提供一种图像处理方法以及图像处理装置，在应用了机器学习的图像处理方法中兼顾了检测精度和处理速度。本公开所涉及的图像处理方法包括以下步骤：获取拍摄到对象物的规定范围的不同部分的多个图像(S2)；应用使用机器学习获取到的规定的图像处理方法来进行多个图像各自是否包含检测对象的特征的个别评价(S3)；以及进行综合评价。在综合评价中，在构成规定范围或作为规定范围的一部分的部分范围的多个图像的数量Y1与Y1个图像中的在个别评价中被评价为包含特征的图像的数量X1之比X1/Y1为第一规定值以上(S4)的情况下，评价为对象物包含检测对象的特异部(S5)。含检测对象的特异部(S5)。含检测对象的特异部(S5)。
Image processing method and image processing device
【技术实现步骤摘要】
图像处理方法以及图像处理装置
[0001]本专利技术涉及一种图像处理方法以及图像处理装置。
技术介绍
[0002]已知一种用于检查某种异常状态或是否存在具有其它部位不同的特征的部位的缺陷检查系统、异常检查系统或特异部探测系统。近年来，提出了一种用于使用机器学习来评价是否存在包含缺陷等的具有与其它大部分区域不同的特征的部位(以下称为“特异部”。)的方法。
[0003]在专利文献1中记载了如下一种特异部探测系统：从利用摄像部拍摄到的对象物的摄像图像中提取包含具有任意特征的特异部的特异部图像，通过以特异部图像为输入的机器学习来识别特异部的类别。
[0004]现有技术文献
[0005]专利文献
[0006]专利文献1：国际公开第2019/003813号
技术实现思路
[0007]专利技术要解决的问题
[0008]作为检测对象的特异部可能具有各种形状。在特异部具有大的形状或形成为长条状的情况下，从摄影图像提取的特异部图像也变大。
[0009]然而，如果想要通过机器学习来检测这样的特异部，则会导致生成学习完毕模型所需的学习时间变长。另外，会导致使用学习完毕模型检测特异部所需的运算时间增加。虽然预计这样的问题会通过使用运算能力高的信息处理装置得到解决，但由于导致成本增加，因此在例如线上检查等用途中成为安装于生产线时的弊端。
[0010]另外，在特异部图像的尺寸比被设定为要应用机器学习的图像尺寸的图像尺寸大的情况下，不得不以不包含特异部的一部分的方式提取特异部图像，因此导致特异部的检测精度降低这一结果。
[0011]因此，为了解决上述问题，本专利技术的目的在于提供一种在应用了机器学习的图像处理方法中兼顾了检测精度和处理速度的图像处理方法以及图像处理装置。
[0012]用于解决问题的方案
[0013]本公开所涉及的图像处理方法包括以下步骤：获取多个图像，所述多个图像是拍摄到对象物的图像，所述多个图像各自是拍摄到所述对象物的规定范围的不同部分的图像；针对所述多个图像分别应用使用机器学习获取到的规定的图像处理方法，来进行所述多个图像各自是否包含检测对象的特征的个别评价；以及基于是否在所述多个图像中的2个以上的图像中包含所述特征，来进行所述对象物是否包含检测对象的特异部的综合评价。在此，在所述综合评价中，在构成所述规定范围或作为所述规定范围的一部分的部分范围的所述多个图像的数量Y1与Y1个所述图像中的在所述个别评价中被评价为包含所述特
征的图像的数量X1之比X1/Y1为第一规定值以上的情况下，评价为所述对象物包含检测对象的特异部。
[0014]根据这样的图像处理方法，应用使用机器学习获取到的规定的图像处理方法来进行多个图像各自是否包含检测对象的特征的个别评价，并且基于是否在多个图像中的2个以上的图像中包含特征来进行对象物是否包含检测对象的特异部的综合评价，具体地说，基于与规定范围对应的多个图像和构成作为规定范围的一部分的部分范围的多个图像中的至少任一方的图像的数量Y1、以及被评价为包含特征的图像的数量X1，来评价有无特异部。即，基于构成对象物的规定范围或其部分范围的多个图像中的、在个别评价中的表示包含特征的意思的估计得分为规定值以上的图像的多寡，来评价所述对象物是否包含检测对象的特异部。因而，即使在特异部图像的尺寸比被设定为要应用机器学习的图像尺寸的图像尺寸大的情况下，也能够通过利用该图像尺寸进行个别评价并且基于规定范围或部分范围内的包含特征的多个图像的数量进行综合评价，来兼顾学习时间和运算时间的缩短以及比图像尺寸大的特异部的检测。
[0015]此外，本公开的“评价”包括以下内容：判断有无特异部或与概率信息一起判断有无特异部、输出与有无特异部有关的概率信息(估计得分)。另外，本公开的“评价”还包括以下内容：在特异部具有多个种类的情况下，输出上述与有无特异部有关的信息和/或与特异部的类别有关的信息。
[0016]此外，也可以在上述个别评价和综合评价之前或之后进行不同或相同的评价。例如，也可以在针对规定范围执行了综合评价之后，针对作为规定范围的一部分的部分范围进一步执行一次或多次综合评价。
[0017]另外，本公开的一个方式还包括以下步骤：对拍摄所述对象物的规定范围而得到的基础图像进行分割，来生成各自的图像尺寸相同的所述多个图像。
[0018]另外，在本公开的一个方式中，在所述综合评价中，在所述比X1/Y1小于所述第一规定值且为比所述第一规定值小的第二规定值以上、且构成第二部分范围的多个图像的数量Y2(<Y1)与Y2个所述图像中的在所述个别评价中被评价为包含所述特征的图像的数量X2之比X2/Y2为第三规定值以上的情况下，评价为所述对象物包含检测对象的特异部，其中，所述第二部分范围为由所述Y1个图像构成的所述规定范围或所述部分范围的一部分。
[0019]另外，在本公开的一个方式中，在所述综合评价中，还能够在存在在所述个别评价中被评价为包含所述特征的图像A、且在所述个别评价中评价为在位于所述图像A的周围的所述多个图像中的2个以上的图像中包含所述特征的情况下，评价为所述对象物包含检测对象的特异部。
[0020]另外，在本公开的一个方式中，在所述综合评价中，还能够在存在在所述个别评价中被评价为包含所述特征的图像A、且存在位于所述图像A的周围的在所述个别评价中被评价为包含所述特征的图像B、且存在不位于所述图像A的周围而位于所述图像B的周围的在所述个别评价中被评价为不包含所述特征的图像C、且存在不位于所述图像A和所述图像B的周围而位于所述图像C的周围的在所述个别评价中被评价为包含所述特征的图像D、且存在不位于所述图像A、所述图像B以及所述图像C的周围而位于所述图像D的周围的在所述个别评价中被评价为包含所述特征的图像E的情况下，评价为所述对象物包含检测对象的特异部。
[0021]本公开公开一种图像处理装置。该图像处理装置具备：图像获取单元，其获取拍摄到对象物的规定范围的不同部分的多个图像；个别评价单元，其针对所述多个图像分别应用使用机器学习获取到的规定的图像处理方法，来进行所述多个图像各自是否包含检测对象的特征的个别评价；以及综合评价单元，其基于是否在所述多个图像中的2个以上的图像中包含所述特征，来进行所述对象物是否包含检测对象的特异部的综合评价，其中，所述综合评价单元构成为：在构成所述规定范围或作为所述规定范围的一部分的部分范围的所述多个图像的数量Y1与Y1个所述图像中的由所述个别评价单元评价为包含所述特征的图像的数量X1之比X1/Y1为第一规定值以上的情况下，评价为所述对象物包含检测对象的特异部。
[0022]根据这样的图像处理装置，能够应用使用机器学习获取到的规定的图像处理方法来进行多个图像各自是否包含检测对象的特征的个别评价，并且基于是否在多个图像中的2个以上的图像中包含特征来进行对象物是否包含检测对象的特异部的综合评价，具体地说，能够基于构成规定范围或作为该规定范围的一部分的部分范围的多个图像的数量Y1以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括以下步骤：获取多个图像，所述多个图像是拍摄到对象物的图像，所述多个图像各自包含所述对象物的规定范围的不同部分；针对所述多个图像分别应用使用机器学习获取到的规定的图像处理方法，来进行所述多个图像各自是否包含检测对象的特征的个别评价；以及基于是否在所述多个图像中的2个以上的图像中包含所述特征，来进行所述对象物是否包含检测对象的特异部的综合评价，其中，在所述综合评价中，在构成所述规定范围或作为所述规定范围的一部分的部分范围的所述多个图像的数量Y1与Y1个所述图像中的在所述个别评价中被评价为包含所述特征的图像的数量X1之比X1/Y1为第一规定值以上的情况下，评价为所述对象物包含检测对象的特异部。2.根据权利要求1所述的图像处理方法，其特征在于，还包括以下步骤：对拍摄所述对象物的规定范围而得到的基础图像进行分割，来生成各自的图像尺寸相同的所述多个图像。3.根据权利要求1或2所述的图像处理方法，其特征在于，在所述综合评价中，在所述比X1/Y1小于所述第一规定值且为比所述第一规定值小的第二规定值以上、且构成第二部分范围的多个图像的数量Y2与Y2个所述图像中的在所述个别评价中被评价为包含所述特征的图像的数量X2之比X2/Y2为第三规定值以上的情况下，评价为所述对象物包含检测对象的特异部，其中，所述第二部分范围为由所述Y1个图像构成的所述规定范围或所述部分范围的一部分，Y2<Y1。4.根据权利要求1至3中的任一项所述的图像处理方法，其特征在于，在所述综合评价中，在存在在所述个别评价中被评价为包含所述特征的图像A、且在所述个别评价中评价为在位于所述图像A的周围的所述多个图像中的2个以上的图像中包含所述特征的情况下，评价为所述对象物包含检测对象的特异部。5.根据权利要求1至4中的任一项所述的图像处理方法，其特征在于，在所述综合评价中，在存在在所述个别评价中被评价为包含所述特征的图像A、且存在位于所述图像A的周围的在所述个别评价中被评价为包含所述特征的图像B、且存在不位于所述图像A的周围而位于所述图像B的周围的在所述个别评价中被评价为不包含所述特征的图像C、且存在不位于所述图像A和所述图像B的周围而位于所述图像C的周围的在所述个别评价中被评价为包含所述特征的图像D、且存在不位于所述图像A、所述图像B以及所述图像C的周围而位于所述图像D的周围的在所述个别评价中被评价为包含所述特征的图像E的情况下，评价为所述对象物包含检测对象的特异部。6.根据权利要求1至5中的任一项所述的图像处理方法，其特征在于，所述特异部是所述对象物的缺陷。7.一种图像处理装...
【专利技术属性】
技术研发人员：岛津隆弘，
申请(专利权)人：旭化成医疗株式会社，
类型：发明
国别省市：
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。