提供在一个图像内包含与被摄体之间的摄像距离不同的区域的情况下也能够高精度地判别有无异常软毛的图像处理装置等。图像处理装置(1)具有：关注区域设定部(110)，其在图像内设定关注区域；线形状凸区域提取部(120)，其在关注区域中提取像素值比周围高的像素连续规定像素数以上的线形状的区域；区域内曲率特征量计算部(130)，其基于沿着线形状的区域的一个以上的圆弧的曲率计算曲率特征量；以及异常判别部(140)，其根据曲率特征量的分布来判别在关注区域内是否存在异常部。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及判别对活体的管腔内进行摄像而得到的图像中有无异常部的图像处理装置、图像处理方法和图像处理程序。
技术介绍
作为针对利用放大内窥镜观察大肠的粘膜而取得的管腔内图像(以下简称为图像)的图像处理，例如在专利文献1中公开了将粘膜表面的腺管开口(pit)的形态(称为大肠腺管开口形态(pitpattern))分类为多个类型的技术。具体而言，针对图像内设定的关注区域的各像素，应用基于m个频率和k个相位方向的伽柏(Gabor)滤波器，计算m×k维的特征向量，计算这些特征向量的平均和方差。然后，根据特征向量的平均和方差对大肠pitpattern进行分类，判别该大肠pitpattern是否异常。现有技术文献专利文献专利文献1：日本特开2007-236956号公报
技术实现思路
专利技术要解决的课题但是，近年来，作为取得管腔内图像的手段，还利用导入到被检体内、通过蠕动运动进行移动并进行摄像的胶囊型内窥镜。在该胶囊型内窥镜的情况下，很难控制胶囊内窥镜的摄像部相对于被摄体(例如小肠的粘膜表面)的相对姿势，所以，无法如一般的内窥镜那样始终得到正对着被摄体进行摄像而得到的图像。因此，例如在向被摄体的摄像方向(摄像部的角度)倾斜的情况下，与一个管腔内图像中映出的被摄体之间的进深方向的距离(摄像距离)根据图像内的区域而不同。另一方面，作为粘膜表面的微细构造的软毛、特别是膨胀状态的异常软毛的外形(形状)根据摄像距离而不同。因此，针对由胶囊型内窥镜取得的管腔内图像，当不考虑图像内的摄像距离的差异而统一实施上述这种图像处理时，图像内映出的异常软毛的形状根据摄像距离而变化，很难区分气泡区域或粘膜的轮廓(沟)等和异常软毛，存在产生异常部的过检测这样的问题。本专利技术是鉴于上述情况而完成的，其目的在于，提供在一个图像内包含有与被摄体之间的摄像距离不同的区域的情况下也能够高精度地判别有无异常软毛的图像处理装置、图像处理方法和图像处理程序。用于解决课题的手段为了解决上述课题并实现目的，本专利技术的图像处理装置的特征在于，所述图像处理装置具有：关注区域设定部，其在图像内设定关注区域；线形状凸区域提取部，其在所述关注区域中提取像素值比周围高的像素连续规定像素数以上的线形状的区域；区域内曲率特征量计算部，其计算曲率特征量，该曲率特征量基于沿着所述线形状的区域的一个以上的圆弧的曲率；以及异常判别部，其根据所述曲率特征量的分布来判别在所述关注区域内是否存在异常部。本专利技术的图像处理方法的特征在于，所述图像处理方法包括以下步骤：关注区域设定步骤，在图像内设定关注区域；线形状凸区域提取步骤，在所述关注区域中提取像素值比周围高的像素连续规定像素数以上的线形状的区域；区域内曲率特征量计算步骤，基于沿着所述线形状的区域的一个以上的圆弧的曲率计算曲率特征量；以及异常判别步骤，根据所述曲率特征量的分布来判别在所述关注区域内是否存在异常部。本专利技术的图像处理程序的特征在于，所述图像处理程序使计算机执行以下步骤：关注区域设定步骤，在图像内设定关注区域；线形状凸区域提取步骤，在所述关注区域中提取像素值比周围高的像素连续规定像素数以上的线形状的区域；区域内曲率特征量计算步骤，基于沿着所述线形状的区域的一个以上的圆弧的曲率计算曲率特征量；以及异常判别步骤，根据所述曲率特征量的分布来判别在所述关注区域内是否存在异常部。专利技术效果根据本专利技术，提取像素值比周围高的像素连续规定像素数以上的线形状的区域，基于沿着该线形状的区域的一个以上的圆弧的曲率计算曲率特征量，根据该曲率特征量的分布来判别有无异常软毛，所以，在一个图像内包含与被摄体之间的摄像距离不同的区域的情况下，也能够高精度地判别有无异常软毛。附图说明图1是示出本专利技术的实施方式1的图像处理装置的结构的框图。图2是示出图1所示的图像处理装置的动作的流程图。图3是详细示出图1所示的关注区域设定部执行的处理的流程图。图4是详细示出图1所示的粘膜区域提取部执行的处理的流程图。图5是示出色相平均值的度数的柱状图的生成例。图6是说明将柱状图的谷作为边界而划分为多个聚簇的聚类方法的示意图。图7是示出对图5所示的柱状图进行聚类的结果的曲线图。图8是详细示出图1所示的线形状凸区域提取部执行的处理的流程图。图9是说明顶帽变换的示意图。图10是示出细线化滤波处理中用于图像的搜索的图案的图。图11是详细示出图1所示的区域内曲率特征量计算部执行的处理的流程图。图12是详细示出图1所示的尺寸特征量计算部执行的处理的流程图。图13是示出线形状区域的区间的示意图。图14是说明圆弧的曲率的计算方法的示意图。图15是说明图1所示的曲率计算部执行的处理的示意图。图16A是示出正常软毛模型的示意图。图16B是示出与正常软毛模型对应的凸区域的示意图。图17A是示出异常软毛模型的示意图。图17B是示出与异常软毛对应的线形状区域的示意图。图17C是示出沿着与异常软毛对应的线形状区域的圆弧的曲率的分布的曲线图。图18A是示出气泡模型的示意图。图18B是示出与气泡区域对应的线形状区域的示意图。图18C是示出沿着与气泡区域对应的线形状区域的圆弧的曲率的分布的曲线图。图19是示出由圆弧的曲率和距离信息的双轴构成的频度分布的示意图。图20是示出实施方式1的变形例1-1的图像处理装置的框图。图21是示出图20所示的线形状凸区域提取部执行的处理的详细情况的流程图。图22是示出Hilditch细线化算法中使用的图案的示意图。图23是示出Hilditch细线化算法中使用的图案的示意图。图24是示出本专利技术的实施方式2的图像处理装置的结构的框图。图25是示出图24所示的区域内曲率特征量计算部执行的处理的流程图。图26是示出图24所示的形状特征量计算部执行的处理的流程图。图27A是示出异常软毛模型的示意图。图27B是示出沿着与异常软毛对应的线形状区域的圆弧的曲率的示意图。图27C是示出针对与异常软毛对应的线形状区域计算出的曲率的标准偏差的曲线图。图28A是示出气泡模型的示意图。图28B是示出沿着与气泡区域对应的线形状区域的圆弧的曲率的示意图。图28C是示出针对与气泡区域对应的线形状区域计算出的曲率的标准偏差的曲线图。图29是示出本专利技术的实施方式3的图像处理装置的结构的框图。图30是示出图29所示的区域内曲率特征量计算部执行的处理的流程本文档来自技高网...
【技术保护点】
一种图像处理装置，其特征在于，所述图像处理装置具有：关注区域设定部，其在图像内设定关注区域；线形状凸区域提取部，其在所述关注区域中提取像素值比周围高的像素连续规定像素数以上的线形状的区域；区域内曲率特征量计算部，其计算曲率特征量，该曲率特征量基于沿着所述线形状的区域的一个以上的圆弧的曲率；以及异常判别部，其根据所述曲率特征量的分布来判别在所述关注区域内是否存在异常部。
【技术特征摘要】
【国外来华专利技术】1.一种图像处理装置，其特征在于，所述图像处理装置具有：
关注区域设定部，其在图像内设定关注区域；
线形状凸区域提取部，其在所述关注区域中提取像素值比周围高的像素连续规
定像素数以上的线形状的区域；
区域内曲率特征量计算部，其计算曲率特征量，该曲率特征量基于沿着所述线
形状的区域的一个以上的圆弧的曲率；以及
异常判别部，其根据所述曲率特征量的分布来判别在所述关注区域内是否存在
异常部。
2.根据权利要求1所述的图像处理装置，其特征在于，
所述区域内曲率特征量计算部具有计算所述一个以上的圆弧的曲率和距离信息
的尺寸特征量计算部，
在所述曲率分布在小于根据所述距离信息决定的规定阈值的范围内的情况下，
所述异常判别部判别为在所述关注区域内存在异常部。
3.根据权利要求2所述的图像处理装置，其特征在于，
所述尺寸特征量计算部具有：
曲率计算部，其根据由所述线形状的区域的端点和/或所述线形状的区域彼此的
交点划分的所述线形状的区域的各区间，计算一个以上的圆弧的曲率；
曲率代表值计算部，其根据所述一个以上的圆弧的曲率计算代表值；以及
距离信息计算部，其计算从所述图像的摄像位置到所述线形状的区域的距离信息。
4.根据权利要求1所述的图像处理装置，其特征在于，
所述区域内曲率特征量计算部具有计算所述一个以上的圆弧的曲率的波动的形
状特征量计算部，
在所述波动大于规定值的情况下，所述异常判别部判别为在所述关注区域内存
在异常部。
5.根据权利要求4所述的图像处理装置，其特征在于，
所述形状特征量计算部具有：
曲率计算部，其根据由所述线形状的区域的端点和/或所述线形状的区域彼此的
\t交点划分的所述线形状的区域的各区间，计算沿着所述线形状的区域的一个以上的圆
弧...
【专利技术属性】
技术研发人员：河野隆志，神田大和，北村诚，上山都士也，
申请(专利权)人：奥林巴斯株式会社，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。