画像処理装置および画像処理プログラム
【課題】観察対象の種類に応じて異なる特徴を示す画像領域を確実に検出するときの検出精度を向上させることができること。
【解決手段】画像処理装置１は、一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する臓器判定部４ａと、異常検出パラメータを用いて処理対象画像内から特異な領域である異常領域を検出する異常領域検出部４ｃと、臓器判定部４ａの判定結果に対応するパラメータ値を異常検出パラメータとして設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させる画像処理制御部６ａと、を備える。
【解決手段】画像処理装置１は、一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する臓器判定部４ａと、異常検出パラメータを用いて処理対象画像内から特異な領域である異常領域を検出する異常領域検出部４ｃと、臓器判定部４ａの判定結果に対応するパラメータ値を異常検出パラメータとして設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させる画像処理制御部６ａと、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、観察画像から特異な領域を検出するための画像処理装置および画像処理プログラムに関し、特に、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域を検出する画像処理装置および画像処理プログラムに関するものである。
【背景技術】
【０００２】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像を得るシステムとして、例えば、被検体内を観察するカプセル型内視鏡が開発されている。カプセル型内視鏡は、撮像機能と無線通信機能とを備え、被検体に飲み込まれた後、自然排出されるまでの間、食道、胃、小腸および大腸等の内部を蠕動運動などに応じて順次移動しながら撮像するとともに、撮像により生成した画像データを無線通信によって外部受信機へ順次送信する。医師、看護師等は、外部受信機によって取得した画像データを観察画像として表示させ、その観察画像に基づいて被検体内を観察することができる。
【０００３】
通常、カプセル型内視鏡によって取得する一連の観察画像の数は膨大であり、医師、看護師等は、その一連の観察画像をもとに観察を行うにあたって多大な時間と労力とが必要とされる。これに対し、観察対象内の異常部を検出して表示させることで効率的に病変部の観察をすることができる異常検出システムが開発されている（例えば、特許文献１参照）。この異常検出システムでは、観察画像を複数の単位ブロックに分割し、その単位ブロックごとの色情報を、あらかじめ作成した異常部の色基準および正常部の色基準と比較することで異常部を検出するようにしている。
【０００４】
【特許文献１】特表２００４−５２１６９３号公報
【特許文献２】特開２００５−１９２８８０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
ところで、カプセル型内視鏡によって取得される一連の観察画像では、粘液や内容物等の影響により小腸が胃に比べて濁った色になるなど、臓器の種類に応じて輝度や色味が大きく異なる。また、臓器の種類に応じて検出対象となる異常部の特徴も異なる。例えば、小腸の肥大した血管は検出すべき異常部であるが、胃の血管は優先的に検出する必要のない異常部であるなど、臓器に依存した異常部が存在する。
【０００６】
しかしながら、上述した異常検出システムでは、臓器の種類に応じて異なる特徴を示す各種の異常部を確実に検出することができないという問題があった。
【０００７】
本発明は、上記に鑑みてなされたものであって、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から、観察対象の種類に応じて異なる特徴を示す画像領域を確実に検出するときの検出精度を向上させることができる画像処理装置および画像処理プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記の目的を達成するために、本発明にかかる画像処理装置は、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置において、前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手段と、前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手段と、前記対象判定手段の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手段と、を備えたことを特徴とする。
【０００９】
また、本発明にかかる画像処理プログラムは、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置に、前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手順と、前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手順と、前記対象判定手順の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手順に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手順と、を実行させることを特徴とする。
【発明の効果】
【００１０】
本発明にかかる画像処理装置および画像処理プログラムによれば、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から、観察対象の種類に応じて異なる特徴を示す画像領域を確実に検出するときの検出精度を向上させることができる。
【発明を実施するための最良の形態】
【００１１】
以下、添付図面を参照して、本発明にかかる画像処理装置および画像処理プログラムの好適な実施の形態を詳細に説明する。なお、この実施の形態では、本発明にかかる画像処理装置は、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像として、例えばカプセル型内視鏡によって食道、胃、小腸および大腸の内部のうち少なくとも１つが順次撮像された一連の観察画像を処理するものとして説明する。ただし、本発明にかかる画像処理装置によって処理可能な観察画像は、観察対象としてかかる臓器（消化器官）が撮像された観察画像に限定されるものではなく、この実施の形態により本発明が限定されるものではない。なお、図面の記載において、同一部分には同一符号を付して示している。
【００１２】
（実施の形態）
まず、本発明の実施の形態にかかる画像処理装置について説明する。図１は、本実施の形態にかかる画像処理装置１の要部構成を示すブロック図である。この図に示すように、画像処理装置１は、画像を含む各種情報の入力、記憶および出力をそれぞれ行う入力部２、記憶部３および出力部５と、記憶部３に記憶された画像を処理する画像処理部４と、これらの各部に電気的に接続され、その接続された各部の処理および動作を制御する制御部６とを備える。
【００１３】
入力部２は、データ通信インターフェースを用いて構成され、このデータ通信インターフェースから制御部６に対し、処理対象としての一連の観察画像の画像データの入力を行う。また、入力部２は、各種入力デバイスを備え、制御部６が処理に用いる処理パラメータのパラメータ値等、各種情報の入力を行う。
【００１４】
記憶部３は、ハードディスク、ＲＯＭおよびＲＡＭ等を用いて構成され、制御部６が実行させる各種処理プログラム、制御部６が処理に用いる各種処理パラメータ、制御部６による各種処理結果等、種々の情報を記憶する。特に、記憶部３は、入力部２から入力された一連の観察画像を記憶する観察画像記憶部３ａと、後述の臓器判定処理に用いる基準データを記憶する臓器判定基準データ記憶部３ｂと、後述の撮像距離推定処理に用いる基準データを記憶する距離推定基準データ記憶部３ｃと、後述の異常領域検出処理に用いるパラメータのパラメータ値を記憶する異常検出パラメータ記憶部３ｄとを備える。なお、記憶部３は、画像処理装置１に対して着脱自在な携帯型記憶媒体を備え、この携帯型記憶媒体によって入力部２を介さずに画像データを取得して一連の観察画像を記憶することができる。
【００１５】
画像処理部４は、例えばＣＰＵによって実現され、制御部６が実行させる所定の画像処理プログラムに基づき、観察画像記憶部３ａに記憶された一連の観察画像に対して種々の画像処理を行う。特に、画像処理部４は、各観察画像に撮像された観察対象としての所定の臓器を判定する臓器判定部４ａと、観察画像が撮像されたときの撮像距離を推定する撮像距離推定部４ｂと、観察画像内から所定の特徴を有する特徴画像領域としての異常領域を検出する異常領域検出部４ｃとを備える。具体的には、臓器判定部４ａは、各観察画像に撮像された観察対象を食道、胃、小腸および大腸のいずれか一つの臓器と判定し、異常領域検出部４ｃは、臓器判定部４ａが判定した臓器内の異常部に対応する画像領域である異常領域を検出する。
【００１６】
出力部５は、液晶表示器等の各種表示器を用いて構成され、一連の観察画像、臓器判定部４ａの判定結果、撮像距離推定部４ｂの推定結果、異常領域検出部４ｃの検出結果等、各種情報を表示する。また、出力部５は、データ通信インターフェースを備え、このデータ通信インターフェースから外部装置に対してその各種情報を出力することができる。
【００１７】
制御部６は、ＣＰＵによって実現され、記憶部３に記憶された所定の処理プログラムを実行させることで、画像処理装置１が備える各部の処理および動作を制御する。特に、制御部６は、記憶部３に記憶された所定の画像処理プログラムを実行し、観察画像記憶部３ａに記憶された一連の観察画像を画像処理部４に処理させる画像処理制御部６ａを備える。また、制御部６は、画像処理部４による処理結果等を出力部５に出力させる。
【００１８】
つづいて、画像処理装置１が行う画像処理手順について説明する。図２は、制御部６が所定の画像処理プログラムを実行させることで、観察画像記憶部３ａに記憶された一連の観察画像を処理する処理手順を示すフローチャートである。この図に示すように、画像処理制御部６ａは、まず観察画像記憶部３ａから一連の観察画像を読み込み（ステップＳ１０１）、各観察画像に撮像された臓器を臓器判定部４ａによって判定する臓器判定処理を行うとともに（ステップＳ１０２）、各観察画像が撮像されたときの撮像距離を撮像距離推定部４ｂによって推定する撮像距離推定処理を行う（ステップＳ１０３）。その後、画像処理制御部６ａは、臓器判定処理の臓器判定結果と撮像距離推定処理の撮像距離推定結果とをもとに、後述の異常検出パラメータにパラメータ値を設定するパラメータ設定処理を行い（ステップＳ１０４）、異常領域検出部４ｃにその異常検出パラメータを用いて異常領域を検出させる異常領域検出処理を行う（ステップＳ１０５）。そして、画像処理制御部６ａは、異常領域検出処理の検出結果を出力部５に出力させ（ステップＳ１０６）、一連の処理を終了する。
【００１９】
ステップＳ１０２の臓器判定処理では、臓器判定部４ａは、観察画像の周波数成分情報をもとに、各観察画像に撮像された臓器を判定する。例えば、食道や胃は、小腸に比べて粘膜表面に凹凸が少なく平坦である。逆に、小腸は絨毛などによって表面に凹凸が多い。このため、食道や胃が撮像された観察画像では低周波数成分が支配的であり、小腸が撮像された観察画像では高周波数成分が支配的である。臓器判定部４ａは、このような性質を利用して、観察画像に撮像された臓器が食道もしくは胃であるか、小腸であるか、または大腸であるかを判定する。具体的には、臓器判定部４ａは、周波数成分情報として例えばフーリエ変換によって得られるパワースペクトルを用いて臓器判定を行う。
【００２０】
図３は、臓器判定部４ａによる臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとにパワースペクトルに基づく特徴ベクトルを算出し（ステップＳ１１１）、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込み（ステップＳ１１２）、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ１１３）。その後、臓器判定部４ａは、臓器判定処理を終了し、ステップＳ１０２へリターンする。
【００２１】
ステップＳ１１１では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、フーリエ変換によってパワースペクトルを算出し、算出したパワースペクトルから高周波数成分、中間周波数成分および低周波数成分をそれぞれ特徴量Ａ〜Ｃとして抽出する。そして、この特徴量Ａ〜Ｃによって示される特徴空間上のベクトルを、処理対象画像の周波数成分情報を示す特徴ベクトルとして処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００２２】
ステップＳ１１２では、臓器判定部４ａは、例えば図４に示すようにあらかじめ特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ１１３では、臓器判定部４ａは、例えばｋＮＮ法（k-Nearest Neighbor Method）や部分空間法などの公知の判別手法を用い、ステップＳ１１２によって読み込んだ臓器判定基準データをもとに、ステップＳ１１１によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付ける。
【００２３】
なお、ここではパワースペクトルにおける３つの周波数成分によって示される特徴ベクトルをもとに臓器判定をするものとして説明したが、特徴量として用いる周波数成分の数つまり特徴量の次元数は、３つに限定されず２つまたは４つ以上とすることもできる。４次元以上とすることで、より高精度に臓器判定を行うことができる。ただし、４次元以上とすることで臓器判定にかかる処理時間が増大するため、所望の判定精度に応じて次元数を適切に設定することが好ましい。また、ここではパワースペクトルを特徴ベクトルによって特徴付けることで臓器判定を行うものとしたが、特徴ベクトルに限らず、例えばパワースペクトルの分布パターンに対し、あらかじめ臓器ごとに求められた基準分布パターンをもとにパターンマッチングを行うことで臓器判定をすることもできる。
【００２４】
つぎに、ステップＳ１０３の撮像距離推定処理では、撮像距離推定部４ｂは、観察画像の輝度情報またはゲイン情報をもとに、各観察画像が撮像されたときの撮像距離、すなわち観察画像を撮像した撮像装置としてのカプセル型内視鏡等から被写体としての臓器内壁までの距離を推定する。
【００２５】
一般に、観察画像では、撮像距離に応じて跳ね返り輝度が変化する。跳ね返り輝度とは、撮像装置等から照射した照明光が被写体によって反射された後、撮像装置によって観察光として受光されるときの輝度を意味する。この跳ね返り輝度は、被写体が撮像装置に近づくにつれて高くなり、遠ざかるにつれて低くなる。撮像距離と跳ね返り輝度との関係は、図５に示すように、跳ね返り輝度が撮像距離の２乗に反比例するものとして知られている。そして、この跳ね返り輝度が高い場合、観察画像の輝度平均は高く、跳ね返り輝度が低い場合には、輝度平均は低くなる。撮像距離推定部４ｂは、この性質を利用して、観察画像の輝度平均をもとに撮像距離を推定する。ここで、観察画像の輝度平均とは、観察画像内の全画素もしくは所定の複数画素の輝度値（画素値）の平均値である。
【００２６】
一方、撮像装置がＡＧＣ（Auto Gain Control）機能を有する場合、一般に、観察画像の撮像時に跳ね返り輝度に応じてゲインが補正される。すなわち、撮像距離が小さく跳ね返り輝度が高くなった場合にゲインを低くし、撮像距離が大きく跳ね返り輝度が低くなった場合にはゲインを高くするようにゲイン補正が行われる。カプセル型内視鏡では、通常ＡＧＣ機能が設けられており、それによるゲインの補正値であるＡＧＣ補正値は、撮像された観察画像ごとに付加情報として記録される。撮像距離推定部４ｂは、このＡＧＣ機能の特性を利用し、観察画像ごとに記録されたＡＧＣ補正値をもとに撮像距離を推定する。
【００２７】
図６は、撮像距離推定部４ｂによる撮像距離推定処理の処理手順を示すフローチャートである。この図に示すように、撮像距離推定部４ｂは、まず観察画像にＡＧＣ補正値が記録されているか否かを判断し（ステップＳ１２１）、ＡＧＣ補正値が記録されている場合、ＡＧＣ補正をもとに撮像距離を推定し、ＡＧＣ補正値が記録されていない場合には、輝度平均をもとに撮像距離の推定を行う。
【００２８】
具体的には、観察画像にＡＧＣ補正値が記録されている場合（ステップＳ１２１：Ｙｅｓ）、撮像距離推定部４ｂは、各観察画像からＡＧＣ補正値を取得し（ステップＳ１２２）、全観察画像におけるＡＧＣ補正値の全体平均を算出するとともに（ステップＳ１２３）、ＡＧＣ補正値とその全体平均とをもとに各観察画像の撮像距離を推定する（ステップＳ１２４）。
【００２９】
一方、観察画像にＡＧＣ補正値が記録されていない場合には（ステップＳ１２１：Ｎｏ）、撮像距離推定部４ｂは、観察画像ごとに輝度平均を算出し（ステップＳ１２５）、全観察画像における輝度平均の全体平均を算出するとともに（ステップＳ１２６）、輝度平均とその全体平均とをもとに各観察画像の撮像距離を推定する（ステップＳ１２７）。そして、撮像距離推定部４ｂは、ステップＳ１２４もしくはＳ１２７の後、撮像距離推定処理を終了し、ステップＳ１０３へリターンする。
【００３０】
ステップＳ１２４では、撮像距離推定部４ｂは、一連の観察画像のうちの処理対象画像に対し、ＡＧＣ補正値Ｃとその全体平均Ｃaveとをもとに、次式（１）によって撮像距離Ｘを推定する。さらに、撮像距離推定部４ｂは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の演算を行うことで、各観察画像の撮像距離を推定する。なお、式（１）における係数ｆ（Ｃave）は、全体平均Ｃaveをもとに所定演算によって決定される係数である。
【数１】
【００３１】
ステップＳ１２７では、撮像距離推定部４ｂは、一連の観察画像のうちの処理対象画像に対し、輝度平均Ｅとその全体平均Ｅaveとをもとに、次式（２）によって撮像距離Ｘを推定する。そして、撮像距離推定部４ｂは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の演算を行うことで、各観察画像の撮像距離を推定する。なお、式（２）における係数ｆ（Ｅave）は、全体平均Ｅaveをもとに所定演算によって決定される係数である。
【数２】
【００３２】
なお、撮像距離推定部４ｂは、観察画像にＡＧＣ補正値が記録されている場合には、ＡＧＣ補正値のみに基づいて撮像距離を推定する代わりに、ＡＧＣ補正値と輝度平均とを併用して撮像距離の推定を行うこともできる。この場合、撮像距離推定部４ｂは、ステップＳ１２２〜Ｓ１２４の処理とステップＳ１２５〜１２７の処理とを両方行い、例えば各処理によって推定した撮像距離の平均値を最終的な推定結果とすることができる。
【００３３】
つぎに、ステップＳ１０４のパラメータ設定処理では、画像処理制御部６ａは、観察画像ごとに、ステップＳ１０２の臓器判定処理によって判定された臓器とステップＳ１０３の撮像距離推定処理によって推定された撮像距離とをもとに、異常検出パラメータにパラメータ値を設定する。ここで、異常検出パラメータとは、異常領域検出部４ｃがステップＳ１０５の異常領域検出処理に用いる処理パラメータの一つであって、異常領域の所定の特徴量を示すパラメータ、あるいは観察画像を処理する際に処理単位となる画素ブロックサイズ（処理単位画素ブロックサイズ）を示すパラメータ等が含まれる。
【００３４】
一般に、胃、小腸および大腸などの臓器の種類に応じ、異常領域として検出すべき画像領域の特徴は異なり、例えば、小腸において検出すべき異常領域の領域サイズ（大きさ）は、胃において検出すべき領域サイズに比べて小さい。このため、異常領域を検出する際、その特徴量としての領域サイズを判定する判定基準としての下限閾値を胃と小腸とに対して等しく設定していると、小腸において検出すべき領域サイズの画像領域が異常領域として検出されず、また胃において検出する必要がない領域サイズの画像領域が異常領域として誤検出される恐れがある。これに対し、胃および小腸のそれぞれに適正な下限閾値を設定することで、胃および小腸のそれぞれに応じた特徴的な大きさの異常領域を確実に検出することができるとともに、異常領域として検出する必要がない画像領域を検出対象から除外することができる。
【００３５】
一方、例えば同一の異常部が撮像された観察画像であっても撮像距離が異なる場合には、観察画像上に占める異常領域の領域サイズは異なるものとなる。具体的には、撮像距離が大きくなるにしたがい異常領域の領域サイズは小さくなる。このため、異常領域を検出する際、その領域サイズの下限閾値を撮像距離によらず等しく設定していると、撮像距離が大きい場合、検出すべき異常領域の領域サイズが小さすぎて検出されず、また撮像距離が小さい場合には、検出する必要がない領域サイズの特徴画像領域が異常領域として誤検出される恐れがある。これに対し、撮像距離に応じて適正な下限閾値を設定することで、撮像距離によらず検出すべき異常領域を確実に検出することができるとともに、異常領域として検出する必要がない特徴画像領域を検出対象から除外することができる。
【００３６】
以上のことから、画像処理装置１では、例えば図７に示すように、撮像距離に応じて臓器ごとに適正な領域サイズの下限閾値が、異常検出パラメータであるサイズパラメータのパラメータ値として、あらかじめ異常検出パラメータ記憶部３ｄに記憶されている。そして、画像処理制御部６ａは、ステップＳ１０４のパラメータ設定処理において、観察画像ごとに、臓器判定部４ａによって判定された臓器と撮像距離推定部４ｂによって推定された撮像距離とに対応するパラメータ値を異常検出パラメータ記憶部３ｄから読み出し、この読み出したパラメータ値を異常検出パラメータに設定する。
【００３７】
なお、ここでは、あらかじめ異常検出パラメータ記憶部３ｄに記憶させる異常検出パラメータのパラメータ値として、異常領域の領域サイズを示すパラメータ値について説明したが、領域サイズに限定して解釈する必要はなく、異常領域の他の特徴量、例えば色味などを示すパラメータ値とすることもできる。また、異常領域の特徴量に限らず、例えば観察画像の処理単位画素ブロックサイズを示すパラメータ値とすることもできる。
【００３８】
さらに、あらかじめ記憶させるパラメータ値は、１種類に限定されず、複数の異常検出パラメータに対するパラメータ値を記憶させることができる。その場合、例えば、異常検出パラメータ記憶部３ｄは、複数の異常検出パラメータごとにパラメータ値を図７に示したように記憶テーブルに記憶し、画像処理制御部６ａは、パラメータ設定処理において、異常検出パラメータごとに各々対応する記憶テーブルからパラメータ値を読み出し、読み出したパラメータ値を設定するとよい。
【００３９】
つぎに、ステップＳ１０５の異常領域検出処理では、異常領域検出部４ｃは、一連の観察画像のうちの処理対象画像に対し、ステップＳ１０４のパラメータ設定処理によってこの処理対象画像に対応するパラメータ値が設定された異常検出パラメータを用い、処理対象画像内から所定の異常領域を検出する。具体的には、異常領域検出部４ｃは、例えば図７に示す記憶テーブルに記憶されたパラメータ値が設定されたサイズパラメータを用い、そのパラメータ値が示す領域サイズよりも小さい領域であって他に異常領域としての所定の特徴（例えば色味など）を有する画像領域を異常領域として検出する。さらに、異常領域検出部４ｃは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像から所望の異常領域を検出する。
【００４０】
なお、異常領域検出部４ｃは、このようなサイズパラメータを用いた処理に限定されず、各種の処理によって異常領域検出処理を行うことができる。例えば特許文献２に開示されているように、処理対象画像内の各画素または平均化した画素を、その色情報に基づく特徴空間に写像し、クラスタリングの後に正常部クラスタと異常部クラスタとを特定して、異常部クラスタに属する画素領域を異常領域として検出することができる。この場合、異常領域検出部４ｃは、特徴空間を構成する色情報（例えば、色味または色度）を示す
パラメータ値が設定された異常検出パラメータである色パラメータを用いて異常領域検出処理を行うとよい。そして、異常検出パラメータ記憶部３ｄは、その色パラメータに設定するパラメータ値を、撮像距離に応じて臓器ごとにあらかじめ記憶するとよい。
【００４１】
また、異常領域検出部４ｃは、例えば、特許文献１に開示されているように、処理対象画像を複数の処理単位画素ブロックに分割し、その処理単位画素ブロックごとの色情報を、あらかじめ作成した異常部の色基準および正常部の色基準と比較することで異常領域を検出することができる。この場合、異常領域検出部４ｃは、色パラメータとブロックサイズパラメータとの少なくとも一方を用いて異常領域検出処理を行うとよい。ここで、色パラメータとは、各色基準の色味または色度等を示すパラメータ値が設定されたパラメータであり、ブロックサイズパラメータとは、処理単位画素ブロックサイズを示すパラメータ値が設定された異常検出パラメータである。そして、異常検出パラメータ記憶部３ｄは、その色パラメータとブロックサイズパラメータとの少なくとも一方に設定するパラメータ値を、撮像距離に応じて臓器ごとにあらかじめ記憶するとよい。
【００４２】
なお、撮像の倍率が画像ごとに一定ではない場合には、カプセル型内視鏡では、各観察画像に付加情報として倍率の情報が記録される。そして、上述のサイズパラメータやブロックサイズパラメータを用いて異常領域の検出処理を行う場合には、倍率を考慮して異常領域の検出を行うとよい。
【００４３】
以上説明したように、本実施の形態にかかる画像処理装置１では、一連の観察画像のうちの処理対象画像に撮像された観察対象としての臓器を所定の１以上の観察対象である食道、胃、小腸もしくは大腸のいずれか一つと判定する臓器判定部４ａと、所定の処理パラメータとしての異常検出パラメータを用い、処理対象画像内から所定の特徴を有する特徴画像領域としての異常領域を検出する異常領域検出部４ｃと、臓器判定部４ａの判定結果に対応するパラメータ値を異常検出パラメータに設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させる画像処理制御部６ａと、を備えているため、臓器の種類に応じて異なる特徴を示す異常部等に対応する画像領域としての異常領域を処理対象画像内から確実に検出するときの検出精度を向上させることができる。
【００４４】
さらに、画像処理装置１では、処理対象画像が撮像されたときの撮像距離を推定する撮像距離推定部４ｂを備え、画像処理制御部６ａは、臓器判定部４ａの判定結果と撮像距離推定部４ｂの推定結果とに対応するパラメータ値を異常検出パラメータに設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させているため、臓器の種類と撮像距離とに応じて異なる特徴を示す異常領域を処理対象画像内から確実に検出するときの検出精度を向上させることができる。
【００４５】
また、画像処理装置１では、一連の観察画像内で処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに異常領域を検出しているため、一連の観察画像における各観察画像内から異常領域を検出することができる。
【００４６】
（変形例１）
つぎに、本実施の形態にかかる画像処理装置の変形例１について説明する。上述した臓器判定処理では、臓器判定部４ａは、例えばパワースペクトルによって示される観察画像の周波数成分情報をもとに臓器判定を行うものとしたが、本変形例１では、観察画像の画像情報量をもとに臓器判定を行うようにしている。
【００４７】
通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像では、小腸もしくは大腸を撮像した観察画像に比べ、各画素とその周囲画素との相関が高いという特徴がある。したがって、臓器判定部４ａは、その相関の高さを求めることで、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定することができる。
【００４８】
一般に、各画素とその周囲画素との相関の高さは画像情報量によって示され、画像情報量はエントロピーによって示されることが知られている。そのエントロピーＨ（ｆ）は、注目画素の周囲画素のビット列ｒと、その注目画素が画素値ｆを有する確率ｐ（ｒ；ｆ）とを用い、次式（３）によって求められる。ここで、式（３）によって示されるエントロピーＨ（ｆ）は、マルコフ情報源のエントロピーである。
Ｈ（ｆ）＝−ｌｏｇ2（ｐ（ｒ；ｆ）） ・・・（３）
【００４９】
この式（３）による演算を画像全体に対して行うことで、各画素に対応するエントロピーＨ（ｆ）を得ることができる。そして、画像全体の傾向としてエントロピーＨ（ｆ）の値が大きい場合、その画像は、各画素とその周囲画素との相関が低い画像であり、エントロピーＨ（ｆ）の値が小さい場合には、各画素とその周囲画素との相関が高い画像であるといえる。本変形例１にかかる臓器判定部４ａは、この特性を利用して、観察画像ごとにエントロピーＨ（ｆ）を算出し、その算出結果をもとに、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定するようにしている。
【００５０】
図８は、本変形例１にかかる臓器判定部４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとに式（３）によってエントロピーを算出し（ステップＳ２１１）、全観察画像におけるエントロピーの全体平均を算出するとともに（ステップＳ２１２）、エントロピーおよびその全体平均と、あらかじめ臓器判定基準データ記憶部３ｂに記憶された臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ２１３）。その後、臓器判定部４ａは、臓器判定処理を終了してステップＳ１０２へリターンする。
【００５１】
ここで、臓器判定基準データ記憶部３ｂには、例えば図９に示すように、エントロピーおよびその全体平均ごとに臓器が対応付けられた記憶テーブルが臓器判定基準データとして記憶されている。この臓器判定基準データは、各臓器に対する知見をもとにあらかじめ作成することができる。
【００５２】
ステップＳ２１３では、臓器判定部４ａは、一連の観察画像のうちの処理対象画像に対し、臓器判定基準データによってエントロピーとその全体平均とに対応付けられた臓器が撮像されているものと判定する。例えば、臓器判定部４ａは、処理対象画像のエントロピーとエントロピーの全体平均とがともに０．２である場合、図９に示す臓器判定基準データをもとに、その処理対象画像に撮像された臓器が小腸であると判定する。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像に撮像された臓器の判定を行う。
【００５３】
（変形例２）
つぎに、本実施の形態にかかる画像処理装置の変形例２について説明する。本変形例２では、臓器判定部４ａは、観察画像のテクスチャ情報をもとに臓器判定を行うようにしている。通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像ではテクスチャ（texture）情報が少ない。これに対し、小腸ではその表面に絨毛などによる凹凸パターンが多く見られるため、小腸を撮像した観察画像ではテクスチャ情報が多く得られる。したがって、臓器判定部４ａは、観察画像のテクスチャ情報をもとに、その観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定することができる。
【００５４】
一般に、テクスチャ情報として、同時生起行列によってテクスチャの統計的特徴量を求める方法が知られている。同時生起行列は、離れた２つの地点にある画素対の画素値から、画素値の一様性、方向性およびコントラストなどの性質を示す特徴量を求めるものである。本変形例２では、テクスチャ情報として、同時生起行列によって相関とエントロピーとを求める場合について説明する。
【００５５】
図１０は、本変形例２にかかる臓器判定部４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとに同時生起行列によって相関およびエントロピーを算出し（ステップＳ３１１）、全観察画像における相関およびエントロピーの各全体平均を算出するとともに（ステップＳ３１２）、算出した相関およびエントロピーとその各全体平均とに基づく特徴ベクトルを算出する（ステップＳ３１３）。そして、臓器判定部４ａは、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込み（ステップＳ３１４）、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ３１５）。その後、臓器判定部４ａは、臓器判定処理を終了してステップＳ１０２へリターンする。
【００５６】
ステップＳ３１１では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、同時生起行列によって相関とエントロピーとを算出し、さらに一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００５７】
ステップＳ３１３では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、ステップＳ３１１によって算出した相関およびエントロピーと、ステップＳ３１２によって算出した相関およびエントロピーの各全体平均とを４次元の特徴量とする。そして、この４次元の特徴量によって示される特徴空間上のベクトルを、処理対象画像のテクスチャ情報を示す特徴ベクトルとして算出し、処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００５８】
ステップＳ３１４では、臓器判定部４ａは、あらかじめ４次元の特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ３１５では、臓器判定部４ａは、例えばｋＮＮ法や部分空間法などの公知の判別手法を用い、ステップＳ３１４によって読み込んだ臓器判定基準データをもとに、ステップＳ３１３によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸もしくは大腸とのいずれか一方と判定し、判定結果を各観察画像に対応付ける。
【００５９】
なお、ここでは同時生起行列から算出される相関およびパワースペクトルと、その各全体平均とを特徴量とする特徴ベクトルをもとに臓器判定をするものとして説明したが、特徴ベクトルを構成する特徴量は相関およびエントロピーに限定されず、同時生起行列から算出できる他の特徴量を用いることもできる。また、特徴ベクトルを構成する特徴量は４次元に限定されず２次元または５次元以上とすることもでき、５次元以上とした場合、より高精度に臓器判定を行うことができる。ただし、５次元以上とすることで臓器判定にかかる処理時間が増大するため、所望の判定精度に応じて次元数を適切に設定することが好ましい。なお、上述したように特徴ベクトルを構成する特徴量に全体平均を用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。
【００６０】
（変形例３）
つぎに、本実施の形態にかかる画像処理装置の変形例３について説明する。本変形例３では、臓器判定部４ａは、観察画像の圧縮符号化された圧縮画像データのファイルサイズをもとに、各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像では、小腸もしくは大腸を撮像した観察画像に比べ、各画素とその周囲画素との相関が高いという特徴がある。臓器判定部４ａは、その相関の高さを圧縮画像データのファイルサイズによって判断することで、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００６１】
また、臓器判定部４ａは、観察画像の圧縮画像データのファイルサイズの変化量をもとに、観察画像に撮像された臓器が小腸であるか、大腸であるかを判定する。通常、大腸では、内部に便等が詰まっているため、例えばカプセル型内視鏡で観察画像を取得する場合、カプセル型内視鏡の移動が停滞し、時系列で連続した観察画像間におけるファイルサイズはほとんど変化しない。これに対して、小腸では、カプセル型内視鏡が大腸内に比べてスムーズに移動できるため、時系列で連続した観察画像間におけるファイルサイズに顕著な変化が見られる。臓器判定部４ａは、この特性を利用し、時系列に連続した観察画像間でのファイルサイズの変化量の大きさをもとに、その観察画像に撮像された観察対象が小腸であるか、大腸であるかを判定する。
【００６２】
図１１は、その臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず一連の観察画像における圧縮画像データのファイルサイズをもとに、ファイルサイズの移動平均を算出するとともに（ステップＳ４１１）、ファイルサイズの全体平均を算出する（ステップＳ４１２）。さらに、臓器判定部４ａは、一連の観察画像における連続した各観察画像間でのファイルサイズの変化量を算出し、ファイルサイズの変化量の移動平均を算出するとともに（ステップＳ４１３）、ファイルサイズの変化量の全体平均を算出する（ステップＳ４１４）。その後、臓器判定部４ａは、ステップＳ４１１〜Ｓ４１３による各算出結果をもとに、各観察画像に撮像された臓器を判定し（ステップＳ４１５）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００６３】
ステップＳ４１１では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像におけるファイルサイズの平均であるサイズ平均を算出する。そして、算出したサイズ平均を処理対象画像に対応付ける。なお、本変形例３では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてサイズ平均を算出する。ただし、このサイズ平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにサイズ平均を算出することで、一連の観察画像全体にわたるファイルサイズの移動平均を得る。具体的には、臓器判定部４ａは、ステップＳ４１１によって、例えば図１２−１に示す一連の観察画像のファイルサイズ情報をもとに、図１２−２に示すようにファイルサイズの移動平均を得る。
【００６４】
ステップＳ４１３では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、処理対象画像を含む時系列に近接した複数の観察画像における各観察画像間でのファイルサイズの変化量の平均である変化量平均を算出する。そして、算出した変化量平均を処理対象画像に対応付ける。なお、本変形例３では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いて変化量平均を算出する。ただし、この変化量平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに変化量平均を算出することで、一連の観察画像全体にわたるファイルサイズの変化量の移動平均を得る。具体的には、臓器判定部４ａは、ステップＳ４１３によって、例えば図１２−１に示す一連の観察画像のファイルサイズ情報をもとに、図１２−３に示すようにファイルサイズの変化量の移動平均を得る。
【００６５】
ステップＳ４１５では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、まず、ステップＳ４１１によって算出したサイズ平均と、所定のサイズ判定基準との大小関係に応じ、処理対象画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ４１２によって算出した全体平均ＦsizeAveと、あらかじめ設定された変数Ｍとをもとに、次式（４）によってサイズ判定基準としての閾値ＴFsizeを算出し（図１２−２参照）、この閾値ＴFsizeに対してサイズ平均Ｆsizeが次式（５）を満足するか否かを判別する。
ＴFsize＝ＦsizeAve＋Ｍ ・・・（４）
Ｆsize＜ＴFsize ・・・（５）
【００６６】
臓器判定部４ａは、式（５）が満足される場合、処理対象画像に撮像された臓器が食道もしくは胃であると判定し、式（５）が満足されない場合、小腸もしくは大腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、一連の観察画像における各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００６７】
なお、臓器判定部４ａは、一連の観察画像に胃、小腸および大腸がこの順に撮像されていることが明らかな場合、その先頭画像から順に処理対象画像を切り換えることにより、式（５）が満足されないと最初に判別した観察画像以降すべての観察画像を、小腸もしくは大腸が撮像された画像と判定する。これによって、食道もしくは胃が撮像された観察画像と、小腸もしくは大腸が撮像された観察画像とをより迅速に判別することができる。
【００６８】
つぎに、臓器判定部４ａは、小腸もしくは大腸が撮像されていると判定した一連の観察画像のうち処理対象画像に対し、ステップＳ４１３によって算出した変化量平均と、所定の変化量判定基準との大小関係に応じ、処理対象画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ４１４によって算出した全体平均ＦsizeDiffAveと、あらかじめ設定された変数Ｎとをもとに、次式（６）によって変化量判定基準としての閾値ＴFsizeDiffを算出し（図１２−３参照）、この閾値ＴFsizeDiffに対して変化量平均ＦsizeDiffが次式（７）を満足するか否かを判別する。
ＴFsizeDiff＝ＦsizeDiffAve＋Ｎ ・・・（６）
ＦsizeDiff＜ＴFsizeDiff ・・・（７）
【００６９】
臓器判定部４ａは、式（７）が満足される場合、処理対象画像に撮像された臓器が大腸であると判定し、式（７）が満足されない場合、小腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、先に小腸もしくは大腸が撮像されていると判定した一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、その各観察画像に撮像されている臓器が小腸であるか、大腸であるかを判定する。これによって、臓器判定部４ａは、一連の全観察画像における各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付けることができる。
【００７０】
なお、式（４）に示したように、サイズ判定基準としての閾値ＴFsizeの算出にファイルサイズの全体平均ＦsizeAveを用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。同様に、式（６）に示したように、変化量判定基準としての閾値ＴFsizeDiffの算出にファイルサイズの変化量の全体平均ＦsizeDiffAveを用いるのも、個体差による影響を軽減するためである。また、変数Ｍ，Ｎは、観察者が入力部２から入力することで設定されるものであり、適宜変更可能とされている。
【００７１】
なお、上述した臓器判定処理では、臓器判定部４ａは、各観察画像に撮像された臓器をステップＳ４１５によって一括して判定するものとしたが、式（５）による判定と式（７）による判定とを個別に行うこともできる。例えば、ステップＳ４１２の直後に式（５）による判定を行うことで、小腸もしくは大腸が撮像されていると判定した観察画像だけを対象にステップＳ４１３を行うことができ、これによって、より迅速に臓器判定処理を行うことができる。
【００７２】
また、上述した臓器判定処理では、臓器判定部４ａは、ステップＳ４１５において式（５）による判定と式（７）による判定とを順次行うものとして説明したが、一括して判定をすることもできる。例えば、処理対象画像ごとにサイズ平均Ｆsizeと変化量平均ＦsizeDiffとによって表される特徴ベクトル（Ｆsize，ＦsizeDiff）を求め、この特徴ベクトルが特徴空間上で属する領域に応じて臓器を判定することができる。具体的には、特徴ベクトル（Ｆsize，ＦsizeDiff）が式（５）を満足する領域内にある場合、食道もしくは胃が撮像されていると判定し、それ以外の領域であって式（７）を満足する領域内にある場合には、大腸が撮像されていると判定することができる。さらに、それ以外の領域内にある場合には、小腸が撮像されていると判定することができる。
【００７３】
また、上述した臓器判定処理では、臓器判定部４ａは、複数の観察画像におけるファイルサイズのサイズ平均と変化量平均とをもとに臓器の判定を行うものとしたが、必ずしも平均を用いる必要はなく、例えば個々のファイルサイズと個々のファイルサイズの変化量とをもとに臓器判定をすることもできる。これによって、判定精度の要求が比較的緩い場合には、より迅速に臓器判定処理を行うことができる。
【００７４】
（変形例４）
つぎに、本実施の形態にかかる画像処理装置の変形例４について説明する。本変形例４では、臓器判定部４ａは、圧縮画像データの伸張時に算出されるＤＣＴ係数とその変化量とをもとに臓器判定を行うようにしている。
【００７５】
通常、食道や胃は、小腸に比べて粘膜表面に凹凸が少なく平坦である。逆に、小腸は絨毛などによって表面に凹凸が多い。このため、胃が撮像された観察画像では低周波成分が支配的であり、小腸が撮像された観察画像では高周波成分が支配的である。本変形例４では、臓器判定部４ａは、この性質を利用して、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、一連の観察画像がＪＰＥＧ等、ＤＣＴ圧縮符号化方式によって圧縮された圧縮画像データとして記憶されている場合、圧縮画像データの伸張時に行う逆ＤＣＴ変換によって得られる複数のＤＣＴ係数をもとに判定を行う。
【００７６】
また、大腸では、内部に便等が詰まっているため、例えばカプセル型内視鏡で観察画像を取得する場合、カプセル型内視鏡の移動が停滞し、時系列で連続した観察画像間における周波数成分にほとんど変化がない。これに対して、小腸では、カプセル型内視鏡が大腸内に比べてスムーズに移動できるため、時系列で連続した観察画像間における周波数成分に顕著な変化が見られる。臓器判定部４ａは、この特性を利用し、時系列に連続した観察画像間での周波数成分の変化量の大きさをもとに、その観察画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、一連の観察画像がＤＣＴ圧縮符号化方式によって圧縮された圧縮画像データとして記憶されている場合、時系列に連続した観察画像間でのＤＣＴ係数の変化量をもとに判定を行う。
【００７７】
一般に、画像内の周波数成分情報を得る手法として、フーリエ変換によりパワースペクトルを求める方法がよく知られている。しかしながら、フーリエ変換は計算処理が多いため、通常、膨大な処理時間が必要とされる。これに対し、上述のようにＤＣＴ係数によって周波数成分を判別する場合には、圧縮画像データの伸張処理時にＤＣＴ係数を算出することができ、周波数成分を判別するために特別な演算処理を必要としない。また、ＤＣＴ係数を算出する処理自体が簡易かつ短時間で処理可能であるため、フーリエ変換によるパワースペクトルを用いる場合に比べ、迅速に観察画像中の周波数成分を判別することができるとともに観察画像に撮像された臓器を判定することができる。
【００７８】
図１３は、その臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず観察画像ごとにＤＣＴ係数の重み付け平均としての代表ＤＣＴ係数を算出する（ステップＳ５１０）。そして、一連の観察画像における代表ＤＣＴ係数をもとに、代表ＤＣＴ係数の移動平均を算出するとともに（ステップＳ５１１）、代表ＤＣＴ係数の全体平均を算出する（ステップＳ５１２）。さらに、臓器判定部４ａは、一連の観察画像における連続した各観察画像間での代表ＤＣＴ係数の変化量を算出し、代表ＤＣＴ係数の変化量の移動平均を算出するとともに（ステップＳ５１３）、代表ＤＣＴ係数の変化量の全体平均を算出する（ステップＳ５１４）。その後、臓器判定部４ａは、ステップＳ５１１〜Ｓ５１３による各算出結果をもとに、各観察画像に撮像された臓器を判定し（ステップＳ５１５）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００７９】
ステップＳ５１０では、臓器判定部４ａは、まず観察画像ごとに圧縮画像データの伸張時に処理単位とされる各８×８画素ブロックについて、低周波成分から高周波成分にわたる所定の複数のＤＣＴ係数をもとにそのブロック平均を算出する。具体的には、図１４に示すように得られる８×８画素ブロックのＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をもとに、ＤＣ成分に相当する「ＤＣＴ１」を除き、「ＤＣＴ２」〜「ＤＣＴ６４」全体の周波数ごとの重み付け平均、もしくは「ＤＣＴ２」〜「ＤＣＴ６４」のうちあらかじめ選択された１以上のＤＣＴ係数の周波数ごとの重み付け平均を算出してブロック平均とする。なお、周波数ごとの重み付けでは、高周波ほど低周波よりも重み付けを重くするとよい。さらに、臓器判定部４ａは、観察画像ごとに各８×８画素ブロックのブロック平均をさらに平均した全体平均を代表ＤＣＴ係数として算出する。
【００８０】
ステップＳ５１１では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像における代表ＤＣＴ係数の平均であるＤＣＴ係数平均を算出する。そして、算出したＤＣＴ係数平均を処理対象画像に対応付ける。なお、本変形例４では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてＤＣＴ係数平均を算出する。ただし、このＤＣＴ係数平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにＤＣＴ係数平均を算出することで、一連の観察画像全体にわたる代表ＤＣＴ係数の移動平均を得る。
【００８１】
ステップＳ５１３では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像における各観察画像間での代表ＤＣＴ係数の変化量の平均であるＤＣＴ変化量平均を算出する。そして、算出したＤＣＴ変化量平均を処理対象画像に対応付ける。なお、本変形例４では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてＤＣＴ変化量平均を算出する。ただし、このＤＣＴ変化量平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにＤＣＴ変化量平均を算出することで、一連の観察画像全体にわたる代表ＤＣＴ係数の変化量の移動平均を得る。
【００８２】
ステップＳ５１５では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、まず、ステップＳ５１１によって算出したＤＣＴ係数平均と、所定のＤＣＴ判定基準との大小関係に応じ、処理対象画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ５１２によって算出した全体平均ＦdctAveと、あらかじめ設定された変数Ｋとをもとに、次式（８）によってＤＣＴ判定基準としての閾値Ｔdctを算出し、この閾値Ｔdctに対してＤＣＴ係数平均Ｆdctが次式（９）を満足するか否かを判別する。
Ｔdct＝ＦdctAve＋Ｋ ・・・（８）
Ｆdct＜Ｔdct ・・・（９）
【００８３】
臓器判定部４ａは、式（９）が満足される場合、処理対象画像に撮像された臓器が食道もしくは胃であると判定し、式（９）が満足されない場合、小腸もしくは大腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、一連の観察画像における各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００８４】
なお、臓器判定部４ａは、一連の観察画像に胃、小腸および大腸がこの順に撮像されていることが明らかな場合、その先頭画像から順に処理対象画像を切り換えることにより、式（９）が満足されないと最初に判別した観察画像以降すべての観察画像を、小腸もしくは大腸が撮像されたものと判定する。これによって、食道もしくは胃が撮像された観察画像と、小腸もしくは大腸が撮像された観察画像とをより迅速に判別することができる。
【００８５】
つぎに、臓器判定部４ａは、小腸もしくは大腸が撮像されていると判定した一連の観察画像のうち処理対象画像に対し、ステップＳ５１３によって算出したＤＣＴ変化量平均と、所定のＤＣＴ変化量判定基準との大小関係に応じ、処理対象画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ５１４によって算出した全体平均ＦdctDiffAveと、あらかじめ設定された変数Ｌとをもとに、次式（１０）によってＤＣＴ変化量判定基準としての閾値ＴdctDiffを算出し、この閾値ＴdctDiffに対してＤＣＴ変化量平均ＦdctDiffが次式（１１）を満足するか否かを判別する。
ＴdctDiff＝ＦdctDiffAve＋Ｌ ・・・（１０）
ＦdctDiff＜ＴdctDiff ・・・（１１）
【００８６】
臓器判定部４ａは、式（１１）が満足される場合、処理対象画像に撮像された臓器が大腸であると判定し、式（１１）が満足されない場合、小腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、先に小腸もしくは大腸が撮像されていると判定した一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、その各観察画像に撮像されている臓器が小腸であるか、大腸であるかを判定する。これによって、臓器判定部４ａは、一連の全観察画像における各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付けることができる。
【００８７】
なお、式（８）に示したように、ＤＣＴ判定基準としての閾値Ｔdctの算出に代表ＤＣＴ係数の全体平均ＦdctAveを用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。同様に、式（１０）に示したように、ＤＣＴ変化量判定基準としての閾値ＴdctDiffの算出に代表ＤＣＴ係数の変化量の全体平均ＦdctDiffAveを用いるのも、個体差による影響を軽減するためである。また、変数Ｋ，Ｌは、観察者が入力部２から入力することで設定されるものであり、適宜変更可能とされている。
【００８８】
なお、上述した臓器判定処理では、臓器判定部４ａは、各観察画像に撮像された臓器をステップＳ５１５によって一括して判定するものとしたが、式（９）による判定と式（１１）による判定とを個別に行うこともできる。例えば、ステップＳ５１２の直後に式（９）による判定を行うことで、小腸もしくは大腸が撮像されていると判定した観察画像だけを対象にステップＳ５１３を行うことができ、これによって、より迅速に臓器判定処理を行うことができる。
【００８９】
また、上述した臓器判定処理では、臓器判定部４ａは、ステップＳ５１５において式（９）による判定と式（１１）による判定とを順次行うものとして説明したが、一括して判定をすることもできる。例えば、処理対象画像ごとにＤＣＴ係数平均ＦdctとＤＣＴ変化量平均ＦdctDiffとによって表される特徴ベクトル（Ｆdct，ＦdctDiff）を求め、この特徴ベクトルが特徴空間上で属する領域に応じて臓器を判定することができる。具体的には、特徴ベクトル（Ｆdct，ＦdctDiff）が式（９）を満足する領域内にある場合、食道もしくは胃が撮像されていると判定し、それ以外の領域であって式（１１）を満足する領域内にある場合には、大腸が撮像されていると判定することができる。さらに、それ以外の領域内にある場合には、小腸が撮像されていると判定することができる。
【００９０】
また、上述した臓器判定処理では、臓器判定部４ａは、複数の観察画像におけるＤＣＴ係数平均とＤＣＴ変化量平均とをもとに臓器の判定を行うものとしたが、必ずしも平均を用いる必要はなく、例えば個々の代表ＤＣＴ係数と個々の代表ＤＣＴ係数の変化量とをもとに臓器判定をすることもできる。これによって、判定精度の要求が比較的緩い場合には、より迅速に臓器判定処理を行うことができる。
【００９１】
（変形例５）
つぎに、本実施の形態にかかる画像処理装置の変形例５について説明する。本変形例５では、臓器判定部４ａは、観察画像ごとの複数のＤＣＴ係数をもとに特徴ベクトルを求め、この特徴ベクトルによって臓器判定を行うようにしている。
【００９２】
図１５は、臓器判定部１４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず観察画像ごとにＤＣＴ係数をもとに特徴ベクトルを算出し（ステップＳ６１１）、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込む（ステップＳ６１２）。そして、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定し（ステップＳ６１３）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００９３】
ステップＳ６１１では、臓器判定部４ａは、まず一連の観察画像における処理対象画像について、圧縮画像データの伸張時に処理単位とされる各８×８画素ブロックごとに、所定の１以上のＤＣＴ係数をもとに、低周波成分のブロック代表値と、高周波成分のブロック代表値とを算出する。具体的には、図１４に示すように得られる８×８画素ブロックのＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をもとに、例えば低周波成分のブロック代表値として「ＤＣＴ２」〜「ＤＣＴ１０」の周波数ごとの重み付け平均を算出し、高周波成分のブロック代表値として「ＤＣＴ５５」〜「ＤＣＴ６４」の周波数ごとの重み付け平均を算出する。なお、周波数ごとの重み付けでは、高周波ほど低周波よりも重み付けを重くするとよい。
【００９４】
さらに、臓器判定部４ａは、処理対象画像における各８×８画素ブロックの低周波成分のブロック代表値と、高周波成分のブロック代表値と、ＤＣ成分を示す「ＤＣＴ１」とをそれぞれ処理対象画像内の全８×８画素ブロックにわって平均し、特徴量Ｄ〜Ｆとして算出する。そして、この特徴量Ｄ〜Ｆによって示される特徴空間上のベクトルを、処理対象画像の周波数分布を示す特徴ベクトルとして処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００９５】
ステップＳ６１２では、臓器判定部４ａは、例えば図１６に示すようにあらかじめ特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ６１３では、臓器判定部４ａは、例えばｋＮＮ法（k-Nearest Neighbor Method）や部分空間法などの公知の判別手法を用い、ステップＳ６１２によって読み込んだ臓器判定基準データをもとに、ステップＳ６１１によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付ける。
【００９６】
なお、上述した臓器判定処理では、臓器判定部４ａは、３つの特徴量Ｄ〜Ｆをもとに特徴ベクトルを算出し、臓器判定を行うものとしたが、３つに限定されず、２つもしくは４つ以上の特徴量をもとに特徴ベクトルを算出することもできる。例えば、ステップＳ６１１において、各８×８画素ブロックにおけるＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をそれぞれブロック代表値とし、このブロック代表値ごとに処理対象画像内の全８×８画素ブロックにわたる平均値を算出して特徴量とすることで、最大６４次元の特徴量からなる特徴ベクトルを得ることができる。これにより、ＤＣＴ係数における全周波数成分を反映させた特徴ベクトルに基づいて臓器判定を行うことができ、より高精度に臓器判定をすることができる。ただし、次元数を増やすことで特徴ベクトルの導出にかかる処理時間が増大するため、必要な判定精度に応じて次元数を適宜設定することが好ましい。
【００９７】
ここまで、本発明を実施する最良の形態を、変形例１および２を含む実施の形態として説明したが、本発明は、上述した実施の形態に限定されず、本発明の趣旨を逸脱しない範囲であれば、種々の変形が可能である。
【００９８】
例えば、上述した実施の形態では、画像処理制御部６ａは、臓器判定部４ａが判定した臓器と撮像距離推定部４ｂが推定した撮像距離とに基づいて異常検出パラメータのパラメータ値を設定するものとしたが、臓器判定部４ａが判定した臓器と、撮像距離推定部４ｂが推定した撮像距離とのどちらか一方に基づいてパラメータ値を設定することもできる。
【００９９】
その場合、異常検出パラメータ記憶部３ｄは、臓器または撮像距離の一方に応じてあらかじめパラメータ値を記憶した記憶テーブルを備えるようにすることができる。具体的には、異常検出パラメータ記憶部３ｄは、画像処理制御部６ａが臓器に基づいてパラメータ値を設定する場合、例えば図１７−１に示すように臓器ごとにパラメータ値を記憶した記憶テーブルを備えることができる。また、画像処理制御部６ａが撮像距離に基づいてパラメータ値を設定する場合には、例えば図１７−２に示すように撮像距離に応じてパラメータ値を記憶した記憶テーブルを備えることができる。
【０１００】
さらに、画像処理制御部６ａが臓器と撮像距離とのどちらか一方に基づいてパラメータ値を設定する場合には、画像処理部４は、臓器判定部４ａと撮像距離推定部４ｂとのいずれか一方だけを備えるようにすることができ、記憶部３は、臓器判定基準データ記憶部３ｂと距離推定基準データ記憶部３ｃとのいずれか一方だけを備えるようにすることができる。なお、その場合、図２に示した画像処理手順では、ステップＳ１０２の臓器判定処理とステップＳ１０３の撮像距離推定処理とのいずれか一方を省略することができる。
【０１０１】
また、上述した実施の形態における臓器判定処理では、臓器判定部４ａは、一連の観察画像におけるすべての観察画像について臓器判定を行うものとして説明したが、例えばあらかじめ指定された画像数もしくは画像番号までの観察画像についてのみ臓器判定を行うようにすることもできる。あるいは、所望する臓器を指定し、その臓器が撮像された観察画像までを処理対象とすることもできる。これによって、所望する臓器が撮像された観察画像のみ対象として一層迅速に臓器判定処理を行うことができる。
【０１０２】
同様に、撮像距離推定処理、パラメータ設定処理および異常領域検出処理においても、すべての観察画像に限らず、あらかじめ定められた観察画像のみを処理対象とすることができ、これによって、異常領域を検出するまでにかかる全体の処理時間を一層短縮化することができる。
【０１０３】
なお、上述した実施の形態では、画像処理装置１が処理する一連の観察画像は、食道、胃、小腸および大腸の内部が順次撮像されたものとしたが、食道もしくは胃と、小腸と、大腸との少なくとも１つの内部が個別に撮像された画像群であっても、本発明は適用可能である。
【図面の簡単な説明】
【０１０４】
【図１】本発明の実施の形態にかかる画像処理装置の要部構成を示すブロック図である。
【図２】画像処理装置が行う画像処理手順を示すフローチャートである。
【図３】臓器判定処理手順を示すフローチャートである。
【図４】臓器判定基準データを説明する図である。
【図５】撮像距離に対する跳ね返り輝度特性を示す図である。
【図６】撮像距離推定手順を示すフローチャートである。
【図７】異常検出パラメータ記憶部が記憶したパラメータ値を示す図である。
【図８】変形例１にかかる臓器判定処理手順を示すフローチャートである。
【図９】変形例１にかかる臓器判定基準データを示す図である。
【図１０】変形例２にかかる臓器判定処理手順を示すフローチャートである。
【図１１】変形例３にかかる臓器判定処理手順を示すフローチャートである。
【図１２−１】一連の観察画像のファイルサイズを示す図である。
【図１２−２】一連の観察画像のファイルサイズの移動平均を示す図である。
【図１２−３】一連の観察画像のファイルサイズ変化量の移動平均を示す図である。
【図１３】変形例４にかかる臓器判定処理手順を示すフローチャートである。
【図１４】８×８画素ブロックにおけるＤＣＴ係数を示す図である。
【図１５】変形例５にかかる臓器判定処理手順を示すフローチャートである。
【図１６】臓器判定基準データを説明する図である。
【図１７−１】異常検出パラメータが記憶したパラメータ値を示す図である。
【図１７−２】異常検出パラメータが記憶したパラメータ値を示す図である。
【符号の説明】
【０１０５】
１ 画像処理装置
２ 入力部
３ 記憶部
３ａ 観察画像記憶部
３ｂ 臓器判定基準データ記憶部
３ｃ 距離推定基準データ記憶部
３ｄ 異常検出パラメータ記憶部
４ 画像処理部
４ａ 臓器判定部
４ｂ 撮像距離推定部
４ｃ 異常領域検出部
５ 出力部
６ 制御部
６ａ 画像処理制御部
【技術分野】
【０００１】
本発明は、観察画像から特異な領域を検出するための画像処理装置および画像処理プログラムに関し、特に、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域を検出する画像処理装置および画像処理プログラムに関するものである。
【背景技術】
【０００２】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像を得るシステムとして、例えば、被検体内を観察するカプセル型内視鏡が開発されている。カプセル型内視鏡は、撮像機能と無線通信機能とを備え、被検体に飲み込まれた後、自然排出されるまでの間、食道、胃、小腸および大腸等の内部を蠕動運動などに応じて順次移動しながら撮像するとともに、撮像により生成した画像データを無線通信によって外部受信機へ順次送信する。医師、看護師等は、外部受信機によって取得した画像データを観察画像として表示させ、その観察画像に基づいて被検体内を観察することができる。
【０００３】
通常、カプセル型内視鏡によって取得する一連の観察画像の数は膨大であり、医師、看護師等は、その一連の観察画像をもとに観察を行うにあたって多大な時間と労力とが必要とされる。これに対し、観察対象内の異常部を検出して表示させることで効率的に病変部の観察をすることができる異常検出システムが開発されている（例えば、特許文献１参照）。この異常検出システムでは、観察画像を複数の単位ブロックに分割し、その単位ブロックごとの色情報を、あらかじめ作成した異常部の色基準および正常部の色基準と比較することで異常部を検出するようにしている。
【０００４】
【特許文献１】特表２００４−５２１６９３号公報
【特許文献２】特開２００５−１９２８８０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
ところで、カプセル型内視鏡によって取得される一連の観察画像では、粘液や内容物等の影響により小腸が胃に比べて濁った色になるなど、臓器の種類に応じて輝度や色味が大きく異なる。また、臓器の種類に応じて検出対象となる異常部の特徴も異なる。例えば、小腸の肥大した血管は検出すべき異常部であるが、胃の血管は優先的に検出する必要のない異常部であるなど、臓器に依存した異常部が存在する。
【０００６】
しかしながら、上述した異常検出システムでは、臓器の種類に応じて異なる特徴を示す各種の異常部を確実に検出することができないという問題があった。
【０００７】
本発明は、上記に鑑みてなされたものであって、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から、観察対象の種類に応じて異なる特徴を示す画像領域を確実に検出するときの検出精度を向上させることができる画像処理装置および画像処理プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記の目的を達成するために、本発明にかかる画像処理装置は、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置において、前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手段と、前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手段と、前記対象判定手段の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手段と、を備えたことを特徴とする。
【０００９】
また、本発明にかかる画像処理プログラムは、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置に、前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手順と、前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手順と、前記対象判定手順の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手順に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手順と、を実行させることを特徴とする。
【発明の効果】
【００１０】
本発明にかかる画像処理装置および画像処理プログラムによれば、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から、観察対象の種類に応じて異なる特徴を示す画像領域を確実に検出するときの検出精度を向上させることができる。
【発明を実施するための最良の形態】
【００１１】
以下、添付図面を参照して、本発明にかかる画像処理装置および画像処理プログラムの好適な実施の形態を詳細に説明する。なお、この実施の形態では、本発明にかかる画像処理装置は、複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像として、例えばカプセル型内視鏡によって食道、胃、小腸および大腸の内部のうち少なくとも１つが順次撮像された一連の観察画像を処理するものとして説明する。ただし、本発明にかかる画像処理装置によって処理可能な観察画像は、観察対象としてかかる臓器（消化器官）が撮像された観察画像に限定されるものではなく、この実施の形態により本発明が限定されるものではない。なお、図面の記載において、同一部分には同一符号を付して示している。
【００１２】
（実施の形態）
まず、本発明の実施の形態にかかる画像処理装置について説明する。図１は、本実施の形態にかかる画像処理装置１の要部構成を示すブロック図である。この図に示すように、画像処理装置１は、画像を含む各種情報の入力、記憶および出力をそれぞれ行う入力部２、記憶部３および出力部５と、記憶部３に記憶された画像を処理する画像処理部４と、これらの各部に電気的に接続され、その接続された各部の処理および動作を制御する制御部６とを備える。
【００１３】
入力部２は、データ通信インターフェースを用いて構成され、このデータ通信インターフェースから制御部６に対し、処理対象としての一連の観察画像の画像データの入力を行う。また、入力部２は、各種入力デバイスを備え、制御部６が処理に用いる処理パラメータのパラメータ値等、各種情報の入力を行う。
【００１４】
記憶部３は、ハードディスク、ＲＯＭおよびＲＡＭ等を用いて構成され、制御部６が実行させる各種処理プログラム、制御部６が処理に用いる各種処理パラメータ、制御部６による各種処理結果等、種々の情報を記憶する。特に、記憶部３は、入力部２から入力された一連の観察画像を記憶する観察画像記憶部３ａと、後述の臓器判定処理に用いる基準データを記憶する臓器判定基準データ記憶部３ｂと、後述の撮像距離推定処理に用いる基準データを記憶する距離推定基準データ記憶部３ｃと、後述の異常領域検出処理に用いるパラメータのパラメータ値を記憶する異常検出パラメータ記憶部３ｄとを備える。なお、記憶部３は、画像処理装置１に対して着脱自在な携帯型記憶媒体を備え、この携帯型記憶媒体によって入力部２を介さずに画像データを取得して一連の観察画像を記憶することができる。
【００１５】
画像処理部４は、例えばＣＰＵによって実現され、制御部６が実行させる所定の画像処理プログラムに基づき、観察画像記憶部３ａに記憶された一連の観察画像に対して種々の画像処理を行う。特に、画像処理部４は、各観察画像に撮像された観察対象としての所定の臓器を判定する臓器判定部４ａと、観察画像が撮像されたときの撮像距離を推定する撮像距離推定部４ｂと、観察画像内から所定の特徴を有する特徴画像領域としての異常領域を検出する異常領域検出部４ｃとを備える。具体的には、臓器判定部４ａは、各観察画像に撮像された観察対象を食道、胃、小腸および大腸のいずれか一つの臓器と判定し、異常領域検出部４ｃは、臓器判定部４ａが判定した臓器内の異常部に対応する画像領域である異常領域を検出する。
【００１６】
出力部５は、液晶表示器等の各種表示器を用いて構成され、一連の観察画像、臓器判定部４ａの判定結果、撮像距離推定部４ｂの推定結果、異常領域検出部４ｃの検出結果等、各種情報を表示する。また、出力部５は、データ通信インターフェースを備え、このデータ通信インターフェースから外部装置に対してその各種情報を出力することができる。
【００１７】
制御部６は、ＣＰＵによって実現され、記憶部３に記憶された所定の処理プログラムを実行させることで、画像処理装置１が備える各部の処理および動作を制御する。特に、制御部６は、記憶部３に記憶された所定の画像処理プログラムを実行し、観察画像記憶部３ａに記憶された一連の観察画像を画像処理部４に処理させる画像処理制御部６ａを備える。また、制御部６は、画像処理部４による処理結果等を出力部５に出力させる。
【００１８】
つづいて、画像処理装置１が行う画像処理手順について説明する。図２は、制御部６が所定の画像処理プログラムを実行させることで、観察画像記憶部３ａに記憶された一連の観察画像を処理する処理手順を示すフローチャートである。この図に示すように、画像処理制御部６ａは、まず観察画像記憶部３ａから一連の観察画像を読み込み（ステップＳ１０１）、各観察画像に撮像された臓器を臓器判定部４ａによって判定する臓器判定処理を行うとともに（ステップＳ１０２）、各観察画像が撮像されたときの撮像距離を撮像距離推定部４ｂによって推定する撮像距離推定処理を行う（ステップＳ１０３）。その後、画像処理制御部６ａは、臓器判定処理の臓器判定結果と撮像距離推定処理の撮像距離推定結果とをもとに、後述の異常検出パラメータにパラメータ値を設定するパラメータ設定処理を行い（ステップＳ１０４）、異常領域検出部４ｃにその異常検出パラメータを用いて異常領域を検出させる異常領域検出処理を行う（ステップＳ１０５）。そして、画像処理制御部６ａは、異常領域検出処理の検出結果を出力部５に出力させ（ステップＳ１０６）、一連の処理を終了する。
【００１９】
ステップＳ１０２の臓器判定処理では、臓器判定部４ａは、観察画像の周波数成分情報をもとに、各観察画像に撮像された臓器を判定する。例えば、食道や胃は、小腸に比べて粘膜表面に凹凸が少なく平坦である。逆に、小腸は絨毛などによって表面に凹凸が多い。このため、食道や胃が撮像された観察画像では低周波数成分が支配的であり、小腸が撮像された観察画像では高周波数成分が支配的である。臓器判定部４ａは、このような性質を利用して、観察画像に撮像された臓器が食道もしくは胃であるか、小腸であるか、または大腸であるかを判定する。具体的には、臓器判定部４ａは、周波数成分情報として例えばフーリエ変換によって得られるパワースペクトルを用いて臓器判定を行う。
【００２０】
図３は、臓器判定部４ａによる臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとにパワースペクトルに基づく特徴ベクトルを算出し（ステップＳ１１１）、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込み（ステップＳ１１２）、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ１１３）。その後、臓器判定部４ａは、臓器判定処理を終了し、ステップＳ１０２へリターンする。
【００２１】
ステップＳ１１１では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、フーリエ変換によってパワースペクトルを算出し、算出したパワースペクトルから高周波数成分、中間周波数成分および低周波数成分をそれぞれ特徴量Ａ〜Ｃとして抽出する。そして、この特徴量Ａ〜Ｃによって示される特徴空間上のベクトルを、処理対象画像の周波数成分情報を示す特徴ベクトルとして処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００２２】
ステップＳ１１２では、臓器判定部４ａは、例えば図４に示すようにあらかじめ特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ１１３では、臓器判定部４ａは、例えばｋＮＮ法（k-Nearest Neighbor Method）や部分空間法などの公知の判別手法を用い、ステップＳ１１２によって読み込んだ臓器判定基準データをもとに、ステップＳ１１１によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付ける。
【００２３】
なお、ここではパワースペクトルにおける３つの周波数成分によって示される特徴ベクトルをもとに臓器判定をするものとして説明したが、特徴量として用いる周波数成分の数つまり特徴量の次元数は、３つに限定されず２つまたは４つ以上とすることもできる。４次元以上とすることで、より高精度に臓器判定を行うことができる。ただし、４次元以上とすることで臓器判定にかかる処理時間が増大するため、所望の判定精度に応じて次元数を適切に設定することが好ましい。また、ここではパワースペクトルを特徴ベクトルによって特徴付けることで臓器判定を行うものとしたが、特徴ベクトルに限らず、例えばパワースペクトルの分布パターンに対し、あらかじめ臓器ごとに求められた基準分布パターンをもとにパターンマッチングを行うことで臓器判定をすることもできる。
【００２４】
つぎに、ステップＳ１０３の撮像距離推定処理では、撮像距離推定部４ｂは、観察画像の輝度情報またはゲイン情報をもとに、各観察画像が撮像されたときの撮像距離、すなわち観察画像を撮像した撮像装置としてのカプセル型内視鏡等から被写体としての臓器内壁までの距離を推定する。
【００２５】
一般に、観察画像では、撮像距離に応じて跳ね返り輝度が変化する。跳ね返り輝度とは、撮像装置等から照射した照明光が被写体によって反射された後、撮像装置によって観察光として受光されるときの輝度を意味する。この跳ね返り輝度は、被写体が撮像装置に近づくにつれて高くなり、遠ざかるにつれて低くなる。撮像距離と跳ね返り輝度との関係は、図５に示すように、跳ね返り輝度が撮像距離の２乗に反比例するものとして知られている。そして、この跳ね返り輝度が高い場合、観察画像の輝度平均は高く、跳ね返り輝度が低い場合には、輝度平均は低くなる。撮像距離推定部４ｂは、この性質を利用して、観察画像の輝度平均をもとに撮像距離を推定する。ここで、観察画像の輝度平均とは、観察画像内の全画素もしくは所定の複数画素の輝度値（画素値）の平均値である。
【００２６】
一方、撮像装置がＡＧＣ（Auto Gain Control）機能を有する場合、一般に、観察画像の撮像時に跳ね返り輝度に応じてゲインが補正される。すなわち、撮像距離が小さく跳ね返り輝度が高くなった場合にゲインを低くし、撮像距離が大きく跳ね返り輝度が低くなった場合にはゲインを高くするようにゲイン補正が行われる。カプセル型内視鏡では、通常ＡＧＣ機能が設けられており、それによるゲインの補正値であるＡＧＣ補正値は、撮像された観察画像ごとに付加情報として記録される。撮像距離推定部４ｂは、このＡＧＣ機能の特性を利用し、観察画像ごとに記録されたＡＧＣ補正値をもとに撮像距離を推定する。
【００２７】
図６は、撮像距離推定部４ｂによる撮像距離推定処理の処理手順を示すフローチャートである。この図に示すように、撮像距離推定部４ｂは、まず観察画像にＡＧＣ補正値が記録されているか否かを判断し（ステップＳ１２１）、ＡＧＣ補正値が記録されている場合、ＡＧＣ補正をもとに撮像距離を推定し、ＡＧＣ補正値が記録されていない場合には、輝度平均をもとに撮像距離の推定を行う。
【００２８】
具体的には、観察画像にＡＧＣ補正値が記録されている場合（ステップＳ１２１：Ｙｅｓ）、撮像距離推定部４ｂは、各観察画像からＡＧＣ補正値を取得し（ステップＳ１２２）、全観察画像におけるＡＧＣ補正値の全体平均を算出するとともに（ステップＳ１２３）、ＡＧＣ補正値とその全体平均とをもとに各観察画像の撮像距離を推定する（ステップＳ１２４）。
【００２９】
一方、観察画像にＡＧＣ補正値が記録されていない場合には（ステップＳ１２１：Ｎｏ）、撮像距離推定部４ｂは、観察画像ごとに輝度平均を算出し（ステップＳ１２５）、全観察画像における輝度平均の全体平均を算出するとともに（ステップＳ１２６）、輝度平均とその全体平均とをもとに各観察画像の撮像距離を推定する（ステップＳ１２７）。そして、撮像距離推定部４ｂは、ステップＳ１２４もしくはＳ１２７の後、撮像距離推定処理を終了し、ステップＳ１０３へリターンする。
【００３０】
ステップＳ１２４では、撮像距離推定部４ｂは、一連の観察画像のうちの処理対象画像に対し、ＡＧＣ補正値Ｃとその全体平均Ｃaveとをもとに、次式（１）によって撮像距離Ｘを推定する。さらに、撮像距離推定部４ｂは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の演算を行うことで、各観察画像の撮像距離を推定する。なお、式（１）における係数ｆ（Ｃave）は、全体平均Ｃaveをもとに所定演算によって決定される係数である。
【数１】
【００３１】
ステップＳ１２７では、撮像距離推定部４ｂは、一連の観察画像のうちの処理対象画像に対し、輝度平均Ｅとその全体平均Ｅaveとをもとに、次式（２）によって撮像距離Ｘを推定する。そして、撮像距離推定部４ｂは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の演算を行うことで、各観察画像の撮像距離を推定する。なお、式（２）における係数ｆ（Ｅave）は、全体平均Ｅaveをもとに所定演算によって決定される係数である。
【数２】
【００３２】
なお、撮像距離推定部４ｂは、観察画像にＡＧＣ補正値が記録されている場合には、ＡＧＣ補正値のみに基づいて撮像距離を推定する代わりに、ＡＧＣ補正値と輝度平均とを併用して撮像距離の推定を行うこともできる。この場合、撮像距離推定部４ｂは、ステップＳ１２２〜Ｓ１２４の処理とステップＳ１２５〜１２７の処理とを両方行い、例えば各処理によって推定した撮像距離の平均値を最終的な推定結果とすることができる。
【００３３】
つぎに、ステップＳ１０４のパラメータ設定処理では、画像処理制御部６ａは、観察画像ごとに、ステップＳ１０２の臓器判定処理によって判定された臓器とステップＳ１０３の撮像距離推定処理によって推定された撮像距離とをもとに、異常検出パラメータにパラメータ値を設定する。ここで、異常検出パラメータとは、異常領域検出部４ｃがステップＳ１０５の異常領域検出処理に用いる処理パラメータの一つであって、異常領域の所定の特徴量を示すパラメータ、あるいは観察画像を処理する際に処理単位となる画素ブロックサイズ（処理単位画素ブロックサイズ）を示すパラメータ等が含まれる。
【００３４】
一般に、胃、小腸および大腸などの臓器の種類に応じ、異常領域として検出すべき画像領域の特徴は異なり、例えば、小腸において検出すべき異常領域の領域サイズ（大きさ）は、胃において検出すべき領域サイズに比べて小さい。このため、異常領域を検出する際、その特徴量としての領域サイズを判定する判定基準としての下限閾値を胃と小腸とに対して等しく設定していると、小腸において検出すべき領域サイズの画像領域が異常領域として検出されず、また胃において検出する必要がない領域サイズの画像領域が異常領域として誤検出される恐れがある。これに対し、胃および小腸のそれぞれに適正な下限閾値を設定することで、胃および小腸のそれぞれに応じた特徴的な大きさの異常領域を確実に検出することができるとともに、異常領域として検出する必要がない画像領域を検出対象から除外することができる。
【００３５】
一方、例えば同一の異常部が撮像された観察画像であっても撮像距離が異なる場合には、観察画像上に占める異常領域の領域サイズは異なるものとなる。具体的には、撮像距離が大きくなるにしたがい異常領域の領域サイズは小さくなる。このため、異常領域を検出する際、その領域サイズの下限閾値を撮像距離によらず等しく設定していると、撮像距離が大きい場合、検出すべき異常領域の領域サイズが小さすぎて検出されず、また撮像距離が小さい場合には、検出する必要がない領域サイズの特徴画像領域が異常領域として誤検出される恐れがある。これに対し、撮像距離に応じて適正な下限閾値を設定することで、撮像距離によらず検出すべき異常領域を確実に検出することができるとともに、異常領域として検出する必要がない特徴画像領域を検出対象から除外することができる。
【００３６】
以上のことから、画像処理装置１では、例えば図７に示すように、撮像距離に応じて臓器ごとに適正な領域サイズの下限閾値が、異常検出パラメータであるサイズパラメータのパラメータ値として、あらかじめ異常検出パラメータ記憶部３ｄに記憶されている。そして、画像処理制御部６ａは、ステップＳ１０４のパラメータ設定処理において、観察画像ごとに、臓器判定部４ａによって判定された臓器と撮像距離推定部４ｂによって推定された撮像距離とに対応するパラメータ値を異常検出パラメータ記憶部３ｄから読み出し、この読み出したパラメータ値を異常検出パラメータに設定する。
【００３７】
なお、ここでは、あらかじめ異常検出パラメータ記憶部３ｄに記憶させる異常検出パラメータのパラメータ値として、異常領域の領域サイズを示すパラメータ値について説明したが、領域サイズに限定して解釈する必要はなく、異常領域の他の特徴量、例えば色味などを示すパラメータ値とすることもできる。また、異常領域の特徴量に限らず、例えば観察画像の処理単位画素ブロックサイズを示すパラメータ値とすることもできる。
【００３８】
さらに、あらかじめ記憶させるパラメータ値は、１種類に限定されず、複数の異常検出パラメータに対するパラメータ値を記憶させることができる。その場合、例えば、異常検出パラメータ記憶部３ｄは、複数の異常検出パラメータごとにパラメータ値を図７に示したように記憶テーブルに記憶し、画像処理制御部６ａは、パラメータ設定処理において、異常検出パラメータごとに各々対応する記憶テーブルからパラメータ値を読み出し、読み出したパラメータ値を設定するとよい。
【００３９】
つぎに、ステップＳ１０５の異常領域検出処理では、異常領域検出部４ｃは、一連の観察画像のうちの処理対象画像に対し、ステップＳ１０４のパラメータ設定処理によってこの処理対象画像に対応するパラメータ値が設定された異常検出パラメータを用い、処理対象画像内から所定の異常領域を検出する。具体的には、異常領域検出部４ｃは、例えば図７に示す記憶テーブルに記憶されたパラメータ値が設定されたサイズパラメータを用い、そのパラメータ値が示す領域サイズよりも小さい領域であって他に異常領域としての所定の特徴（例えば色味など）を有する画像領域を異常領域として検出する。さらに、異常領域検出部４ｃは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像から所望の異常領域を検出する。
【００４０】
なお、異常領域検出部４ｃは、このようなサイズパラメータを用いた処理に限定されず、各種の処理によって異常領域検出処理を行うことができる。例えば特許文献２に開示されているように、処理対象画像内の各画素または平均化した画素を、その色情報に基づく特徴空間に写像し、クラスタリングの後に正常部クラスタと異常部クラスタとを特定して、異常部クラスタに属する画素領域を異常領域として検出することができる。この場合、異常領域検出部４ｃは、特徴空間を構成する色情報（例えば、色味または色度）を示す
パラメータ値が設定された異常検出パラメータである色パラメータを用いて異常領域検出処理を行うとよい。そして、異常検出パラメータ記憶部３ｄは、その色パラメータに設定するパラメータ値を、撮像距離に応じて臓器ごとにあらかじめ記憶するとよい。
【００４１】
また、異常領域検出部４ｃは、例えば、特許文献１に開示されているように、処理対象画像を複数の処理単位画素ブロックに分割し、その処理単位画素ブロックごとの色情報を、あらかじめ作成した異常部の色基準および正常部の色基準と比較することで異常領域を検出することができる。この場合、異常領域検出部４ｃは、色パラメータとブロックサイズパラメータとの少なくとも一方を用いて異常領域検出処理を行うとよい。ここで、色パラメータとは、各色基準の色味または色度等を示すパラメータ値が設定されたパラメータであり、ブロックサイズパラメータとは、処理単位画素ブロックサイズを示すパラメータ値が設定された異常検出パラメータである。そして、異常検出パラメータ記憶部３ｄは、その色パラメータとブロックサイズパラメータとの少なくとも一方に設定するパラメータ値を、撮像距離に応じて臓器ごとにあらかじめ記憶するとよい。
【００４２】
なお、撮像の倍率が画像ごとに一定ではない場合には、カプセル型内視鏡では、各観察画像に付加情報として倍率の情報が記録される。そして、上述のサイズパラメータやブロックサイズパラメータを用いて異常領域の検出処理を行う場合には、倍率を考慮して異常領域の検出を行うとよい。
【００４３】
以上説明したように、本実施の形態にかかる画像処理装置１では、一連の観察画像のうちの処理対象画像に撮像された観察対象としての臓器を所定の１以上の観察対象である食道、胃、小腸もしくは大腸のいずれか一つと判定する臓器判定部４ａと、所定の処理パラメータとしての異常検出パラメータを用い、処理対象画像内から所定の特徴を有する特徴画像領域としての異常領域を検出する異常領域検出部４ｃと、臓器判定部４ａの判定結果に対応するパラメータ値を異常検出パラメータに設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させる画像処理制御部６ａと、を備えているため、臓器の種類に応じて異なる特徴を示す異常部等に対応する画像領域としての異常領域を処理対象画像内から確実に検出するときの検出精度を向上させることができる。
【００４４】
さらに、画像処理装置１では、処理対象画像が撮像されたときの撮像距離を推定する撮像距離推定部４ｂを備え、画像処理制御部６ａは、臓器判定部４ａの判定結果と撮像距離推定部４ｂの推定結果とに対応するパラメータ値を異常検出パラメータに設定し、異常領域検出部４ｃにこの異常検出パラメータを用いて異常領域を検出させているため、臓器の種類と撮像距離とに応じて異なる特徴を示す異常領域を処理対象画像内から確実に検出するときの検出精度を向上させることができる。
【００４５】
また、画像処理装置１では、一連の観察画像内で処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに異常領域を検出しているため、一連の観察画像における各観察画像内から異常領域を検出することができる。
【００４６】
（変形例１）
つぎに、本実施の形態にかかる画像処理装置の変形例１について説明する。上述した臓器判定処理では、臓器判定部４ａは、例えばパワースペクトルによって示される観察画像の周波数成分情報をもとに臓器判定を行うものとしたが、本変形例１では、観察画像の画像情報量をもとに臓器判定を行うようにしている。
【００４７】
通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像では、小腸もしくは大腸を撮像した観察画像に比べ、各画素とその周囲画素との相関が高いという特徴がある。したがって、臓器判定部４ａは、その相関の高さを求めることで、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定することができる。
【００４８】
一般に、各画素とその周囲画素との相関の高さは画像情報量によって示され、画像情報量はエントロピーによって示されることが知られている。そのエントロピーＨ（ｆ）は、注目画素の周囲画素のビット列ｒと、その注目画素が画素値ｆを有する確率ｐ（ｒ；ｆ）とを用い、次式（３）によって求められる。ここで、式（３）によって示されるエントロピーＨ（ｆ）は、マルコフ情報源のエントロピーである。
Ｈ（ｆ）＝−ｌｏｇ2（ｐ（ｒ；ｆ）） ・・・（３）
【００４９】
この式（３）による演算を画像全体に対して行うことで、各画素に対応するエントロピーＨ（ｆ）を得ることができる。そして、画像全体の傾向としてエントロピーＨ（ｆ）の値が大きい場合、その画像は、各画素とその周囲画素との相関が低い画像であり、エントロピーＨ（ｆ）の値が小さい場合には、各画素とその周囲画素との相関が高い画像であるといえる。本変形例１にかかる臓器判定部４ａは、この特性を利用して、観察画像ごとにエントロピーＨ（ｆ）を算出し、その算出結果をもとに、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定するようにしている。
【００５０】
図８は、本変形例１にかかる臓器判定部４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとに式（３）によってエントロピーを算出し（ステップＳ２１１）、全観察画像におけるエントロピーの全体平均を算出するとともに（ステップＳ２１２）、エントロピーおよびその全体平均と、あらかじめ臓器判定基準データ記憶部３ｂに記憶された臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ２１３）。その後、臓器判定部４ａは、臓器判定処理を終了してステップＳ１０２へリターンする。
【００５１】
ここで、臓器判定基準データ記憶部３ｂには、例えば図９に示すように、エントロピーおよびその全体平均ごとに臓器が対応付けられた記憶テーブルが臓器判定基準データとして記憶されている。この臓器判定基準データは、各臓器に対する知見をもとにあらかじめ作成することができる。
【００５２】
ステップＳ２１３では、臓器判定部４ａは、一連の観察画像のうちの処理対象画像に対し、臓器判定基準データによってエントロピーとその全体平均とに対応付けられた臓器が撮像されているものと判定する。例えば、臓器判定部４ａは、処理対象画像のエントロピーとエントロピーの全体平均とがともに０．２である場合、図９に示す臓器判定基準データをもとに、その処理対象画像に撮像された臓器が小腸であると判定する。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像に撮像された臓器の判定を行う。
【００５３】
（変形例２）
つぎに、本実施の形態にかかる画像処理装置の変形例２について説明する。本変形例２では、臓器判定部４ａは、観察画像のテクスチャ情報をもとに臓器判定を行うようにしている。通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像ではテクスチャ（texture）情報が少ない。これに対し、小腸ではその表面に絨毛などによる凹凸パターンが多く見られるため、小腸を撮像した観察画像ではテクスチャ情報が多く得られる。したがって、臓器判定部４ａは、観察画像のテクスチャ情報をもとに、その観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定することができる。
【００５４】
一般に、テクスチャ情報として、同時生起行列によってテクスチャの統計的特徴量を求める方法が知られている。同時生起行列は、離れた２つの地点にある画素対の画素値から、画素値の一様性、方向性およびコントラストなどの性質を示す特徴量を求めるものである。本変形例２では、テクスチャ情報として、同時生起行列によって相関とエントロピーとを求める場合について説明する。
【００５５】
図１０は、本変形例２にかかる臓器判定部４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、観察画像ごとに同時生起行列によって相関およびエントロピーを算出し（ステップＳ３１１）、全観察画像における相関およびエントロピーの各全体平均を算出するとともに（ステップＳ３１２）、算出した相関およびエントロピーとその各全体平均とに基づく特徴ベクトルを算出する（ステップＳ３１３）。そして、臓器判定部４ａは、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込み（ステップＳ３１４）、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定する（ステップＳ３１５）。その後、臓器判定部４ａは、臓器判定処理を終了してステップＳ１０２へリターンする。
【００５６】
ステップＳ３１１では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、同時生起行列によって相関とエントロピーとを算出し、さらに一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００５７】
ステップＳ３１３では、臓器判定部４ａは、まず一連の観察画像のうちの処理対象画像に対し、ステップＳ３１１によって算出した相関およびエントロピーと、ステップＳ３１２によって算出した相関およびエントロピーの各全体平均とを４次元の特徴量とする。そして、この４次元の特徴量によって示される特徴空間上のベクトルを、処理対象画像のテクスチャ情報を示す特徴ベクトルとして算出し、処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００５８】
ステップＳ３１４では、臓器判定部４ａは、あらかじめ４次元の特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ３１５では、臓器判定部４ａは、例えばｋＮＮ法や部分空間法などの公知の判別手法を用い、ステップＳ３１４によって読み込んだ臓器判定基準データをもとに、ステップＳ３１３によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸もしくは大腸とのいずれか一方と判定し、判定結果を各観察画像に対応付ける。
【００５９】
なお、ここでは同時生起行列から算出される相関およびパワースペクトルと、その各全体平均とを特徴量とする特徴ベクトルをもとに臓器判定をするものとして説明したが、特徴ベクトルを構成する特徴量は相関およびエントロピーに限定されず、同時生起行列から算出できる他の特徴量を用いることもできる。また、特徴ベクトルを構成する特徴量は４次元に限定されず２次元または５次元以上とすることもでき、５次元以上とした場合、より高精度に臓器判定を行うことができる。ただし、５次元以上とすることで臓器判定にかかる処理時間が増大するため、所望の判定精度に応じて次元数を適切に設定することが好ましい。なお、上述したように特徴ベクトルを構成する特徴量に全体平均を用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。
【００６０】
（変形例３）
つぎに、本実施の形態にかかる画像処理装置の変形例３について説明する。本変形例３では、臓器判定部４ａは、観察画像の圧縮符号化された圧縮画像データのファイルサイズをもとに、各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。通常、食道や胃の内部には比較的凹凸が少ないため、食道もしくは胃を撮像した観察画像では、小腸もしくは大腸を撮像した観察画像に比べ、各画素とその周囲画素との相関が高いという特徴がある。臓器判定部４ａは、その相関の高さを圧縮画像データのファイルサイズによって判断することで、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００６１】
また、臓器判定部４ａは、観察画像の圧縮画像データのファイルサイズの変化量をもとに、観察画像に撮像された臓器が小腸であるか、大腸であるかを判定する。通常、大腸では、内部に便等が詰まっているため、例えばカプセル型内視鏡で観察画像を取得する場合、カプセル型内視鏡の移動が停滞し、時系列で連続した観察画像間におけるファイルサイズはほとんど変化しない。これに対して、小腸では、カプセル型内視鏡が大腸内に比べてスムーズに移動できるため、時系列で連続した観察画像間におけるファイルサイズに顕著な変化が見られる。臓器判定部４ａは、この特性を利用し、時系列に連続した観察画像間でのファイルサイズの変化量の大きさをもとに、その観察画像に撮像された観察対象が小腸であるか、大腸であるかを判定する。
【００６２】
図１１は、その臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず一連の観察画像における圧縮画像データのファイルサイズをもとに、ファイルサイズの移動平均を算出するとともに（ステップＳ４１１）、ファイルサイズの全体平均を算出する（ステップＳ４１２）。さらに、臓器判定部４ａは、一連の観察画像における連続した各観察画像間でのファイルサイズの変化量を算出し、ファイルサイズの変化量の移動平均を算出するとともに（ステップＳ４１３）、ファイルサイズの変化量の全体平均を算出する（ステップＳ４１４）。その後、臓器判定部４ａは、ステップＳ４１１〜Ｓ４１３による各算出結果をもとに、各観察画像に撮像された臓器を判定し（ステップＳ４１５）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００６３】
ステップＳ４１１では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像におけるファイルサイズの平均であるサイズ平均を算出する。そして、算出したサイズ平均を処理対象画像に対応付ける。なお、本変形例３では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてサイズ平均を算出する。ただし、このサイズ平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにサイズ平均を算出することで、一連の観察画像全体にわたるファイルサイズの移動平均を得る。具体的には、臓器判定部４ａは、ステップＳ４１１によって、例えば図１２−１に示す一連の観察画像のファイルサイズ情報をもとに、図１２−２に示すようにファイルサイズの移動平均を得る。
【００６４】
ステップＳ４１３では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、処理対象画像を含む時系列に近接した複数の観察画像における各観察画像間でのファイルサイズの変化量の平均である変化量平均を算出する。そして、算出した変化量平均を処理対象画像に対応付ける。なお、本変形例３では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いて変化量平均を算出する。ただし、この変化量平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに変化量平均を算出することで、一連の観察画像全体にわたるファイルサイズの変化量の移動平均を得る。具体的には、臓器判定部４ａは、ステップＳ４１３によって、例えば図１２−１に示す一連の観察画像のファイルサイズ情報をもとに、図１２−３に示すようにファイルサイズの変化量の移動平均を得る。
【００６５】
ステップＳ４１５では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、まず、ステップＳ４１１によって算出したサイズ平均と、所定のサイズ判定基準との大小関係に応じ、処理対象画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ４１２によって算出した全体平均ＦsizeAveと、あらかじめ設定された変数Ｍとをもとに、次式（４）によってサイズ判定基準としての閾値ＴFsizeを算出し（図１２−２参照）、この閾値ＴFsizeに対してサイズ平均Ｆsizeが次式（５）を満足するか否かを判別する。
ＴFsize＝ＦsizeAve＋Ｍ ・・・（４）
Ｆsize＜ＴFsize ・・・（５）
【００６６】
臓器判定部４ａは、式（５）が満足される場合、処理対象画像に撮像された臓器が食道もしくは胃であると判定し、式（５）が満足されない場合、小腸もしくは大腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、一連の観察画像における各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００６７】
なお、臓器判定部４ａは、一連の観察画像に胃、小腸および大腸がこの順に撮像されていることが明らかな場合、その先頭画像から順に処理対象画像を切り換えることにより、式（５）が満足されないと最初に判別した観察画像以降すべての観察画像を、小腸もしくは大腸が撮像された画像と判定する。これによって、食道もしくは胃が撮像された観察画像と、小腸もしくは大腸が撮像された観察画像とをより迅速に判別することができる。
【００６８】
つぎに、臓器判定部４ａは、小腸もしくは大腸が撮像されていると判定した一連の観察画像のうち処理対象画像に対し、ステップＳ４１３によって算出した変化量平均と、所定の変化量判定基準との大小関係に応じ、処理対象画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ４１４によって算出した全体平均ＦsizeDiffAveと、あらかじめ設定された変数Ｎとをもとに、次式（６）によって変化量判定基準としての閾値ＴFsizeDiffを算出し（図１２−３参照）、この閾値ＴFsizeDiffに対して変化量平均ＦsizeDiffが次式（７）を満足するか否かを判別する。
ＴFsizeDiff＝ＦsizeDiffAve＋Ｎ ・・・（６）
ＦsizeDiff＜ＴFsizeDiff ・・・（７）
【００６９】
臓器判定部４ａは、式（７）が満足される場合、処理対象画像に撮像された臓器が大腸であると判定し、式（７）が満足されない場合、小腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、先に小腸もしくは大腸が撮像されていると判定した一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、その各観察画像に撮像されている臓器が小腸であるか、大腸であるかを判定する。これによって、臓器判定部４ａは、一連の全観察画像における各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付けることができる。
【００７０】
なお、式（４）に示したように、サイズ判定基準としての閾値ＴFsizeの算出にファイルサイズの全体平均ＦsizeAveを用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。同様に、式（６）に示したように、変化量判定基準としての閾値ＴFsizeDiffの算出にファイルサイズの変化量の全体平均ＦsizeDiffAveを用いるのも、個体差による影響を軽減するためである。また、変数Ｍ，Ｎは、観察者が入力部２から入力することで設定されるものであり、適宜変更可能とされている。
【００７１】
なお、上述した臓器判定処理では、臓器判定部４ａは、各観察画像に撮像された臓器をステップＳ４１５によって一括して判定するものとしたが、式（５）による判定と式（７）による判定とを個別に行うこともできる。例えば、ステップＳ４１２の直後に式（５）による判定を行うことで、小腸もしくは大腸が撮像されていると判定した観察画像だけを対象にステップＳ４１３を行うことができ、これによって、より迅速に臓器判定処理を行うことができる。
【００７２】
また、上述した臓器判定処理では、臓器判定部４ａは、ステップＳ４１５において式（５）による判定と式（７）による判定とを順次行うものとして説明したが、一括して判定をすることもできる。例えば、処理対象画像ごとにサイズ平均Ｆsizeと変化量平均ＦsizeDiffとによって表される特徴ベクトル（Ｆsize，ＦsizeDiff）を求め、この特徴ベクトルが特徴空間上で属する領域に応じて臓器を判定することができる。具体的には、特徴ベクトル（Ｆsize，ＦsizeDiff）が式（５）を満足する領域内にある場合、食道もしくは胃が撮像されていると判定し、それ以外の領域であって式（７）を満足する領域内にある場合には、大腸が撮像されていると判定することができる。さらに、それ以外の領域内にある場合には、小腸が撮像されていると判定することができる。
【００７３】
また、上述した臓器判定処理では、臓器判定部４ａは、複数の観察画像におけるファイルサイズのサイズ平均と変化量平均とをもとに臓器の判定を行うものとしたが、必ずしも平均を用いる必要はなく、例えば個々のファイルサイズと個々のファイルサイズの変化量とをもとに臓器判定をすることもできる。これによって、判定精度の要求が比較的緩い場合には、より迅速に臓器判定処理を行うことができる。
【００７４】
（変形例４）
つぎに、本実施の形態にかかる画像処理装置の変形例４について説明する。本変形例４では、臓器判定部４ａは、圧縮画像データの伸張時に算出されるＤＣＴ係数とその変化量とをもとに臓器判定を行うようにしている。
【００７５】
通常、食道や胃は、小腸に比べて粘膜表面に凹凸が少なく平坦である。逆に、小腸は絨毛などによって表面に凹凸が多い。このため、胃が撮像された観察画像では低周波成分が支配的であり、小腸が撮像された観察画像では高周波成分が支配的である。本変形例４では、臓器判定部４ａは、この性質を利用して、観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、一連の観察画像がＪＰＥＧ等、ＤＣＴ圧縮符号化方式によって圧縮された圧縮画像データとして記憶されている場合、圧縮画像データの伸張時に行う逆ＤＣＴ変換によって得られる複数のＤＣＴ係数をもとに判定を行う。
【００７６】
また、大腸では、内部に便等が詰まっているため、例えばカプセル型内視鏡で観察画像を取得する場合、カプセル型内視鏡の移動が停滞し、時系列で連続した観察画像間における周波数成分にほとんど変化がない。これに対して、小腸では、カプセル型内視鏡が大腸内に比べてスムーズに移動できるため、時系列で連続した観察画像間における周波数成分に顕著な変化が見られる。臓器判定部４ａは、この特性を利用し、時系列に連続した観察画像間での周波数成分の変化量の大きさをもとに、その観察画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、一連の観察画像がＤＣＴ圧縮符号化方式によって圧縮された圧縮画像データとして記憶されている場合、時系列に連続した観察画像間でのＤＣＴ係数の変化量をもとに判定を行う。
【００７７】
一般に、画像内の周波数成分情報を得る手法として、フーリエ変換によりパワースペクトルを求める方法がよく知られている。しかしながら、フーリエ変換は計算処理が多いため、通常、膨大な処理時間が必要とされる。これに対し、上述のようにＤＣＴ係数によって周波数成分を判別する場合には、圧縮画像データの伸張処理時にＤＣＴ係数を算出することができ、周波数成分を判別するために特別な演算処理を必要としない。また、ＤＣＴ係数を算出する処理自体が簡易かつ短時間で処理可能であるため、フーリエ変換によるパワースペクトルを用いる場合に比べ、迅速に観察画像中の周波数成分を判別することができるとともに観察画像に撮像された臓器を判定することができる。
【００７８】
図１３は、その臓器判定処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず観察画像ごとにＤＣＴ係数の重み付け平均としての代表ＤＣＴ係数を算出する（ステップＳ５１０）。そして、一連の観察画像における代表ＤＣＴ係数をもとに、代表ＤＣＴ係数の移動平均を算出するとともに（ステップＳ５１１）、代表ＤＣＴ係数の全体平均を算出する（ステップＳ５１２）。さらに、臓器判定部４ａは、一連の観察画像における連続した各観察画像間での代表ＤＣＴ係数の変化量を算出し、代表ＤＣＴ係数の変化量の移動平均を算出するとともに（ステップＳ５１３）、代表ＤＣＴ係数の変化量の全体平均を算出する（ステップＳ５１４）。その後、臓器判定部４ａは、ステップＳ５１１〜Ｓ５１３による各算出結果をもとに、各観察画像に撮像された臓器を判定し（ステップＳ５１５）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００７９】
ステップＳ５１０では、臓器判定部４ａは、まず観察画像ごとに圧縮画像データの伸張時に処理単位とされる各８×８画素ブロックについて、低周波成分から高周波成分にわたる所定の複数のＤＣＴ係数をもとにそのブロック平均を算出する。具体的には、図１４に示すように得られる８×８画素ブロックのＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をもとに、ＤＣ成分に相当する「ＤＣＴ１」を除き、「ＤＣＴ２」〜「ＤＣＴ６４」全体の周波数ごとの重み付け平均、もしくは「ＤＣＴ２」〜「ＤＣＴ６４」のうちあらかじめ選択された１以上のＤＣＴ係数の周波数ごとの重み付け平均を算出してブロック平均とする。なお、周波数ごとの重み付けでは、高周波ほど低周波よりも重み付けを重くするとよい。さらに、臓器判定部４ａは、観察画像ごとに各８×８画素ブロックのブロック平均をさらに平均した全体平均を代表ＤＣＴ係数として算出する。
【００８０】
ステップＳ５１１では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像における代表ＤＣＴ係数の平均であるＤＣＴ係数平均を算出する。そして、算出したＤＣＴ係数平均を処理対象画像に対応付ける。なお、本変形例４では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてＤＣＴ係数平均を算出する。ただし、このＤＣＴ係数平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにＤＣＴ係数平均を算出することで、一連の観察画像全体にわたる代表ＤＣＴ係数の移動平均を得る。
【００８１】
ステップＳ５１３では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、その処理対象画像を含む時系列に近接した複数の観察画像における各観察画像間での代表ＤＣＴ係数の変化量の平均であるＤＣＴ変化量平均を算出する。そして、算出したＤＣＴ変化量平均を処理対象画像に対応付ける。なお、本変形例４では、一連の観察画像のうちの時系列に近接した例えば１００枚の観察画像を用いてＤＣＴ変化量平均を算出する。ただし、このＤＣＴ変化量平均を算出するための観察画像の枚数は、一連の観察画像を撮像したときの撮像間隔などによって適当な枚数に設定するとよい。臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとにＤＣＴ変化量平均を算出することで、一連の観察画像全体にわたる代表ＤＣＴ係数の変化量の移動平均を得る。
【００８２】
ステップＳ５１５では、臓器判定部４ａは、一連の観察画像のうち処理対象画像に対し、まず、ステップＳ５１１によって算出したＤＣＴ係数平均と、所定のＤＣＴ判定基準との大小関係に応じ、処理対象画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ５１２によって算出した全体平均ＦdctAveと、あらかじめ設定された変数Ｋとをもとに、次式（８）によってＤＣＴ判定基準としての閾値Ｔdctを算出し、この閾値Ｔdctに対してＤＣＴ係数平均Ｆdctが次式（９）を満足するか否かを判別する。
Ｔdct＝ＦdctAve＋Ｋ ・・・（８）
Ｆdct＜Ｔdct ・・・（９）
【００８３】
臓器判定部４ａは、式（９）が満足される場合、処理対象画像に撮像された臓器が食道もしくは胃であると判定し、式（９）が満足されない場合、小腸もしくは大腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、一連の観察画像における各観察画像に撮像された臓器が食道もしくは胃であるか、小腸もしくは大腸であるかを判定する。
【００８４】
なお、臓器判定部４ａは、一連の観察画像に胃、小腸および大腸がこの順に撮像されていることが明らかな場合、その先頭画像から順に処理対象画像を切り換えることにより、式（９）が満足されないと最初に判別した観察画像以降すべての観察画像を、小腸もしくは大腸が撮像されたものと判定する。これによって、食道もしくは胃が撮像された観察画像と、小腸もしくは大腸が撮像された観察画像とをより迅速に判別することができる。
【００８５】
つぎに、臓器判定部４ａは、小腸もしくは大腸が撮像されていると判定した一連の観察画像のうち処理対象画像に対し、ステップＳ５１３によって算出したＤＣＴ変化量平均と、所定のＤＣＴ変化量判定基準との大小関係に応じ、処理対象画像に撮像された臓器が小腸であるか、大腸であるかを判定する。具体的には、臓器判定部４ａは、ステップＳ５１４によって算出した全体平均ＦdctDiffAveと、あらかじめ設定された変数Ｌとをもとに、次式（１０）によってＤＣＴ変化量判定基準としての閾値ＴdctDiffを算出し、この閾値ＴdctDiffに対してＤＣＴ変化量平均ＦdctDiffが次式（１１）を満足するか否かを判別する。
ＴdctDiff＝ＦdctDiffAve＋Ｌ ・・・（１０）
ＦdctDiff＜ＴdctDiff ・・・（１１）
【００８６】
臓器判定部４ａは、式（１１）が満足される場合、処理対象画像に撮像された臓器が大腸であると判定し、式（１１）が満足されない場合、小腸であると判定する。そして、この判定結果を処理対象画像に対応付ける。さらに、臓器判定部４ａは、先に小腸もしくは大腸が撮像されていると判定した一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の判定を行うことで、その各観察画像に撮像されている臓器が小腸であるか、大腸であるかを判定する。これによって、臓器判定部４ａは、一連の全観察画像における各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付けることができる。
【００８７】
なお、式（８）に示したように、ＤＣＴ判定基準としての閾値Ｔdctの算出に代表ＤＣＴ係数の全体平均ＦdctAveを用いるのは、被検体ごとに臓器の特徴に個体差があり、その個体差による影響を軽減するためである。同様に、式（１０）に示したように、ＤＣＴ変化量判定基準としての閾値ＴdctDiffの算出に代表ＤＣＴ係数の変化量の全体平均ＦdctDiffAveを用いるのも、個体差による影響を軽減するためである。また、変数Ｋ，Ｌは、観察者が入力部２から入力することで設定されるものであり、適宜変更可能とされている。
【００８８】
なお、上述した臓器判定処理では、臓器判定部４ａは、各観察画像に撮像された臓器をステップＳ５１５によって一括して判定するものとしたが、式（９）による判定と式（１１）による判定とを個別に行うこともできる。例えば、ステップＳ５１２の直後に式（９）による判定を行うことで、小腸もしくは大腸が撮像されていると判定した観察画像だけを対象にステップＳ５１３を行うことができ、これによって、より迅速に臓器判定処理を行うことができる。
【００８９】
また、上述した臓器判定処理では、臓器判定部４ａは、ステップＳ５１５において式（９）による判定と式（１１）による判定とを順次行うものとして説明したが、一括して判定をすることもできる。例えば、処理対象画像ごとにＤＣＴ係数平均ＦdctとＤＣＴ変化量平均ＦdctDiffとによって表される特徴ベクトル（Ｆdct，ＦdctDiff）を求め、この特徴ベクトルが特徴空間上で属する領域に応じて臓器を判定することができる。具体的には、特徴ベクトル（Ｆdct，ＦdctDiff）が式（９）を満足する領域内にある場合、食道もしくは胃が撮像されていると判定し、それ以外の領域であって式（１１）を満足する領域内にある場合には、大腸が撮像されていると判定することができる。さらに、それ以外の領域内にある場合には、小腸が撮像されていると判定することができる。
【００９０】
また、上述した臓器判定処理では、臓器判定部４ａは、複数の観察画像におけるＤＣＴ係数平均とＤＣＴ変化量平均とをもとに臓器の判定を行うものとしたが、必ずしも平均を用いる必要はなく、例えば個々の代表ＤＣＴ係数と個々の代表ＤＣＴ係数の変化量とをもとに臓器判定をすることもできる。これによって、判定精度の要求が比較的緩い場合には、より迅速に臓器判定処理を行うことができる。
【００９１】
（変形例５）
つぎに、本実施の形態にかかる画像処理装置の変形例５について説明する。本変形例５では、臓器判定部４ａは、観察画像ごとの複数のＤＣＴ係数をもとに特徴ベクトルを求め、この特徴ベクトルによって臓器判定を行うようにしている。
【００９２】
図１５は、臓器判定部１４ａによる臓器判定処理の処理手順を示すフローチャートである。この図に示すように、臓器判定部４ａは、まず観察画像ごとにＤＣＴ係数をもとに特徴ベクトルを算出し（ステップＳ６１１）、臓器判定基準データ記憶部３ｂから臓器判定基準データを読み込む（ステップＳ６１２）。そして、算出した特徴ベクトルと読み込んだ臓器判定基準データとをもとに、各観察画像に撮像された臓器を判定し（ステップＳ６１３）、臓器判定処理を終了してステップＳ１０２へリターンする。
【００９３】
ステップＳ６１１では、臓器判定部４ａは、まず一連の観察画像における処理対象画像について、圧縮画像データの伸張時に処理単位とされる各８×８画素ブロックごとに、所定の１以上のＤＣＴ係数をもとに、低周波成分のブロック代表値と、高周波成分のブロック代表値とを算出する。具体的には、図１４に示すように得られる８×８画素ブロックのＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をもとに、例えば低周波成分のブロック代表値として「ＤＣＴ２」〜「ＤＣＴ１０」の周波数ごとの重み付け平均を算出し、高周波成分のブロック代表値として「ＤＣＴ５５」〜「ＤＣＴ６４」の周波数ごとの重み付け平均を算出する。なお、周波数ごとの重み付けでは、高周波ほど低周波よりも重み付けを重くするとよい。
【００９４】
さらに、臓器判定部４ａは、処理対象画像における各８×８画素ブロックの低周波成分のブロック代表値と、高周波成分のブロック代表値と、ＤＣ成分を示す「ＤＣＴ１」とをそれぞれ処理対象画像内の全８×８画素ブロックにわって平均し、特徴量Ｄ〜Ｆとして算出する。そして、この特徴量Ｄ〜Ｆによって示される特徴空間上のベクトルを、処理対象画像の周波数分布を示す特徴ベクトルとして処理対象画像に対応付ける。さらに、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに同様の処理を行うことで、各観察画像の特徴ベクトルを算出する。
【００９５】
ステップＳ６１２では、臓器判定部４ａは、例えば図１６に示すようにあらかじめ特徴空間上で各臓器がクラス分けされたクラス辞書としての臓器判定基準データを読み込む。そして、ステップＳ６１３では、臓器判定部４ａは、例えばｋＮＮ法（k-Nearest Neighbor Method）や部分空間法などの公知の判別手法を用い、ステップＳ６１２によって読み込んだ臓器判定基準データをもとに、ステップＳ６１１によって算出した各観察画像の特徴ベクトルが属する臓器の種類を判別する。その際、臓器判定部４ａは、一連の観察画像内で処理対象画像を順次切り換え、切り換えた処理対象画像ごとに特徴ベクトルが属する臓器の種類を判別する。これによって、臓器判定部４ａは、各観察画像に撮像された臓器を、食道もしくは胃と、小腸と、大腸とのいずれか一つと判定し、判定結果を各観察画像に対応付ける。
【００９６】
なお、上述した臓器判定処理では、臓器判定部４ａは、３つの特徴量Ｄ〜Ｆをもとに特徴ベクトルを算出し、臓器判定を行うものとしたが、３つに限定されず、２つもしくは４つ以上の特徴量をもとに特徴ベクトルを算出することもできる。例えば、ステップＳ６１１において、各８×８画素ブロックにおけるＤＣＴ係数「ＤＣＴ１」〜「ＤＣＴ６４」をそれぞれブロック代表値とし、このブロック代表値ごとに処理対象画像内の全８×８画素ブロックにわたる平均値を算出して特徴量とすることで、最大６４次元の特徴量からなる特徴ベクトルを得ることができる。これにより、ＤＣＴ係数における全周波数成分を反映させた特徴ベクトルに基づいて臓器判定を行うことができ、より高精度に臓器判定をすることができる。ただし、次元数を増やすことで特徴ベクトルの導出にかかる処理時間が増大するため、必要な判定精度に応じて次元数を適宜設定することが好ましい。
【００９７】
ここまで、本発明を実施する最良の形態を、変形例１および２を含む実施の形態として説明したが、本発明は、上述した実施の形態に限定されず、本発明の趣旨を逸脱しない範囲であれば、種々の変形が可能である。
【００９８】
例えば、上述した実施の形態では、画像処理制御部６ａは、臓器判定部４ａが判定した臓器と撮像距離推定部４ｂが推定した撮像距離とに基づいて異常検出パラメータのパラメータ値を設定するものとしたが、臓器判定部４ａが判定した臓器と、撮像距離推定部４ｂが推定した撮像距離とのどちらか一方に基づいてパラメータ値を設定することもできる。
【００９９】
その場合、異常検出パラメータ記憶部３ｄは、臓器または撮像距離の一方に応じてあらかじめパラメータ値を記憶した記憶テーブルを備えるようにすることができる。具体的には、異常検出パラメータ記憶部３ｄは、画像処理制御部６ａが臓器に基づいてパラメータ値を設定する場合、例えば図１７−１に示すように臓器ごとにパラメータ値を記憶した記憶テーブルを備えることができる。また、画像処理制御部６ａが撮像距離に基づいてパラメータ値を設定する場合には、例えば図１７−２に示すように撮像距離に応じてパラメータ値を記憶した記憶テーブルを備えることができる。
【０１００】
さらに、画像処理制御部６ａが臓器と撮像距離とのどちらか一方に基づいてパラメータ値を設定する場合には、画像処理部４は、臓器判定部４ａと撮像距離推定部４ｂとのいずれか一方だけを備えるようにすることができ、記憶部３は、臓器判定基準データ記憶部３ｂと距離推定基準データ記憶部３ｃとのいずれか一方だけを備えるようにすることができる。なお、その場合、図２に示した画像処理手順では、ステップＳ１０２の臓器判定処理とステップＳ１０３の撮像距離推定処理とのいずれか一方を省略することができる。
【０１０１】
また、上述した実施の形態における臓器判定処理では、臓器判定部４ａは、一連の観察画像におけるすべての観察画像について臓器判定を行うものとして説明したが、例えばあらかじめ指定された画像数もしくは画像番号までの観察画像についてのみ臓器判定を行うようにすることもできる。あるいは、所望する臓器を指定し、その臓器が撮像された観察画像までを処理対象とすることもできる。これによって、所望する臓器が撮像された観察画像のみ対象として一層迅速に臓器判定処理を行うことができる。
【０１０２】
同様に、撮像距離推定処理、パラメータ設定処理および異常領域検出処理においても、すべての観察画像に限らず、あらかじめ定められた観察画像のみを処理対象とすることができ、これによって、異常領域を検出するまでにかかる全体の処理時間を一層短縮化することができる。
【０１０３】
なお、上述した実施の形態では、画像処理装置１が処理する一連の観察画像は、食道、胃、小腸および大腸の内部が順次撮像されたものとしたが、食道もしくは胃と、小腸と、大腸との少なくとも１つの内部が個別に撮像された画像群であっても、本発明は適用可能である。
【図面の簡単な説明】
【０１０４】
【図１】本発明の実施の形態にかかる画像処理装置の要部構成を示すブロック図である。
【図２】画像処理装置が行う画像処理手順を示すフローチャートである。
【図３】臓器判定処理手順を示すフローチャートである。
【図４】臓器判定基準データを説明する図である。
【図５】撮像距離に対する跳ね返り輝度特性を示す図である。
【図６】撮像距離推定手順を示すフローチャートである。
【図７】異常検出パラメータ記憶部が記憶したパラメータ値を示す図である。
【図８】変形例１にかかる臓器判定処理手順を示すフローチャートである。
【図９】変形例１にかかる臓器判定基準データを示す図である。
【図１０】変形例２にかかる臓器判定処理手順を示すフローチャートである。
【図１１】変形例３にかかる臓器判定処理手順を示すフローチャートである。
【図１２−１】一連の観察画像のファイルサイズを示す図である。
【図１２−２】一連の観察画像のファイルサイズの移動平均を示す図である。
【図１２−３】一連の観察画像のファイルサイズ変化量の移動平均を示す図である。
【図１３】変形例４にかかる臓器判定処理手順を示すフローチャートである。
【図１４】８×８画素ブロックにおけるＤＣＴ係数を示す図である。
【図１５】変形例５にかかる臓器判定処理手順を示すフローチャートである。
【図１６】臓器判定基準データを説明する図である。
【図１７−１】異常検出パラメータが記憶したパラメータ値を示す図である。
【図１７−２】異常検出パラメータが記憶したパラメータ値を示す図である。
【符号の説明】
【０１０５】
１ 画像処理装置
２ 入力部
３ 記憶部
３ａ 観察画像記憶部
３ｂ 臓器判定基準データ記憶部
３ｃ 距離推定基準データ記憶部
３ｄ 異常検出パラメータ記憶部
４ 画像処理部
４ａ 臓器判定部
４ｂ 撮像距離推定部
４ｃ 異常領域検出部
５ 出力部
６ 制御部
６ａ 画像処理制御部
【特許請求の範囲】
【請求項１】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置において、
前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手段と、
前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手段と、
前記対象判定手段の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手段と、
を備えたことを特徴とする画像処理装置。
【請求項２】
前記対象判定手段は、前記処理対象画像の圧縮情報、周波数成分情報、画像情報量またはテクスチャ情報の少なくとも１つをもとに、該処理対象画像に撮像された観察対象の種類を判定することを特徴とする請求項１に記載の画像処理装置。
【請求項３】
前記パラメータ値は、前記特徴画像領域の特徴を定める値または前記領域検出手段による前記処理対象画像の処理単位画素ブロックサイズを示すことを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記特徴を定める値は、領域サイズまたは色味であることを特徴とする請求項３に記載の画像処理装置。
【請求項５】
前記処理対象画像が撮像されたときの撮像距離を推定する距離推定手段を備え、
前記設定制御手段は、前記対象判定手段の判定結果と前記距離推定手段の推定結果とに対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させることを特徴とする請求項１〜４のいずれか一つに記載の画像処理装置。
【請求項６】
前記距離推定手段は、前記処理対象画像の輝度情報またはゲイン情報の少なくとも一方をもとに、該処理対象画像が撮像されたときの撮像距離を推定することを特徴とする請求項５に記載の画像処理装置。
【請求項７】
前記推定距離に応じて前記観察対象の種類に対応する前記パラメータ値を記憶したパラメータ記憶手段を備え、
前記設定制御手段は、前記パラメータ記憶手段に記憶されたパラメータ値のうち前記対象判定手段が判定した観察対象の種類と前記距離推定手段が推定した撮像距離とに対応するパラメータ値を前記処理パラメータとして設定することを特徴とする請求項５または６に記載の画像処理装置。
【請求項８】
前記観察対象の種類に対応する前記パラメータ値をあらかじめ記憶したパラメータ記憶手段を備え、
前記設定制御手段は、前記パラメータ記憶手段に記憶されたパラメータ値のうち前記対象判定手段が判定した観察対象の種類に対応するパラメータ値を前記処理パラメータとして設定することを特徴とする請求項１〜４のいずれか一つに記載の画像処理装置。
【請求項９】
前記対象判定手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに観察対象の判定を行い、
前記領域検出手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに前記特徴画像領域を検出することを特徴とする請求項１〜８のいずれか一つに記載の画像処理装置。
【請求項１０】
前記距離推定手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに前記撮像距離を推定することを特徴とする請求項３または４に記載の画像処理装置。
【請求項１１】
前記観察対象の種類のうち少なくとも１種類は、食道、胃、小腸または大腸のいずれかの臓器内であり、
前記領域検出手段は、前記特徴画像領域として前記対象判定手段が判定した臓器内の異常部を検出することを特徴とする請求項１〜１０のいずれか一つに記載の画像処理装置。
【請求項１２】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置に、
前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手順と、
前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手順と、
前記対象判定手順の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手順に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手順と、
を実行させることを特徴とする画像処理プログラム。
【請求項１】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置において、
前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手段と、
前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手段と、
前記対象判定手段の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手段と、
を備えたことを特徴とする画像処理装置。
【請求項２】
前記対象判定手段は、前記処理対象画像の圧縮情報、周波数成分情報、画像情報量またはテクスチャ情報の少なくとも１つをもとに、該処理対象画像に撮像された観察対象の種類を判定することを特徴とする請求項１に記載の画像処理装置。
【請求項３】
前記パラメータ値は、前記特徴画像領域の特徴を定める値または前記領域検出手段による前記処理対象画像の処理単位画素ブロックサイズを示すことを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記特徴を定める値は、領域サイズまたは色味であることを特徴とする請求項３に記載の画像処理装置。
【請求項５】
前記処理対象画像が撮像されたときの撮像距離を推定する距離推定手段を備え、
前記設定制御手段は、前記対象判定手段の判定結果と前記距離推定手段の推定結果とに対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手段に該処理パラメータを用いて前記特徴画像領域を検出させることを特徴とする請求項１〜４のいずれか一つに記載の画像処理装置。
【請求項６】
前記距離推定手段は、前記処理対象画像の輝度情報またはゲイン情報の少なくとも一方をもとに、該処理対象画像が撮像されたときの撮像距離を推定することを特徴とする請求項５に記載の画像処理装置。
【請求項７】
前記推定距離に応じて前記観察対象の種類に対応する前記パラメータ値を記憶したパラメータ記憶手段を備え、
前記設定制御手段は、前記パラメータ記憶手段に記憶されたパラメータ値のうち前記対象判定手段が判定した観察対象の種類と前記距離推定手段が推定した撮像距離とに対応するパラメータ値を前記処理パラメータとして設定することを特徴とする請求項５または６に記載の画像処理装置。
【請求項８】
前記観察対象の種類に対応する前記パラメータ値をあらかじめ記憶したパラメータ記憶手段を備え、
前記設定制御手段は、前記パラメータ記憶手段に記憶されたパラメータ値のうち前記対象判定手段が判定した観察対象の種類に対応するパラメータ値を前記処理パラメータとして設定することを特徴とする請求項１〜４のいずれか一つに記載の画像処理装置。
【請求項９】
前記対象判定手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに観察対象の判定を行い、
前記領域検出手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに前記特徴画像領域を検出することを特徴とする請求項１〜８のいずれか一つに記載の画像処理装置。
【請求項１０】
前記距離推定手段は、前記一連の観察画像内で前記処理対象画像を順次切り換え、その切り換えた処理対象画像ごとに前記撮像距離を推定することを特徴とする請求項３または４に記載の画像処理装置。
【請求項１１】
前記観察対象の種類のうち少なくとも１種類は、食道、胃、小腸または大腸のいずれかの臓器内であり、
前記領域検出手段は、前記特徴画像領域として前記対象判定手段が判定した臓器内の異常部を検出することを特徴とする請求項１〜１０のいずれか一つに記載の画像処理装置。
【請求項１２】
複数種類の観察対象のうち少なくとも１つの観察対象が個別に撮像された一連の観察画像から特異な領域である特徴画像領域を検出するための画像処理装置に、
前記一連の観察画像のうちの処理対象画像に撮像された観察対象の種類を判定する対象判定手順と、
前記特徴画像領域を検出するための処理パラメータを用いて前記処理対象画像内から前記特徴画像領域を検出する領域検出手順と、
前記対象判定手順の判定結果に対応するパラメータ値を前記処理パラメータとして設定し、前記領域検出手順に該処理パラメータを用いて前記特徴画像領域を検出させる設定制御手順と、
を実行させることを特徴とする画像処理プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２−１】
【図１２−２】
【図１２−３】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７−１】
【図１７−２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２−１】
【図１２−２】
【図１２−３】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７−１】
【図１７−２】
【公開番号】特開２００８−２７８９６３（Ｐ２００８−２７８９６３Ａ）
【公開日】平成２０年１１月２０日（２００８．１１．２０）
【国際特許分類】
【出願番号】特願２００７−１２３８２４（Ｐ２００７−１２３８２４）
【出願日】平成１９年５月８日（２００７．５．８）
【出願人】（００００００３７６）オリンパス株式会社 (11,466)
【Ｆターム（参考）】
【公開日】平成２０年１１月２０日（２００８．１１．２０）
【国際特許分類】
【出願日】平成１９年５月８日（２００７．５．８）
【出願人】（００００００３７６）オリンパス株式会社 (11,466)
【Ｆターム（参考）】
[ Back to top ]