각막 신경 이미지를 이어 붙여 현미경 이미지의 좁은 시야 범위 문제를 줄일 수 있다. 현미경 이미지에 비네팅 현상이 존재하기 때문에, 이어 붙인 이미지에서는 이어 붙인 부분에서 아티팩트가 발생하여 의사의 진단에 영향을 미친다. 비네팅 아티팩트 문제를 해결하기 위해 비선형 다항 함수 모델링을 통한 이미지 비네팅 보정 방법을 제안하였다. 먼저 단일 각막 신경 이미지에 대해 비네팅 모델을 구축하고, 비네팅의 물리적 특성에 부합하는 제약 조건을 설정하며, L-M 최적화 알고리즘을 이용해 비네팅 모델 파라미터를 반복 최적화한다. 각 반복 최적화 과정에서 로그 정보 엔트로피를 계산하여 현재 비네팅 모델의 보정 효과를 판단하고, 과도한 보정을 방지한다. 반복 최적화가 끝나면 비네팅 모델을 역보상하여 원본 이미지에 적용함으로써 비네팅 보정을 완료한다. 보정 전후의 이어 붙인 이미지를 비교한 결과, 보정 후 이미지의 이어 붙인 부분에 뚜렷한 비네팅 아티팩트가 없었다. 5명의 다른 환자 그룹의 이미지로 실험 테스트를 진행했으며, 보정 후 이미지의 MSE, PSNR, SSIM 평가 지표 평균값이 각각 0.0042, 72.2251 dB, 0.9600에 달해 최적의 보정 효과를 보였다. 본 논문의 알고리즘 보정 효과는 다른 유사 알고리즘보다 명확히 우수하다. 이 방법은 고정된 카메라 및 환경 조명 파라미터를 사전에 설정하지 않아도 각막 이미지의 비네팅 현상을 효과적으로 보정할 수 있다. 보정된 이미지는 이어 붙임 효과가 우수하여 보다 정확하고 선명하며 시야 범위가 넓은 각막 신경 이어 붙임 이미지를 얻을 수 있다.

컴퓨터 비전;각막 신경 현미경 이미지;비네팅 보정;공초점 현미경;로그 정보 엔트로피