GLCM 텍스처 분석과 질량-스프링 모델 변형을 이용한 산업 CT 데이터의 특징 보존적 압축 및 가시화 기법

Abstract

본 논문에서는 3D 볼륨 데이터에서 중요한 영역을 보존하면서 크기를 줄이는 방법을 제안한다. 볼륨 데이터에서 어느 부분이 중요한 영역인지를 결정하기 위해 질감 분석 방법 중 하나인 GLCM 균일도를 이용한 중요도 측정 모델을 제안하고, 이를 기반으로 한 MSM 기반의 볼륨 변형을 수행한다. 중요도가 반영된 볼륨 변형 과정을 통해, 중요한 영역은 상대적으로 크기가 확장되는 반면, 덜 중요한 영역은 줄어들게 된다. 이로 인해, 일반적으로 손실률이 높은 균일 다운샘플링을 이용한 압축 후에도 작은 크기의 중요한 특징점들이 손실되지 않고 보존될 수 있다. 실측 산업 영상 데이터를 이용한 실험을 통해, 그냥 균일 다운샘플링을 이용한 압축 결과에서는 사라진 작은 기공이나 수축 균열 형태의 결함 영역이 제안 방법에서는 보존되는 것을 확인할 수 있었다. 이 변형 볼륨을 원래 형태로 가시화하기 위해선 역변형 과정을 추가로 수행해야 하지만, 이 계산은 가시화 과정에 간단하게 추가할 수 있으며, 결과를 얻기 위한 소요시간에 유의미한 영향을 미치지 않는다.

Non-destructive testing is a method which examines the internal structures of industrial components such as various machine parts without dissecting them. Recently, 3D CT based analysis enables more accurate inspection than traditional X-ray based tests. However, manipulating volumetric data acquired by CT is still challenging due to its huge size of the volume data. This dissertation proposes a novel method that reduces the size of 3D volume data while preserving important features in the data. Our method quantifies the importance of features in the 3D data based on gray level co-occurrence matrix (GLCM) texture analysis and represents the volume data using a simple mass-spring model. According to the measured importance value, blocks containing important features expand while other blocks shrink. After deformation, small features are exaggerated on deformed volume space, and more likely to survive during the uniform volume reduction. Experimental results showed that our method well preserved the small features of the original volume data during the reduction without any artifact comparing with the previous methods. Although additional inverse deformation process was required for the rendering of the deformed volume data, the rendering speed of the deformed volume data was much faster than that of the original volume data.