專利名稱：圖像處理裝置以及圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對(duì)拍攝活體的管腔內(nèi)而得到的由多個(gè)波長(zhǎng)成分構(gòu)成的圖像進(jìn)行處理的圖像處理裝置以及圖像處理方法。
背景技術(shù)：
作為對(duì)于通過內(nèi)窺鏡或膠囊型內(nèi)窺鏡等醫(yī)用觀察裝置拍攝活體的管腔內(nèi)而取得的圖像(以下也稱作管腔內(nèi)圖像或簡(jiǎn)稱作圖像)的圖像處理，公知有根據(jù)圖像內(nèi)的特征量分布提取異常部等特定區(qū)域的技術(shù)(例如參照日本特開2010-113616號(hào)公報(bào))。此處，內(nèi)窺鏡或膠囊型內(nèi)窺鏡由于通過管腔內(nèi)的內(nèi)容液(膽汁等消化液)拍攝從近景到遠(yuǎn)景，因此圖像內(nèi)的顏色信息也根據(jù)光通過的內(nèi)容液的量而產(chǎn)生變化。即，在基于顏色信息的特征空間中，用于判別拍攝對(duì)象是正常部還是病變部的邊界根據(jù)膠囊型內(nèi)窺鏡等到拍攝對(duì)象的距離而發(fā)生變化。因此，在日本特開2010-113616號(hào)公報(bào)中，根據(jù)構(gòu)成圖像的多個(gè)波長(zhǎng)成分內(nèi)的對(duì)應(yīng)于活體內(nèi)的吸收或散射的程度而確定的特定波長(zhǎng)成分(具體而言是R成分)的值對(duì)圖像進(jìn)行區(qū)域分割，并使用針對(duì)區(qū)域分割后的每個(gè)區(qū)域所設(shè)定的判別基準(zhǔn)，確定區(qū)域內(nèi)的關(guān)注對(duì)象部。由此，不論到拍攝對(duì)象的距離如何，都能夠進(jìn)行精度良好的病變部的判別。但是，在根據(jù)到拍攝對(duì)象的距離對(duì)圖像進(jìn)行分割的情況下，分割后的各區(qū)域的面積不一樣，因此作為每個(gè)區(qū)域的判別基準(zhǔn)生成的基礎(chǔ)的像素?cái)?shù)據(jù)的數(shù)量也產(chǎn)生波動(dòng)。因此，在像素?cái)?shù)據(jù)少的區(qū)域中，所生成的判別基準(zhǔn)的精度也可能會(huì)降低。

發(fā)明內(nèi)容
本發(fā)明正是鑒于上述問題而完成的，其目的在于提供一種能夠針對(duì)根據(jù)到拍攝對(duì)象的距離進(jìn)行了分類的各區(qū)域，高精度地生成特定區(qū)域的判別基準(zhǔn)的圖像處理裝置以及圖像處理方法。本發(fā)明的一個(gè)方式的圖像處理裝置具有:距離信息計(jì)算部，其計(jì)算圖像內(nèi)的各部位的與距拍攝對(duì)象的距離對(duì)應(yīng)的距離信息；特征量計(jì)算部，其計(jì)算所述圖像內(nèi)的各部位的特征量；特征量分布計(jì)算部，其計(jì)算根據(jù)所述圖像內(nèi)的所述距離信息而分類的各區(qū)域的所述特征量的分布；可靠性判定部，其判定所述各區(qū)域的特征量分布的可靠性；以及判別基準(zhǔn)生成部，其根據(jù)所述可靠性的判定結(jié)果和所述各區(qū)域的特征量分布，針對(duì)每個(gè)所述區(qū)域生成用于判別所述圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。本發(fā)明的另一方式的圖像處理方法包括:距離信息計(jì)算步驟，計(jì)算圖像內(nèi)的各部位的與距拍攝對(duì)象的距離對(duì)應(yīng)的距離信息；特征量計(jì)算步驟，計(jì)算所述圖像內(nèi)的各部位的特征量；特征量分布計(jì)算步驟，計(jì)算根據(jù)所述圖像內(nèi)的所述距離信息而分類的各區(qū)域的所述特征量的分布；可靠性判定步驟，判定所述各區(qū)域的特征量分布的可靠性；以及判別基準(zhǔn)生成步驟，根據(jù)所述可靠性的判定結(jié)果和所述各區(qū)域的特征量分布，針對(duì)每個(gè)所述區(qū)域生成用于判別所述圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。
如果將以下本發(fā)明的詳細(xì)說明與附圖對(duì)照著進(jìn)行閱讀，則能夠進(jìn)一步理解以上所述的情況以及本發(fā)明的其它目的、特征、優(yōu)點(diǎn)和技術(shù)及產(chǎn)業(yè)上的意義。


圖1是示出本發(fā)明實(shí)施方式I的圖像處理裝置的結(jié)構(gòu)的框圖。圖2是示出圖1所示的圖像處理裝置的動(dòng)作的流程圖。圖3是示出作為處理對(duì)象的管腔內(nèi)圖像的一例的示意圖。圖4是示出基于距離信息的每個(gè)層級(jí)的二維特征平面中的特征量頻度分布的示意圖。圖5是示出與圖4所示的特征空間的層級(jí)對(duì)應(yīng)的實(shí)際圖像空間上的區(qū)域的示意圖。圖6是示出對(duì)距離信息進(jìn)行了量化的每個(gè)層級(jí)的特征量頻度分布的示意圖。圖7是示出每個(gè)層級(jí)的特征量分布的重心值和方差值的示意圖。圖8是說明特征量分布的可靠性低的層級(jí)中的判別基準(zhǔn)的置換的圖。圖9是說明判別基準(zhǔn)的置換的另一例的圖。圖10是示出本發(fā)明實(shí)施方式2的圖像處理裝置的結(jié)構(gòu)的框圖。圖11是示出圖10所示的圖像處理裝置的動(dòng)作的流程圖。圖12是示出生成每個(gè)器官種類的判別基準(zhǔn)模型的處理的詳細(xì)情況的流程圖。圖13是示出表示多個(gè)層級(jí)間的眾數(shù)的連續(xù)性的模型的示意圖。圖14是示出表示多個(gè)層級(jí)間的方差值的連續(xù)性的模型的示意圖。圖15是說明基于眾數(shù)的連續(xù)性模型的可靠性的判定和判別基準(zhǔn)的應(yīng)用的示意圖。圖16是說明基于方差值的連續(xù)性模型的可靠性的判定和判別基準(zhǔn)的應(yīng)用的示意圖。
具體實(shí)施例方式以下，參照

本發(fā)明的實(shí)施方式的圖像處理裝置以及圖像處理方法。另外，本發(fā)明不受這些實(shí)施方式限定。另外，在各附圖的記載中，對(duì)相同部分標(biāo)注相同標(biāo)號(hào)來示出。在以下的實(shí)施方式中，作為一例，對(duì)針對(duì)由內(nèi)窺鏡或膠囊型內(nèi)窺鏡等醫(yī)用觀察裝置按照時(shí)間序列順序拍攝被檢體的管腔內(nèi)而取得的一系列的管腔內(nèi)圖像(以下也簡(jiǎn)稱作圖像)的處理進(jìn)行說明。在以下的說明中，被實(shí)施圖像處理的圖像例如是在各像素位置中對(duì)于R (紅)、G (綠)、B (藍(lán))的各顏色成分具有256灰度的像素級(jí)(像素值)的彩色圖像。另外，本發(fā)明不限于管腔內(nèi)圖像，還能夠廣泛應(yīng)用于從由其他的一般性的圖像取得裝置取得的圖像中提取特定區(qū)域的情況。實(shí)施方式I圖1是示出本發(fā)明實(shí)施方式I的圖像處理裝置的結(jié)構(gòu)的框圖。圖1所示的圖像處理裝置I具有:控制部10，其控制圖像處理裝置I全體的動(dòng)作；圖像取得部20，其取得與由醫(yī)用觀察裝置拍攝的圖像對(duì)應(yīng)的圖像數(shù)據(jù)；輸入部30，其受理從外部輸入的輸入信號(hào)；顯示部40，其進(jìn)行各種顯示；記錄部50，其存儲(chǔ)由圖像取得部20取得的圖像數(shù)據(jù)和各種程序；以及運(yùn)算部100，其對(duì)圖像數(shù)據(jù)執(zhí)行預(yù)定的圖像處理。控制部10由CPU等硬件來實(shí)現(xiàn)，其通過讀入存儲(chǔ)在記錄部50中的各種程序，根據(jù)從圖像取得部20輸入的圖像數(shù)據(jù)和從輸入部30輸入的操作信號(hào)等，向構(gòu)成圖像處理裝置I的各個(gè)部分進(jìn)行指示或者數(shù)據(jù)傳送等，總括地對(duì)圖像處理裝置I全體的動(dòng)作進(jìn)行控制。圖像取得部20根據(jù)包含醫(yī)用觀察裝置的系統(tǒng)的方式適當(dāng)構(gòu)成。例如，在醫(yī)用觀察裝置是膠囊型內(nèi)窺鏡，且使用可與醫(yī)用觀察裝置之間交換圖像數(shù)據(jù)的可移動(dòng)型記錄介質(zhì)的情況下，圖像取得部20由拆裝自如地安裝該記錄介質(zhì)并讀出已保存的管腔內(nèi)圖像的圖像數(shù)據(jù)的讀出裝置構(gòu)成。另外，在采用預(yù)先保存由醫(yī)用觀察裝置所拍攝的管腔內(nèi)圖像的圖像數(shù)據(jù)的服務(wù)器的情況下，圖像取得部20由與服務(wù)器連接的通信裝置等構(gòu)成，并與服務(wù)器進(jìn)行數(shù)據(jù)通信來取得管腔內(nèi)圖像的圖像數(shù)據(jù)?；蛘撸€可以由經(jīng)由電纜從內(nèi)窺鏡等醫(yī)用觀察裝置輸入圖像信號(hào)的接口裝置等構(gòu)成圖像取得部20。輸入部30通過例如鍵盤、鼠標(biāo)、觸摸面板及各種開關(guān)等輸入器件來實(shí)現(xiàn)，其將所受理的輸入信號(hào)輸出到控制部10。顯示部40由IXD或EL顯示器等顯示裝置來實(shí)現(xiàn)，在控制部10的控制下，顯示包含管腔內(nèi)圖像在內(nèi)的各種畫面。記錄部50由可更新記錄的閃存等ROM或RAM這樣的各種IC存儲(chǔ)器、內(nèi)置或者利用數(shù)據(jù)通信端子連接的硬盤、CD-ROM等信息記錄介質(zhì)及其讀取裝置等來實(shí)現(xiàn)。記錄部50除了存儲(chǔ)由圖像取得部20所取得的管腔內(nèi)圖像的圖像數(shù)據(jù)以外，還存儲(chǔ)用于使圖像處理裝置I動(dòng)作并使圖像處理裝置I執(zhí)行各種功能的程序、以及在該程序的執(zhí)行中使用的數(shù)據(jù)等。具體而言，記錄部50存儲(chǔ)用于執(zhí)行如下處理的圖像處理程序51:根據(jù)距離信息將管腔內(nèi)圖像分割為多個(gè)區(qū)域，針對(duì)每個(gè)區(qū)域生成用于從管腔內(nèi)圖像判別異常部等特定區(qū)域的判別基準(zhǔn)，并依照該判別基準(zhǔn)判別特定區(qū)域。運(yùn)算部100由CPU等硬件來實(shí)現(xiàn)，通過讀入圖像處理程序51，對(duì)與管腔內(nèi)圖像對(duì)應(yīng)的圖像數(shù)據(jù)實(shí)施圖像處理，進(jìn)行用于從管腔內(nèi)圖像中判別出特定區(qū)域的各種運(yùn)算處理。接著，對(duì)運(yùn)算部100的詳細(xì)結(jié)構(gòu)進(jìn)行說明。如圖1所示，運(yùn)算部100具有:距離信息計(jì)算部110，其計(jì)算與進(jìn)行了拍攝的醫(yī)用觀察裝置與拍攝對(duì)象之間的距離對(duì)應(yīng)的距離信息；特征量計(jì)算部120，其計(jì)算圖像內(nèi)的各像素的特征量；特征量分布計(jì)算部130，其計(jì)算根據(jù)圖像內(nèi)的距離信息而分類的各區(qū)域中的特征量分布；可靠性判定部140，其判定各區(qū)域中的特征量分布的可靠性；判別基準(zhǔn)生成部150，其根據(jù)可靠性判定部140的判定結(jié)果和各區(qū)域中的特征量分布，針對(duì)上述每個(gè)區(qū)域生成用于判別圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)；以及特定區(qū)域判別部160，其根據(jù)判別基準(zhǔn)判別圖像內(nèi)的特定區(qū)域。特征量分布計(jì)算部130具有計(jì)算特征量分布的形狀的分布形狀計(jì)算部131、和計(jì)算特征量分布的代表值的分布代表值計(jì)算部132。更詳細(xì)地說，分布形狀計(jì)算部131包括計(jì)算特征量分布的方差值的方差值計(jì)算部131a，分布代表值計(jì)算部132包括計(jì)算特征量分布的重心值的重心值計(jì)算部132a和計(jì)算特征量分布的眾數(shù)的眾數(shù)計(jì)算部132b?？煽啃耘卸ú?40具有特征量分布計(jì)算部141，并根據(jù)特征量分布計(jì)算部130計(jì)算出的特征量分布的形狀和代表值，判定特征量分布的可靠性是否比預(yù)定基準(zhǔn)高。
判別基準(zhǔn)生成部150針對(duì)由可靠性判定部140判定為特征量分布的可靠性低的區(qū)域，使用判定為特征量分布的可靠性高的區(qū)域中的特征量分布來生成判別基準(zhǔn)。更詳細(xì)地說，判別基準(zhǔn)生成部150具有將由可靠性判定部140判定為可靠性低的區(qū)域的特征量分布置換為判定為可靠性高的區(qū)域中的特征量分布的判別基準(zhǔn)置換部151，判別基準(zhǔn)生成部150根據(jù)由判別基準(zhǔn)置換部151置換后的特征量分布生成判別基準(zhǔn)。接著，說明圖像處理裝置I的動(dòng)作。圖2是示出圖像處理裝置I的動(dòng)作的流程圖。首先，在步驟Sll中，圖像取得部20取得拍攝被檢體的管腔內(nèi)而得到的一系列管腔內(nèi)圖像并存儲(chǔ)到記錄部50中。運(yùn)算部100從記錄部50中依次讀入與作為處理對(duì)象的圖像對(duì)應(yīng)的圖像數(shù)據(jù)。圖3是示出作為處理對(duì)象的圖像的一例的示意圖。在圖3所示的圖像Gl中，從拍攝該圖像Gl的醫(yī)用觀察裝置的近景的粘膜Ml到達(dá)至管腔深部的遠(yuǎn)景的粘膜M2通過內(nèi)容液被拍到，并且有時(shí)還拍到病變M3等重要部位。在步驟S12中，距離信息計(jì)算部110從圖像內(nèi)的各像素提取距離信息。在實(shí)施方式I中，使用R成分的值(以下稱作R值)作為距離信息。此處，R成分是在R、G、B各成分中波長(zhǎng)最長(zhǎng)，且在活體內(nèi)難以吸收/散射的波長(zhǎng)成分。因此，R成分在抑制了拍攝對(duì)象和內(nèi)容液(膽汁等)對(duì)照明光和反射光的吸收/散射的狀態(tài)下對(duì)從管腔內(nèi)圖像的近景到遠(yuǎn)景進(jìn)行圖像化。即，可以說是最佳反映了從醫(yī)用觀察裝置到拍攝對(duì)象的距離信息的成分。另外，作為距離信息，只要是與在圖像內(nèi)拍入的拍攝對(duì)象的進(jìn)深方向上的距離表現(xiàn)出正相關(guān)的值即可，除了 R值以外還可以使用各種值。例如，可以使用亮度或自動(dòng)增益控制的控制值等作為距離信息。另外，自動(dòng)增益控制是用于通過在醫(yī)用觀察裝置接近拍攝對(duì)象時(shí)自動(dòng)降低光量來均勻地維持明度的控制機(jī)構(gòu)。

在步驟S13中，特征量計(jì)算部120取得圖像內(nèi)的各像素的像素值(R值、G值、B值)，并計(jì)算特征量。具體而言，針對(duì)各像素計(jì)算G/R值和B/G值，并且計(jì)算以預(yù)定間隔對(duì)距離信息(R值)進(jìn)行量化(離散化)后的距離信息量化值(R1、R2、…)。由此，將距離信息分類為多個(gè)層級(jí)。在步驟S14中，特征量分布計(jì)算部130針對(duì)與量化后的距離信息對(duì)應(yīng)的每個(gè)層級(jí)，計(jì)算二維特征平面中的特征量的頻度分布。具體而言，如圖4所示，向由G/R、B/G和距離信息量化值(層級(jí)1、R2、…)的3個(gè)軸構(gòu)成的特征空間投影在步驟S13中計(jì)算出的像素的特征量。由此，計(jì)算每個(gè)層級(jí)％、R2、…在G/R-B/G特征平面中的特征量頻度分布。另外，關(guān)于G/R值和B/G值，可以使用量化后的值進(jìn)行處理，也可以保持原來的連續(xù)值進(jìn)行處理。由此，根據(jù)距離信息被分為多個(gè)層級(jí)的各個(gè)特征空間在實(shí)際圖像空間中相當(dāng)于根據(jù)到拍攝對(duì)象的距離進(jìn)行了分類的各區(qū)域。例如在圖5所示的圖像G1’中，遠(yuǎn)景的區(qū)域I 近景的區(qū)域6與圖4所示的層級(jí)R1 層級(jí)R6 (R6 > R1)對(duì)應(yīng)。此外，圖6是將圖4所示的每個(gè)層級(jí)R1 R6的二維特征平面投影到了 G/R軸上后的示意圖。以下，為了簡(jiǎn)單說明，參照G/R軸上的示意圖進(jìn)行說明，但實(shí)際上，要留意的是在由G/R軸和B/G軸構(gòu)成的二維平面上進(jìn)行處理。在步驟S15中，方差值計(jì)算部131a針對(duì)每個(gè)層級(jí)R1 R6根據(jù)特征量頻度分布計(jì)
算方差值。在步驟S16中，重心值計(jì)算部132a針對(duì)每個(gè)層級(jí)R1 R6根據(jù)特征量頻度分布計(jì)算重心值(平均值)。在步驟S17中，眾數(shù)計(jì)算部132b針對(duì)每個(gè)層級(jí)R1 R6根據(jù)特征量頻度分布計(jì)算眾數(shù)。圖7是示出在步驟S15 S17中計(jì)算出的每個(gè)層級(jí)R1 R6的特征量分布的形狀和代表值的示意圖。在圖7中，示出了重心值μ i μ 6作為代表值。此外,在各層級(jí)R1 R6不出的兩個(gè)箭頭表不與方差值O ^ O62對(duì)應(yīng)的特征分布的擴(kuò)展(例如± O )。在步驟S18中，可靠性判定部140根據(jù)方差值、重心值和眾數(shù)，判定每個(gè)層級(jí)的特征量分布的可靠性。具體而言，將各層級(jí)R1 R6的方差值、重心值以及眾數(shù)與預(yù)先設(shè)定了預(yù)定范圍的方差值、重心值以及眾數(shù)的基準(zhǔn)值進(jìn)行比較。并且，在方差值、重心值和眾數(shù)包含在各基準(zhǔn)值的范圍內(nèi)的情況下，判定為該層級(jí)中的特征量分布的可靠性高，在除此以外的情況下，判定為該層級(jí)中的特征量分布的可靠性低。此時(shí)，只要方差值、重心值和眾數(shù)中的至少一個(gè)包含在對(duì)應(yīng)的基準(zhǔn)值的范圍內(nèi)，則可以判定為特征量分布的可靠性高。此外，在管腔內(nèi)圖像中，針對(duì)胃、小腸、大腸等每種器官種類決定一定程度的顏色范圍，因此可以針對(duì)每種器官種類設(shè)定用于可靠性判定的方差值、重心值和眾數(shù)的基準(zhǔn)值范圍。在步驟S19中，判別基準(zhǔn)置換部151將判定為特征量分布的可靠性低的層級(jí)中的特征量分布(重心值和方差值)置換為判定為可靠性高的接近層級(jí)中的特征量分布。例如，在圖7中，在判定為層級(jí)R1中的特征量分布的可靠性低的情況下，判別基準(zhǔn)置換部151將層級(jí)R1中的重心值μ !和方差值σ /置換為與層級(jí)R1接近的層級(jí)R2中的重心值μ 2和方差值σ22 (參照?qǐng)D8)。另外，在相對(duì)于判定為特征量分布的可靠性低的層級(jí)，判定為其兩側(cè)的接近層級(jí)的可靠性高的情況下，可以 將任意一個(gè)接近層級(jí)中的重心值和方差值應(yīng)用到該可靠性低的層級(jí)。該情況下，可以預(yù)先確定采用重心值和方差值的接近層級(jí)的優(yōu)先順序。例如，能夠進(jìn)行如下設(shè)定:使方差值和重心值更接近該可靠性低的層級(jí)的方差值和重心值的接近層級(jí)優(yōu)先，或者使作為特征量分布計(jì)算的基礎(chǔ)的像素?cái)?shù)據(jù)多的接近層級(jí)優(yōu)先。在步驟S20中，判別基準(zhǔn)生成部150針對(duì)每個(gè)層級(jí)生成用于特定區(qū)域判別的判別基準(zhǔn)。具體而言，判別基準(zhǔn)生成部150取得層級(jí)R1 R6各自的特征量分布，并將重心值和方差值作為判別基準(zhǔn)記錄到記錄部50中。此時(shí)，對(duì)于進(jìn)行了特征量分布的置換的層級(jí)，取得和記錄置換后的特征量分布。例如，對(duì)于層級(jí)R1，將置換后的重心值μ2和方差值σ22設(shè)為層級(jí)R1的判別基準(zhǔn)。在步驟S21中，特定區(qū)域判別部160從記錄部50中讀出與各像素對(duì)應(yīng)的層級(jí)R1 R6中的判別基準(zhǔn)，并針對(duì)圖像內(nèi)的所有像素進(jìn)行計(jì)算各像素與判別基準(zhǔn)的馬氏距離(Mahalanobis' Distance)(參考:CG_ARTS協(xié)會(huì)，數(shù)字圖像處理，第222 223頁)的處理。在步驟S22中，特定區(qū)域判別部160將馬氏距離超出預(yù)先設(shè)定的預(yù)定范圍的像素區(qū)域(即與判別基準(zhǔn)顯著不同的區(qū)域)判別為特定區(qū)域(異常部區(qū)域)。進(jìn)而，在步驟S23中，運(yùn)算部100將步驟S22中的判別結(jié)果記錄到記錄部50中?；蛘?，也可以將該判別結(jié)果顯示到顯示部40上。如以上所說明那樣，在實(shí)施方式I中，針對(duì)根據(jù)距離信息而劃分的每個(gè)層級(jí)來判定特征量分布的可靠性，將判定為特征量分布的可靠性低的層級(jí)的重心值和方差值置換為判定為特征量分布的可靠性高的接近層級(jí)中的重心值和方差值，并將置換后的重心值和方差值用作判別基準(zhǔn)來進(jìn)行特定區(qū)域的判別。因此，根據(jù)實(shí)施方式1，根據(jù)距離進(jìn)行區(qū)域分割后的結(jié)果是，對(duì)于像素?cái)?shù)據(jù)少的區(qū)域，也能夠生成精度良好的判別基準(zhǔn)。因此，能夠通過使用這種判別基準(zhǔn)高精度地判別特定區(qū)域。變型例1-1在上述實(shí)施方式I中，在每個(gè)層級(jí)的特征量分布的可靠性的判斷中，使用了方差值、重心值和眾數(shù)這3個(gè)指標(biāo)，但是也可以根據(jù)其中的任意一個(gè)進(jìn)行判定。此外，作為用于判定的指標(biāo)，除此以外，還能夠使用分布矩等表示特征量分布的特性的各種值。變型例1-2在生成判別基準(zhǔn)時(shí)，可以將判定為特征量分布的可靠性高的層級(jí)中的重心值和方差值應(yīng)用到其他所有層級(jí)的判別基準(zhǔn)。具體而言，在判定為圖7所示的層級(jí)R4中的特征量分布的可靠性高的情況下，將層級(jí)R1 R3、R5> R6中的方差值σ J σ 32、σ 52、σ 62置換為方差值σ42 (參照?qǐng)D9)。另外，圖9所示的兩個(gè)箭頭表示與方差值Q42對(duì)應(yīng)的特征量分布的擴(kuò)展(例如± σ 4)?；蛘撸部梢詤R總被判定為特征量分布的可靠性高的層級(jí)中的所有判別基準(zhǔn)(例如取平均值)，并應(yīng)用到其他層級(jí)的判別基準(zhǔn)。具體而言，在判定為圖7所示的層級(jí)R2 R5中的特征量分布的可靠性高的情況下，可以計(jì)算。22 。62的平均值A(chǔ)VE ( σ 22 σ62)，并將層級(jí)R1 R6的方差值σ J σ62置換為該平均值A(chǔ)VE ( σ 22 σ 62)。變型例1-3在上述實(shí)施方式I中，根據(jù)以像素為單位計(jì)算出的特征量進(jìn)行了各層級(jí)的特征量分布的計(jì)算、可靠性的判定和判別基準(zhǔn)的置換，但是也可以根據(jù)以基于邊緣強(qiáng)度對(duì)圖像進(jìn)行分割而成的小區(qū)域?yàn)閱挝坏奶卣髁縼磉M(jìn)行這些處理。例如如下進(jìn)行基于邊緣強(qiáng)度的圖像分割。首先，計(jì)算處理對(duì)象的圖像所包含的各像素的邊緣強(qiáng)度。在邊緣強(qiáng)度的計(jì)算時(shí)，使用索貝爾濾波等微分濾波處理等公知的方法即可。接著，將圖像分割為以邊緣強(qiáng)度的山脊作為邊界的多個(gè)邊緣區(qū)域。更詳細(xì)地說，生成以各像素邊緣強(qiáng)度為像素值的邊緣強(qiáng)度圖像，取得邊緣強(qiáng)度圖像內(nèi)的像素處的邊緣強(qiáng)度的梯度方向。將此時(shí)的梯度方向作為邊緣強(qiáng)度的值變小的方向。并且，搜索從各像素出發(fā)并沿著梯度方向移動(dòng)時(shí)到達(dá)的極小值的像素，分割圖像使得到達(dá)彼此相鄰的極小值的像素的出發(fā)點(diǎn)的像素包含在同一區(qū)域中(參考:國(guó)際公開第2006/080239號(hào))。另外，作為圖像的分割方法，還能夠使用分水嶺(watershed)算法(參考:LucVincent and Pierre Soille,“Watersheds in Digital Spaces:An Efficient AlgorithmBased on Immersion Simulations，，，IEEE Transactions on Pattern Analysis andMachine Intelligence, Vol.13, N0.6, pp.583-598, Junel991)等公知的方法。根據(jù)變型例1-3，根據(jù)以匯總了多個(gè)像素的小區(qū)域?yàn)閱挝坏奶卣髁縼碛?jì)算特征量頻度分布，因此能夠進(jìn)行反映了每個(gè)小區(qū)域的特征的可靠性的判定和判別基準(zhǔn)的生成，并且能夠提高運(yùn)算速度。實(shí)施方式2接著，說明本發(fā)明的實(shí)施方式2。圖10是示出實(shí)施方式2的圖像處理裝置的結(jié)構(gòu)的框圖。圖10所示的圖像處理裝置2替代圖1所示的運(yùn)算部100而具有運(yùn)算部200。運(yùn)算部200具有距離信息計(jì)算部110、特征量計(jì)算部120、特征量分布計(jì)算部130、可靠性判定部(連續(xù)性判定部)210、判別基準(zhǔn)生成部220和特定區(qū)域判別部160。其中，距離信息計(jì)算部110、特征量計(jì)算部120、特征量分布計(jì)算部130以及特定區(qū)域判別部160的動(dòng)作與實(shí)施方式I相同?？煽啃耘卸ú?連續(xù)性判定部)210通過判定根據(jù)距離信息而分類的多個(gè)區(qū)域間的特征量分布的連續(xù)性，判定該特征量分布的可靠性。更詳細(xì)地說，可靠性判定部210具有:連續(xù)性模型應(yīng)用部211，其將對(duì)多個(gè)區(qū)域間的特征量分布的連續(xù)性進(jìn)行了近似的連續(xù)性模型應(yīng)用到特征量分布；以及連續(xù)性模型生成部212，其生成連續(xù)性模型，可靠性判定部210根據(jù)連續(xù)性模型應(yīng)用部211的應(yīng)用結(jié)果，判定多個(gè)區(qū)域間的特征量分布的連續(xù)性，在有連續(xù)性的情況下判定為可靠性高，在沒有連續(xù)性的情況下判定為可靠性低。其中，連續(xù)性模型應(yīng)用部211包括:分布中心軸(代表值)模型應(yīng)用部211a，其將根據(jù)特征量分布的中心軸(代表值)確定的連續(xù)性模型應(yīng)用到特征量分布；以及分布擴(kuò)展模型應(yīng)用部211b，其將根據(jù)特征量分布的擴(kuò)展而確定的連續(xù)性模型應(yīng)用到特征量分布。另外，具體而言，特征量分布的中心軸相當(dāng)于重心值、平均值、眾數(shù)這樣的特征量分布的代表值。連續(xù)性模型生成部212包括:圖像提取部212a，其從拍攝被檢體的管腔內(nèi)而得到的一系列圖像中提取多個(gè)圖像；以及提取圖像特征量分布計(jì)算部212b，其計(jì)算由圖像提取部212a提取出的多個(gè)圖像的特征量分布，連續(xù)性模型生成部212根據(jù)多個(gè)圖像的特征量分布生成連續(xù)性模型。圖像提取部212包括判別各圖像的器官種類的器官種類判別部212a-l，圖像提取部212根據(jù)各圖像的器官種類提取圖像。判別基準(zhǔn)生成部220根據(jù)可靠性判定部210的判定結(jié)果和各區(qū)域中的特征量分布，生成用于判別圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。此時(shí)，判別基準(zhǔn)生成部220對(duì)于由可靠性判定部210判定為可靠性低的區(qū)域，使用對(duì)多個(gè)區(qū)域間的特征量分布的連續(xù)性進(jìn)行了近似的模型來生成判別基準(zhǔn)。更詳細(xì)地說，判別基準(zhǔn)生成部220具有:判別基準(zhǔn)模型應(yīng)用部221，其對(duì)由可靠性判定部210判定為可靠性高的區(qū)域應(yīng)用對(duì)多個(gè)區(qū)域間的特征量分布的連續(xù)性進(jìn)行了近似的模型；以及判別基準(zhǔn)模型生成部222，其生成對(duì)多個(gè)區(qū)域間的特征量分布的連續(xù)性進(jìn)行了近似的模型，判別基準(zhǔn)生成部220根據(jù)判別基準(zhǔn)模型應(yīng)用部221的應(yīng)用結(jié)果生成判別基準(zhǔn)。其中，判別基準(zhǔn)模型應(yīng)用部221包括:分布中心軸(代表值)模型應(yīng)用部221a，其將根據(jù)特征量分布的中心軸(即特征量分布的重心值、平均值、眾數(shù)這樣的代表值)而確定的模型應(yīng)用到特征量分布；以及分布擴(kuò)展模型應(yīng)用部221b，其將根據(jù)特征量分布的擴(kuò)展而確定的模型應(yīng)用到特征量分布。此外，判別基準(zhǔn)模型生成部222包括:圖像提取部222a，其從拍攝被檢體的管腔內(nèi)而得到的一系列圖像中提取多個(gè)圖像；以及提取圖像特征量分布計(jì)算部222b，其計(jì)算由圖像提取部222a提取出的多個(gè)圖像的特征量分布，判別基準(zhǔn)模型生成部222根據(jù)多個(gè)圖像的特征量分布生成上述模型。圖像提取部222包括判別各圖像的器官種類的器官種類判別部222a-l，圖像提取部222a根據(jù)各圖像的器官種類提取圖像。接著，說明圖像處理裝置2的動(dòng)作。圖11是示出圖像處理裝置2的動(dòng)作的流程圖。首先，在步驟S30中，可靠性判定部210針對(duì)每個(gè)器官種類生成表示特征量的連續(xù)性的模型。圖12是示出步驟S30中的詳細(xì)處理的流程圖。在步驟S301中，可靠性判定部210取得與由膠囊型內(nèi)窺鏡等拍攝被檢體的管腔內(nèi)而得到的一系列的圖像對(duì)應(yīng)的圖像數(shù)據(jù)。在步驟S302中，器官種類判別部212a_l針對(duì)所取得的一系列圖像的各個(gè)進(jìn)行器官種類的判別處理。作為器官種類的判別方法，能夠使用公知的各種方法。在本實(shí)施方式2中，作為一例，對(duì)根據(jù)圖像的平均R、G、B值判別器官種類的方法進(jìn)行說明。首先，事先針對(duì)食道、胃、小腸、大腸這樣的每個(gè)器官種類決定R、G、B顏色要素的數(shù)值范圍。器官種類判別部212a-l針對(duì)判別對(duì)象的圖像計(jì)算圖像內(nèi)的像素的R值、G值和B值各自的平均值，并通過將這些平均值與預(yù)先決定的上述顏色要素的數(shù)值范圍進(jìn)行比較，判別各圖像的器官種類。例如，如果圖像的R值、G值和B值的平均值處于小腸的顏色要素的數(shù)值范圍內(nèi)，則將判別對(duì)象的圖像的器官種類判別為小腸，如果圖像的R值、G值和B值的平均值處于大腸的顏色要素的數(shù)值范圍內(nèi)，則將判別對(duì)象的圖像的器官種類判別為大腸(參考:日本特開2006-288612號(hào)公報(bào))。另外，與對(duì)應(yīng)于各圖像的圖像數(shù)據(jù)關(guān)聯(lián)地記錄在此處判別出的器官種類。在步驟S303中，圖像提取部212a針對(duì)每個(gè)器官種類，從一系列的圖像中隨機(jī)地提取圖像?；蛘?，圖像提取部212a可以針對(duì)每個(gè)器官種類等間隔地提取圖像。在步驟S304中，距離信息計(jì)算部110對(duì)各圖像進(jìn)行根據(jù)圖像內(nèi)的各像素提取距離信息的處理。作為距離信息，例如采用了在活體內(nèi)難以吸收/散射的波長(zhǎng)成分即R成分的值。在步驟S305中，特征量計(jì)算部120針對(duì)按照每個(gè)器官種類提取出的所有圖像進(jìn)行取得圖像內(nèi)的各像素的像素值并計(jì)算特征量的處理。計(jì)算以預(yù)定間隔對(duì)G/R值、B/G值和距離信息(R值)進(jìn)行量化后的距離信息量化值作為特征量。在步驟S306中，提取圖像特征量分布計(jì)算部212b針對(duì)每個(gè)器官種類，并針對(duì)與量化后的距離信息對(duì)應(yīng)的每個(gè)層級(jí)，計(jì)算二維特征平面中的特征量頻度分布。具體而言，向如圖4所示的由G/R、B/G和距離信息量化值的3個(gè)軸構(gòu)成的特征空間，投影在步驟S305中針對(duì)每個(gè)器官種類計(jì)算出的所有像素的特征量。在步驟S307中，連續(xù)性模型生成部212針對(duì)每個(gè)器官種類、每個(gè)層級(jí)，根據(jù)特征量頻度分布計(jì)算眾數(shù)和方差值，生成對(duì)各層級(jí)間的眾數(shù)和方差值的關(guān)系(連續(xù)性)進(jìn)行了近似的模型。例如能夠通過最小平方近似來進(jìn)行眾數(shù)和方差值的近似。另外，此時(shí)的近似式可以是一次式也可以是二次式。圖13是示出根據(jù)層級(jí)R1 R6中的眾數(shù)Hi1 m6生成的表示眾數(shù)的連續(xù)性的模型(以下稱作眾數(shù)模型)的示意圖。此外，圖14是示出根據(jù)層級(jí)R1 R6中的方差值Q12 σ62生成的表示方差值的連續(xù)性的模型(以下稱作方差值模型)的示意圖。針對(duì)每個(gè)器官種類生成圖13和圖14所示的眾數(shù)模型和方差值模型。之后動(dòng)作返回主例程。步驟Sll S15和S17中的動(dòng)作與在實(shí)施方式I中說明的動(dòng)作相同。在步驟S31中，連續(xù)性模型應(yīng)用部211根據(jù)與處理對(duì)象的圖像的器官種類對(duì)應(yīng)的連續(xù)性模型，判定每個(gè)層級(jí)的特征量分布的可靠性。更詳細(xì)地說，分布中心軸模型應(yīng)用部221a例如將圖15所示的每個(gè)器官種類的眾數(shù)模型應(yīng)用到針對(duì)處理對(duì)象的圖像計(jì)算出的每個(gè)層級(jí)的眾數(shù)A1 m16。其結(jié)果，將處理對(duì)象的圖像的眾數(shù)與眾數(shù)模型的差為預(yù)定閾值以上的層級(jí)中的特征量分布判定為與其他層級(jí)之間沒有連續(xù)性且可靠性低。在圖15的情況下，判定為層級(jí)R2和R4中的眾數(shù)m12和m14的可靠性低。此外，分布擴(kuò)展模型應(yīng)用部211b例如將圖16所示的每個(gè)器官種類的方差值模型應(yīng)用到針對(duì)處理對(duì)象的圖像而計(jì)算出的每個(gè)層級(jí)的方差值。122 σ162。其結(jié)果，將處理對(duì)象的圖像的方差值與方差值模型的差為預(yù)定閾值以上的層級(jí)中的特征量分布判定為與其他層級(jí)之間沒有連續(xù)性且可靠性低。在圖16的情況下，判定為層級(jí)R1中的方差值σ η2的可靠性低。在步驟S32中，判別基準(zhǔn)模型應(yīng)用部221根據(jù)與處理對(duì)象的圖像的器官種類對(duì)應(yīng)的模型，針對(duì)每個(gè)層級(jí)修正特征量分布。另外，可以與步驟S30同樣地由判別基準(zhǔn)模型生成部222生成判別基準(zhǔn)模型應(yīng)用部221用于應(yīng)用的模型，也可以取得由連續(xù)性模型生成部212生成的連續(xù)性模型。詳細(xì)地說，例如圖15所示，分布中心軸模型應(yīng)用部221a對(duì)針對(duì)每個(gè)層級(jí)R1 R6計(jì)算出的眾數(shù)Hl11 Hl16內(nèi)的判定為可靠性高的層級(jí)中的眾數(shù)應(yīng)用每個(gè)器官種類的眾數(shù)模型。并且，將判定為可靠性低的層級(jí)中的眾數(shù)置換為眾數(shù)模型上的值。在圖15的情況下，將層級(jí)R2的眾數(shù)(m12)置換為值m12’，層級(jí)R4的眾數(shù)(m14)置換為值m14’?；蛘?也可以將所有層級(jí)R1 R6中的眾數(shù)置換為眾數(shù)模型上的值。此外，例如圖16所示，分布擴(kuò)展模型應(yīng)用部221b對(duì)針對(duì)每個(gè)層級(jí)R1 R6計(jì)算出的方差值ο 122 σ 152內(nèi)的判定為可靠性高的層級(jí)中的方差值應(yīng)用每個(gè)器官種類的方差值模型。并且，將判定為可靠性低的層級(jí)中的方差值置換為方差值模型上的值。在圖16的情況下，將層級(jí)R1的方差值(σ n2)置換為值(σ η2)’。或者，可以將所有層級(jí)R1 R6中的方差值置換為方差值模型上的值。在步驟S33中，判別基準(zhǔn)生成部220針對(duì)每個(gè)層級(jí)生成用于特定區(qū)域判別的判別基準(zhǔn)。具體而言，判別基準(zhǔn)模型生成部222取得層級(jí)R1 R6各自的特征量分布，并將眾數(shù)和方差值作為判別基準(zhǔn)記錄到記錄部50中。此時(shí)，對(duì)于進(jìn)行了特征量分布的修正的層級(jí)，取得并記錄修正后的特征量分布。在步驟S34中，特定區(qū)域判別部160從記錄部50中讀出與各像素對(duì)應(yīng)的層級(jí)R1 R6中的判別基準(zhǔn)，并針對(duì)圖像內(nèi)的所有像素進(jìn)行計(jì)算各像素與判別基準(zhǔn)的馬氏距離的處理。在步驟S35中，特定區(qū)域判別部160將馬氏距離超出預(yù)先設(shè)定的預(yù)定范圍的像素區(qū)域(即與判別基準(zhǔn)顯著不同的區(qū)域)判別為特定區(qū)域(異常部區(qū)域)。進(jìn)而，在步驟S36中，運(yùn)算部200將步驟S35中的判別結(jié)果記錄到記錄部50中。或者，也可以將該判別結(jié)果顯示到顯示部40上。如以上所說明那樣，根據(jù)實(shí)施方式2，使用反映了每個(gè)器官種類的特性的連續(xù)性模型進(jìn)行每個(gè)層級(jí)的特征量分布的可靠性判定和修正，并將修正后的特征量分布用作判別基準(zhǔn)進(jìn)行特定區(qū)域的判別，因此能夠進(jìn)一步提聞區(qū)域判別的精度。另外，在上述說明中，針對(duì)眾數(shù)和方差值生成了連續(xù)性模型，但是也可以替代眾數(shù)而使用重心值生成連續(xù)性模型，也可以生成表示除此以外的特征量分布的特性的指標(biāo)(例如矩等)的模型。根據(jù)以上所說明的實(shí)施方式1、2以及變型例，判定根據(jù)距離信息分類的各區(qū)域中的特征量分布的可靠性，并根據(jù)該判定結(jié)果和特征量分布生成用于判別特定區(qū)域的判別基準(zhǔn)，因此能夠?qū)Ω鲄^(qū)域生成精度良好的判別基準(zhǔn)。以上所說明的實(shí)施方式1、2以及變型例的圖像處理裝置能夠通過在個(gè)人計(jì)算機(jī)或工作站等計(jì)算機(jī)系統(tǒng)中執(zhí)行在記錄介質(zhì)中記錄的圖像處理程序來實(shí)現(xiàn)。此外，也可以經(jīng)由局域網(wǎng)、廣域網(wǎng)(LAN/WAN)或互聯(lián)網(wǎng)等公共線路，將這種計(jì)算機(jī)系統(tǒng)連接到其他計(jì)算機(jī)系統(tǒng)或服務(wù)器等設(shè)備上進(jìn)行使用。此時(shí)，實(shí)施方式1、2以及變型例的圖像處理裝置也可以經(jīng)由這些網(wǎng)絡(luò)取得管腔內(nèi)圖像的圖像數(shù)據(jù)，或者將圖像處理結(jié)果輸出到經(jīng)由這些網(wǎng)絡(luò)連接的各種輸出設(shè)備(瀏覽器或打印機(jī)等)，還將圖像處理結(jié)果存儲(chǔ)到經(jīng)由這些網(wǎng)絡(luò)連接的存儲(chǔ)裝置(記錄介質(zhì)及其讀取裝置等)中。另外，本發(fā)明不限定于各實(shí)施方式1、2以及變型例，可通過適當(dāng)組合各實(shí)施方式或變型例所公開的多個(gè)結(jié)構(gòu)要素來形成各種發(fā)明。例如，可從各實(shí)施方式或變型例所示的全部結(jié)構(gòu)要素中去除幾個(gè)結(jié)構(gòu)要素來形成，也可適當(dāng)組合不同實(shí)施方式或變型例所示的結(jié)構(gòu)要素來形成。
權(quán)利要求
1.一種圖像處理裝置，其具有: 距離信息計(jì)算部，其計(jì)算圖像內(nèi)的各部位的與距拍攝對(duì)象的距離對(duì)應(yīng)的距離信息； 特征量計(jì)算部，其計(jì)算所述圖像內(nèi)的各部位的特征量； 特征量分布計(jì)算部，其計(jì)算根據(jù)所述圖像內(nèi)的所述距離信息而分類的各區(qū)域的所述特征量的分布； 可靠性判定部，其判定所述各區(qū)域的特征量分布的可靠性；以及判別基準(zhǔn)生成部，其根據(jù)所述可靠性的判定結(jié)果和所述各區(qū)域的特征量分布，針對(duì)每個(gè)所述區(qū)域生成用于判別所述圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。
2.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述特征量計(jì)算部計(jì)算所述圖像內(nèi)的各像素的特征量。
3.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述特征量計(jì)算部計(jì)算根據(jù)邊緣強(qiáng)度將所述圖像分割后的每個(gè)小區(qū)域的特征量。
4.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述特征量分布計(jì)算部針對(duì)將所述距離信息分類為多個(gè)層級(jí)后的每個(gè)層級(jí)，計(jì)算所述特征量的分布。
5.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述可靠性判定部具有根據(jù)所述特征量的分布判定所述可靠性的特征量分布判定部。
6.根據(jù)權(quán)利要求5所述的圖像處理裝置，其中， 所述特征量分布計(jì)算部具有計(jì)算所述特征量分布的形狀的分布形狀計(jì)算部， 所述特征量分布判定部根據(jù)所述特征量分布的形狀來判定所述可靠性。
7.根據(jù)權(quán)利要求6所述的圖像處理裝置，其中， 所述分布形狀計(jì)算部包括計(jì)算所述特征量分布的方差值的方差值計(jì)算部。
8.根據(jù)權(quán)利要求5所述的圖像處理裝置，其中， 所述特征量分布計(jì)算部具有計(jì)算所述特征量分布的代表值的分布代表值計(jì)算部， 所述特征量分布判定部根據(jù)所述代表值來判定所述可靠性。
9.根據(jù)權(quán)利要求8所述的圖像處理裝置，其中， 所述分布代表值計(jì)算部包括計(jì)算所述特征量分布的重心值的重心值計(jì)算部。
10.根據(jù)權(quán)利要求8所述的圖像處理裝置，其中， 所述分布代表值計(jì)算部包括計(jì)算所述特征量分布的眾數(shù)的眾數(shù)計(jì)算部。
11.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述可靠性判定部基于根據(jù)所述距離信息而分類的多個(gè)區(qū)域間的所述特征量分布的連續(xù)性來判定所述可靠性。
12.根據(jù)權(quán)利要求11所述的圖像處理裝置，其中， 所述可靠性判定部具有連續(xù)性模型應(yīng)用部，該連續(xù)性模型應(yīng)用部將對(duì)根據(jù)所述距離信息而分類的多個(gè)區(qū)域間的所述特征量分布的連續(xù)性進(jìn)行了近似的模型應(yīng)用到所述特征量分布，所述可靠性判定部根據(jù)所述連續(xù)性模型應(yīng)用部的應(yīng)用結(jié)果，判定所述多個(gè)區(qū)域間的所述特征量分布的連續(xù)性。
13.根據(jù)權(quán)利要求12所述的圖像處理裝置，其中， 所述連續(xù)性模型應(yīng)用部具有分布代表值模型應(yīng)用部，該分布代表值模型應(yīng)用部將根據(jù)所述特征量分布的代表值而確定的模型應(yīng)用到特征量分布。
14.根據(jù)權(quán)利要求12所述的圖像處理裝置，其中， 所述連續(xù)性模型應(yīng)用部具有分布擴(kuò)展模型應(yīng)用部，該分布擴(kuò)展模型應(yīng)用部將根據(jù)所述特征量分布的擴(kuò)展而確定的模型應(yīng)用到特征量分布。
15.根據(jù)權(quán)利要求12所述的圖像處理裝置，其中， 所述可靠性判定部具有連續(xù)性模型生成部，該連續(xù)性模型生成部生成表示所述多個(gè)區(qū)域間的所述特征量分布的連續(xù)性的模型。
16.根據(jù)權(quán)利要求15所述的圖像處理裝置，其中， 所述連續(xù)性模型生成部具有: 圖像提取部，其從拍攝被檢體的管腔內(nèi)而得到的一系列圖像中提取多個(gè)圖像；以及 提取圖像特征量分布計(jì)算部，其計(jì)算由所述圖像提取部提取出的所述多個(gè)圖像的特征量分布， 所述連續(xù)性模型生成部根據(jù)所述多個(gè)圖像的特征量分布生成表示所述連續(xù)性的模型。
17.根據(jù)權(quán)利要求16所述的圖像處理裝置，其中， 所述圖像提取部具有判別所述一系列圖像所包含的各圖像的器官種類的器官種類判別部，所述圖像提取部根據(jù)所述各圖像的器官種類提取所述多個(gè)圖像。
18.根據(jù)權(quán)利 要求1所述的圖像處理裝置，其中， 所述判別基準(zhǔn)生成部針對(duì)由所述可靠性判定部判定為所述特征量分布的可靠性低于預(yù)定基準(zhǔn)的區(qū)域，使用由所述可靠性判定部判定為所述特征量分布的可靠性高于預(yù)定基準(zhǔn)的區(qū)域的特征量分布來生成所述判別基準(zhǔn)。
19.根據(jù)權(quán)利要求18所述的圖像處理裝置，其中， 所述判別基準(zhǔn)生成部具有判別基準(zhǔn)置換部，所述判別基準(zhǔn)置換部將由所述可靠性判定部判定為可靠性低的第I區(qū)域的特征量分布置換為第2區(qū)域的特征量分布，所述第2區(qū)域是由所述可靠性判定部判定為可靠性高、且與對(duì)應(yīng)于所述第I區(qū)域的層級(jí)的接近層級(jí)對(duì)應(yīng)的區(qū)域，所述判別基準(zhǔn)生成部根據(jù)由所述判別基準(zhǔn)置換部置換后的特征量分布生成判別基準(zhǔn)。
20.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 所述判別基準(zhǔn)生成部使用對(duì)所述多個(gè)區(qū)域間的所述特征量分布的連續(xù)性進(jìn)行了近似的模型，至少生成針對(duì)由所述可靠性判定部判定為可靠性低于預(yù)定基準(zhǔn)的區(qū)域的判別基準(zhǔn)。
21.根據(jù)權(quán)利要求20所述的圖像處理裝置，其中， 所述判別基準(zhǔn)生成部具有判別基準(zhǔn)模型應(yīng)用部，該判別基準(zhǔn)模型應(yīng)用部針對(duì)由所述可靠性判定部判定為可靠性高于預(yù)定基準(zhǔn)的區(qū)域應(yīng)用所述模型，所述判別基準(zhǔn)生成部根據(jù)所述判別基準(zhǔn)模型應(yīng)用部的應(yīng)用結(jié)果生成所述判別基準(zhǔn)。
22.根據(jù)權(quán)利要求21所述的圖像處理裝置，其中， 所述判別基準(zhǔn)模型應(yīng)用部具有分布代表值模型應(yīng)用部，該分布代表值模型應(yīng)用部將根據(jù)特征量分布的代表值而確定的模型應(yīng)用到特征量分布。
23.根據(jù)權(quán)利要求21所述的圖像處理裝置，其中， 所述判別基準(zhǔn)模型應(yīng)用部具有分布擴(kuò)展模型應(yīng)用部，該分布擴(kuò)展模型應(yīng)用部將根據(jù)特征量分布的擴(kuò)展而確定的模型應(yīng)用到特征量分布。
24.根據(jù)權(quán)利要求21所述的圖像處理裝置，其中， 所述判別基準(zhǔn)生成部具有判別基準(zhǔn)模型生成部，該判別基準(zhǔn)模型生成部生成對(duì)所述多個(gè)區(qū)域間的特征量分布的連續(xù)性進(jìn)行了近似的模型。
25.根據(jù)權(quán)利要求24所述的圖像處理裝置，其中， 所述判別基準(zhǔn)模型生成部具有: 圖像提取部，其從拍攝被檢體的管腔內(nèi)而得到的一系列圖像中提取多個(gè)圖像；以及 提取圖像特征量分布計(jì)算部，其計(jì)算由所述圖像提取部提取出的所述多個(gè)圖像的特征量分布， 所述判別基準(zhǔn)模型生成部根據(jù)所述多個(gè)圖像的特征量分布生成所述模型。
26.根據(jù)權(quán)利要求25所述的圖像處理裝置，其中， 所述圖像提 取部具有判別所述一系列圖像所包含的各圖像的器官種類的器官種類判別部，所述圖像提取部根據(jù)所述各圖像的器官種類提取所述多個(gè)圖像。
27.根據(jù)權(quán)利要求1所述的圖像處理裝置，其中， 該圖像處理裝置還具有特定區(qū)域判別部，該特定區(qū)域判別部根據(jù)所述判別基準(zhǔn)判別圖像內(nèi)的特定區(qū)域。
28.一種圖像處理方法，其包括: 距離信息計(jì)算步驟，計(jì)算圖像內(nèi)的各部位的與距拍攝對(duì)象的距離對(duì)應(yīng)的距離信息； 特征量計(jì)算步驟，計(jì)算所述圖像內(nèi)的各部位的特征量； 特征量分布計(jì)算步驟，計(jì)算根據(jù)所述圖像內(nèi)的所述距離信息而分類的各區(qū)域的所述特征量的分布； 可靠性判定步驟，判定所述各區(qū)域的特征量分布的可靠性；以及 判別基準(zhǔn)生成步驟，根據(jù)所述可靠性的判定結(jié)果和所述各區(qū)域的特征量分布，針對(duì)每個(gè)所述區(qū)域生成用于判別所述圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。
全文摘要
本發(fā)明提供一種圖像處理裝置以及圖像處理方法。圖像處理裝置具有距離信息計(jì)算部，其計(jì)算與到圖像內(nèi)的各部位的拍攝對(duì)象的距離對(duì)應(yīng)的距離信息；特征量計(jì)算部，其計(jì)算圖像內(nèi)的各部位的特征量；特征量分布計(jì)算部，其計(jì)算根據(jù)圖像內(nèi)的距離信息而分類的各區(qū)域的特征量的分布；可靠性判定部，其判定各區(qū)域的特征量分布的可靠性；以及判別基準(zhǔn)生成部，其根據(jù)可靠性的判定結(jié)果和各區(qū)域的特征量分布，針對(duì)每個(gè)區(qū)域生成用于判別圖像內(nèi)的特定區(qū)域的判別基準(zhǔn)。
文檔編號(hào)A61B1/00GK103198467SQ20121026515
公開日2013年7月10日 申請(qǐng)日期2012年7月27日 優(yōu)先權(quán)日2011年7月29日
發(fā)明者北村誠(chéng), 神田大和, 松田岳博, 河野隆志, 弘田昌士 申請(qǐng)人:奧林巴斯株式會(huì)社