식은 후처리 없이도 혈관이 명확히 보이는 고대비 이미지를 생성하였다.
• 반사 기반 조명 방식은 대비가 낮고 깊은 혈관의 가시성이 떨어지지만 여전히 분석에 유용한 데이터를 제공하였다.
• 피넷 기반 Hough 변환 방법은 모든 이미지에서 원형 피넷을 성공적으로 감지하여 정확하고 일관된 ROI 국정을 가능하게 하였다.
• ROI 크기를 피넷 직경에 따라 동적으로 조정함으로써 손과 센서 간 거리 변화로 인한 스케일 변화를 효과적으로 보완하였다.
• 최종적으로 1,213장의 원본 및 JPEG 압축 이미지와 해당하는 자동 추출 ROI 1,213개를 포함한 데이터베이스가 구축되었으며, 모든 ROI는 일관된 공간 정렬을 확보하였다.
• 자동화된 ROI 추출 프로세스는 손 위치, 회전, 스케일, 노출의 변동성에 대해 강력하게 작동하여 재현 가능성을 보장하였다.