图像处理装置及图像处理方法制造方法及图纸

提供一种图像处理装置和图像处理方法。图像处理装置具备：区域分割部，其根据图像内的边缘信息，将图像分割为分别包含多个像素的多个小区域；归属概率估计部，其估计多个小区域分别归属于作为检测对象的特定区域的概率即归属概率；相邻间连结强度计算部，其计算定量地相互相邻的小区域属于特定区域及非特定区域内的相同区域的程度的连结强度；病变部检测部，其根据归属概率及连结强度，从上述图像检测特定区域。

【技术实现步骤摘要】

本专利技术涉及从图像检测特定的区域的。
技术介绍
作为与图像的区域分割关联的技术，例如在日本特开2009 — 232962号公报公开了采用图割(Graph Cut)区域分割法，将图像内的判别区域分割为对象区域(肾脏区域)和背景区域，提取出肾脏区域的方法。图割区域分割法是指如下将图像的内部分割为作为检测对象的特定区域和作为检测对象的背景的非特定区域的手法。首先，将与图像内的多个像素对应的多个节点N和 作为对于各像素的判定标签的、与特定区域及非特定区域对应的2个节点S、T，用与各像素分别属于特定区域及非特定区域的确定性相应的大小的链接连接起来，而且，将与相互相邻的像素对应的节点之间，用与该相邻的像素包含在同一区域内的确定性相应的大小的链接连接起来，作成连结图形。通过对该连结图形切断链接，尝试将节点N群分离为与节点S连接的节点N群和与节点T连接的节点N群。此时，采用图形网络理论中的最大流最小分割定理，切断确定性的合计成为最小的链接群(即，未切断的链接群中的确定性的合计为最大)，从而优化区域分割(参照Y. Boykov, M. Jolly, “Interactive Graph Cutsfor Optimal Boundary&Region Segmentation of Objects in N-D Images，，，Proceedingof “Internation Conference on Computer Vision，，，July 2001, vol. I, pp. 105-112)。但是，传统的图割区域分割法中，将各像素作为一个节点进行运算，因此，属于特定区域(或非特定区域)的确定性、相互相邻的像素包含在同一区域内的确定性这样的信息仅仅按像素单位进行判断。因此，存在无法考虑如纹理信息那样由多个像素汇聚的区域所产生的特征这样的信息来进行区域分割的问题。本专利技术鉴于上述问题而提出，目的是提供通过进行考虑了与包含多个像素的区域有关的信息的区域分割，可提高特定区域的检测精度的图像处理装置、图像处理方法及图像处理程序。
技术实现思路
本专利技术的一形态的图像处理装置，具备小区域分割部，其根据图像内的边缘信息，将上述图像分割为分别包含多个像素的多个小区域；归属概率估计部，其估计上述多个小区域分别归属于作为检测对象的特定区域的概率即归属概率；相邻间连结强度计算部，其计算连结强度，该连结强度定量地表示上述多个小区域内的相互相邻的小区域属于上述特定区域及该特定区域以外的区域即非特定区域内的相同区域的程度；特定区域检测部，其根据上述归属概率及上述连结强度将上述图像分割为上述特定区域和上述非特定区域，由此检测上述特定区域。本专利技术的其他形态的图像处理方法，包含小区域分割步骤，根据图像内的边缘信息，将上述图像分割为分别包含多个像素的多个小区域；归属概率估计步骤，估计上述多个小区域分别归属于作为检测对象的特定区域的概率即归属概率；相邻间连结强度计算步骤，计算连结强度，该连结强度定量地表示上述多个小区域内的相互相邻的小区域属于上述特定区域及该特定区域以外的区域即非特定区域内的相同区域的程度；特定区域检测步骤，根据上述归属概率及上述连结强度将上述图像分割为上述特定区域和上述非特定区域，由此检测上述特定区域。通过参考附图阅读以下的本专利技术的详细说明，可以进一步理解上述内容和本专利技术的其他目的、特征、优点以及技术产业的意义。附图说明图I是示出本专利技术的实施方式I的图像处理装置的构成的方框图。图2是示出图I所示的图像处理装置的动作的流程图。 图3是图像处理对象即管腔内图像的一例的示意图。图4是图I所示区域分割部的动作流程图。图5是表示将图3所示管腔内图像分割为小区域的状态的示意图。图6是图I所示归属概率估计部的动作流程图。图7A是表示教师数据中的小区域的特征量分布的图形。图7B是表示根据教师数据估计的概率密度函数的一例的图形。图8是图I所示相邻间连结强度计算部的动作流程图。图9是图I所示病变部检测部的动作流程图。图IOA是连结图形的一例的示意图。图IOB是表示将图IOA所示连结图形根据最大流最小分割定理进行分割后的状态的示意图。图11是本专利技术的实施方式2的图像处理装置中的运算部的构成示意图。图12是图11所示归属概率估计部的动作流程图。图13A是将在由2个颜色特征量组成的特征空间中投影的特征量分布进行聚类的结果的一例的示意图。图13B是表示图13A所示聚类的重心的示意图。图14是估计与病变部对应的聚类的处理的流程图。图15A是将与某图像对应的特征量分布聚类的例子的不图。图15B是将与其他图像对应的特征量分布聚类的例子的示图。图16是图11所示相邻间连结强度计算部的动作流程图。图17是本专利技术的实施方式3的图像处理装置中的运算部的构成示意图。图18是图17所示相邻间连结强度计算部的动作流程图。图19是边界强度的算出方法的说明图。图20是实施方式3的变形例的图像处理装置中的运算部的构成方框图。图21是图20所示相邻间连结强度计算部的动作流程图。图22是实施方式4的图像处理装置中的运算部的构成方框图。具体实施方式以下，参照附图说明本专利技术的实施方式的。另外，不是用这些实施方式限定本专利技术。另外，各附图的记载中，同一部分附上同一标号。以下，作为一例，说明对于由内窥镜、胶囊型内窥镜等医用观察装置拍摄被检体的管腔内(消化道内)而得到的管腔内图像(消化道内图像)的图像处理。管腔内图像例如是各像素中持有相对于R (红)、G (绿)、B (蓝)的各色分量的像素等级(像素值)的彩色图像。另外，本专利技术不限于管腔内图像，可广泛适用于从其他一般图像内检测特定区域的图像处理装置。另外，以下，说明将管腔内图像内的病变部设为作为检测对象的特定区域，将除此以外的非病变部(粘膜、残渣等内容物、泡等)设为作为背景的非特定区域，但是，也可以采用如将病变部及粘膜设为特定区域，除此以外(内容物、泡等)的区域设为非特定区域等将期望的部位等设定为特定区域及非特定区域的方法。实施方式I 图I是本专利技术的实施方式I的图像处理装置的构成方框图。如图I所示，图像处理装置I具备控制该图像处理装置I全体的动作的控制部10 ;取得由医用观察装置拍摄的管腔内图像的图像数据的图像取得部11 ;接受外部输入的输入信号的输入部12 ;显示包含管腔内图像、各种信息的画面的显示部13 ;记录部14 ;进行从管腔内图像检测特定区域的运算处理的运算部15。控制部10由CPU等硬件实现，通过读入在记录部14中存储的各种程序，按照从图像取得部11输入的图像数据和从输入部12输入的操作信号等，进行对构成图像处理装置I的各部分的指示和数据的转送等，统一控制图像处理装置I全体的动作。图像取得部11根据包含医用观察装置的系统的形态而适宜构成。例如，在医用观察装置是胶囊型内窥镜，在与医用观察装置之间的管腔内图像的图像数据的传递中使用便携型记录介质的场合，图像取得部11由装卸自由地安装该记录介质，读出在记录介质中存储的图像数据的读取装置构成。另外，在设置保存由医用观察装置取得的管腔内图像的图像数据的服务器的场合，图像取得部11由与服务器连接的通信装置等构成，与服务器进行数据通信，取得图像数据。或者，图像取得部11也可以由从内窥镜本文档来自技高网...

【技术保护点】
一种图像处理装置，其特征在于，具备：小区域分割部，其根据图像内的边缘信息，将上述图像分割为分别包含多个像素的多个小区域；归属概率估计部，其估计上述多个小区域分别归属于作为检测对象的特定区域的概率即归属概率；相邻间连结强度计算部，其计算连结强度，该连结强度定量地表示上述多个小区域内的相互相邻的小区域属于上述特定区域及该特定区域以外的区域即非特定区域内的相同区域的程度；以及特定区域检测部，其根据上述归属概率及上述连结强度将上述图像分割为上述特定区域和上述非特定区域，由此检测上述特定区域。

【技术特征摘要】
2011.05.09 JP 2011-1046981.ー种图像处理装置，其特征在于，具备 小区域分割部，其根据图像内的边缘信息，将上述图像分割为分别包含多个像素的多个小区域； 归属概率估计部，其估计上述多个小区域分别归属于作为检测对象的特定区域的概率即归属概率； 相邻间连结强度计算部，其计算连结强度，该连结強度定量地表示上述多个小区域内的相互相邻的小区域属于上述特定区域及该特定区域以外的区域即非特定区域内的相同区域的程度；以及 特定区域检测部，其根据上述归属概率及上述连结强度将上述图像分割为上述特定区域和上述非特定区域，由此检测上述特定区域。2.根据权利要求I所述的图像处理装置，其特征在干， 上述小区域分割部具备 边缘强度计算部，其计算上述图像内的各像素的边缘强度； 分割部，其以上述边缘強度的脊为边界，将上述图像分割为上述多个小区域。3.根据权利要求I所述的图像处理装置，其特征在干， 上述归属概率估计部具有区域特征量计算部，该区域特征量计算部按小区域単位算出上述多个小区域的各自的特征量， 上述归属概率估计部根据上述特征量，估计上述归属概率。4.根据权利要求3所述的图像处理装置，其特征在干， 上述特征量是颜色特征量或纹理特征量。5.根据权利要求3所述的图像处理装置，其特征在干， 上述归属概率估计部具有概率函数估计部，该概率函数估计部根据上述特征量，估计用于算出上述多个小区域分别归属于特定区域的归属概率的概率函数。6.根据权利要求5所述的图像处理装置，其特征在干， 上述概率函数估计部具备 聚类部，其对上述图像中的上述特征量的分布划分聚类； 聚类估计部，其估计与上述特定区域对应的聚类；以及 概率密度函数估计部，其根据上述聚类估计部的估计结果，分别估计上述特定区域及上述非特定区域的概率密度函数， 上述概率函数估计部根据上述概率密度函数估计上述概率函数。7.根据权利要求I所述的图像处理装置，其特征在干， 上述相邻间连结强度计算部具备 相邻信息取得部，其对上述多个小区域分别取得与其自身相邻的小区域有关的相邻信息；以及 连结强度计算部，其根据上述相邻信息，算出上述相互相邻的小区域间的上述连结强度。8.根据权利要求7所述的图像处理装置，其特征在干， 上述相邻信息取得部具有检测上述多个小区域各自的轮廓像素的轮廓像素检测部， 上述相邻信息取得部根据与上述轮廓像素有关的信息，取得上述多个小区域各自的相邻信息。9.根据权利要求7所述的图像处理装置，其特征在干， 上述连结强度计算部具有计算上述相互相邻的小区域间的上述归属概率的差的归属概率差计算部， 上述连结强度计算部根据上述归属概率的差，计算上述相互相邻的小区域间的连结强度...

【专利技术属性】
技术研发人员：神田大和，北村诚，弘田昌士，河野隆志，松田岳博，
申请(专利权)人：奥林巴斯株式会社，
类型：发明
国别省市：