New Physics: Sae Mulli, Vol. 67, No. 1, January 2017, pp. 64∼69 http://dx.doi.org/10.3938/NPSM.67.64 Component Tree and Multi-Layer Perceptron Techniques for Nanoparticle Image Segmentation and Classifcation Sung-Hyon Kim * Department of Nano Science Technology Graduate School, Chonbuk National University, Jeonju 54896, Korea Il-Seok Oh † Department of Computer Science and Engineering Graduate School, Chonbuk National University, Jeonju 54896, Korea (Received 22 September 2016 : revised 29 September 2016 : accepted 30 September 2016) With the development of the microscope, microscopic observations and experiments became pos- sible; thus, fast and efective analysis of the images of cells or nanoparticles taken with high- performance microscopes has become more important than ever. The problems of particle segmen- tation for counting and classifcation by the type of particles are essential research issues that have been researched steadily so far. In this paper, we identify particle candidates for images, and we use a classifer in an attempt to classify the candidates by type. First, we build a component tree of input images in quasi-linear time and extract areas with a higher possibility of particles with their morphological features for making data set. Then, we use the data set to train multi-layer perceptron classifers and attempt to classify the particle candidates. Experimental results showed that the particle clusters were correctly classifed with high accuracy. PACS numbers: 06.90.+v Keywords: Nanoparticles, Segmentation, Classifcation, Component tree, Machine learning 나노입자 영상 분할  분 위한 요소 트와 다층 퍼셉트론 기 김성현 * 전북대학교 나노과학기술학과, 전주 54896, 대한민국 오일석 † 전북대학교 컴퓨터공학과, 전주 54896, 대한민국 (2016 년 9 월 22 일 받음, 2016 년 9 월 29 일 수정본 받음, 2016 년 9 월 30 일 게재 확정) 현미경의 발달로 미시적인 관찰과 실험이 가능해지고 고성능 현미경으로 촬영한 세포나 나노입자 영상을 빠르고 효율적으로 분석하는 일이 중요해지고 있다. 그 중 입자 영역을 분할해 입자의 수를 세고 같은 종류의 입자들끼리 분류하는 문제는 꾸준히 연구되어온 중요한 연구 주제이다. 본 논문에서는 요소 트리를 이용해 영상 내 입자 후보들을 검출하고 분류하는 알고리즘을 제시한다. 우선 영상의 요소 트리를 구축해 입자일 가능성이 높은 영역들을 검출하고 그들의 지형적 특징 데이터로 데이터 셋을 만들었다. 그리고 This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.