画像認識装置
【課題】対象画像を高精度で抽出することのできる画像認識装置を提供する。
【解決手段】対象画像１の輪郭抽出を行う際、画像認識装置は閉曲線３を設定する。画像認識装置は、閉曲線３を含む所定の幅を有する帯領域２９を設定し、当該帯領域２９の画素値分布に基づいた分離度が最大となる閾値４５を算出し、当該閾値４５と閉曲線３上の各サンプル点３１の画素値とを比較して各サンプル点３１の移動方向と移動量を算出する。各サンプル点３１、即ち閉曲線３を動的に移動させて最終的に閉曲線３を対象領域１の輪郭に収束させ、対象領域１の輪郭を抽出する。各サンプル点３１の移動判定に帯領域２９の内側の内部領域３３の画素値に基づく統計値と閉曲線上または帯領域２９の画素値に基づく統計値とを比較し、帯領域２９の画素値分布から算出する閾値４５を用いるので、帯領域２９より内側の内部領域３３の情報を反映した上で高精度に対象領域１の輪郭を抽出できる。
【解決手段】対象画像１の輪郭抽出を行う際、画像認識装置は閉曲線３を設定する。画像認識装置は、閉曲線３を含む所定の幅を有する帯領域２９を設定し、当該帯領域２９の画素値分布に基づいた分離度が最大となる閾値４５を算出し、当該閾値４５と閉曲線３上の各サンプル点３１の画素値とを比較して各サンプル点３１の移動方向と移動量を算出する。各サンプル点３１、即ち閉曲線３を動的に移動させて最終的に閉曲線３を対象領域１の輪郭に収束させ、対象領域１の輪郭を抽出する。各サンプル点３１の移動判定に帯領域２９の内側の内部領域３３の画素値に基づく統計値と閉曲線上または帯領域２９の画素値に基づく統計値とを比較し、帯領域２９の画素値分布から算出する閾値４５を用いるので、帯領域２９より内側の内部領域３３の情報を反映した上で高精度に対象領域１の輪郭を抽出できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像中の対象画像抽出を行う画像認識装置に係り、特に画像の輪郭を抽出する画像認識装置に関する。
【背景技術】
【０００２】
従来、弾性体の物理法則を閉曲線に適用した動的輪郭抽出法が提案されている（「非特許文献１」参照）。この方法は閉曲線上の離散化されたサンプル点に着目し、それらの点が持つ閉曲線の歪み度を示す内部エネルギーと、画像情報から構成される画像エネルギーと、強制外力の源となる外部エネルギーとの和である総エネルギーが最小値をとるように当該サンプル点を移動させ、最適解を探り対象輪郭を抽出する方法である。
【０００３】
非特許文献１による動的輪郭抽出法では、閉曲線は大局的に縮小方向か膨張方向かのいずれか一方向への動きしかできないという問題点があった。これに対して抽出対象が２値画像である単純な画像にのみ、画像輝度を用いて該閉曲線が抽出対象の内部にあるかどうかを判断し、収縮・膨張を局所的に選択する技術が提案されている（「特許文献１」参照）。
【０００４】
【非特許文献１】ＳＮＡＫＥＳ：Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ Ｍｏｄｅｌｓ（Ｍ．Ｋａｓｓ，ｅｔ．ａｌ：Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｖｉｓｉｏｎ，３２１−３３１，１９８８）
【特許文献１】特開２００２−４９９２２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかしながら、多くの画像は多階調画像であり一般的には２値化することで抽出精度が低下する危険性がある。さらに２値化する際の閾値をどのような方法で決定するかによって抽出結果が異なるという問題点が生じる。従って２値化することなく該閉曲線の局所的な収縮・膨張を決定する手段が必要となる。また、一般的に動的輪郭抽出法では各種パラメータの調整が困難であり制御が難しい。また非関心領域のエッジに閉曲線が拘束され、正しい抽出結果を得ることができないという問題点もある。
【０００６】
本発明は、このような問題を鑑みてなされたもので、その目的とするところは、対象画像を高精度で抽出することのできる画像認識装置を提供することである。
【課題を解決するための手段】
【０００７】
前述した目的を達成するための本発明は、画像を演算処理する演算処理部と前記画像及び演算処理結果を保持する保持部と前記画像及び前記演算処理結果を表示する表示部とを備え、前記画像に閉曲線を配置し前記閉曲線の歪み具合を示す内部エネルギーまたは前記画像の輝度勾配を示す画像エネルギーまたは前記閉曲線の膨張あるいは収縮を示す外部エネルギーの少なくともいずれかの和である総エネルギーに基づいて前記閉曲線を動的に変形させて前記画像に含まれる対象領域の輪郭を抽出する画像認識装置であって、前記画像に前記閉曲線を含み所定の幅を有する帯領域を配置する帯領域設定手段と、前記帯領域内の画素値を基に閾値を算出する閾値算出手段と、前記総エネルギーを用い、前記閾値算出手段により算出した閾値と前記閉曲線上の各サンプル点の画素値との比較結果に基づいて、前記各サンプル点毎に移動方向及び移動量を算出して前記各サンプル点を移動させる移動手段と、を具備することを特徴とする画像認識装置である。
【０００８】
画像は、例えばＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）装置やＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置等の医療装置で被検体内部が撮像された画像である。
閉曲線は、画像の所定の位置に所定の形状で初期の閉曲線として自動的に設定してもよいし、操作者が画像上に任意に描画することにより設定してもよい。また、相関のある複数の画像の処理を行う際には、既に抽出された対象領域の輪郭を基に初期の閉曲線を設定してもよい。
帯領域は、閉曲線を含み所定の幅を有する領域として設定される。尚、帯領域の幅は一定でなくても良い。また閉曲線は帯幅の中心でなくても良い。
画素値は、画像輝度である。画素値は、濃度値と表現される場合もある。
【０００９】
閾値算出は、所定の領域内（例えば帯領域内）の画素値の分布を基にして境界画素値を算出することである。閾値は、例えば２分割する２つの領域のクラス間分散とクラス内分散との比である分離度が最大となる境界画素値として算出される。
サンプル点は、閉曲線上の複数の点として設定される。各サンプル点の画素値と閾値とが比較され、当該各サンプル点の移動方向と移動量とが算出される。
動的輪郭法（Ｓｎａｋｅｓ法）は、内部エネルギー及び画像エネルギー及び外部エネルギーの和である総エネルギーが最小になる位置に、閉曲線上の構成点を移動させて対象領域の輪郭を抽出する方法である。最終的には閉曲線が対象領域の輪郭に収束し、当該対象領域の輪郭が抽出される。
【００１０】
本発明の画像認識装置は、画像に閉曲線を含み所定の幅を有する帯領域を配置し、帯領域内の画素値を基に閾値を算出し、画像の総エネルギーを用いて、閾値と閉曲線上の各サンプル点の画素値との比較結果に基づいて、各サンプル点毎に移動方向及び移動量を算出して各サンプル点を移動させる。
本発明の画像認識装置は、帯領域の画素値から算出した閾値を用いて閉曲線の移動方向及び移動量を判断するので、帯領域より内側の内部領域の影響を受けることなく高精度に対象領域の輪郭抽出を行うことができる。
【００１１】
また、閾値とサンプル点の画素値との比較結果に応じて内部エネルギーや外部エネルギーの重み係数を変化させるようにしても良い。
これにより、閾値とサンプル点の画素値との比較結果に応じて内部エネルギーや外部エネルギーの重み係数を変化させ、効率的に閉曲線を局所的に膨張あるいは収縮させることができる。
【００１２】
また、最初に算出した閾値により領域を分割し、一方の領域を除外し他方の領域内の画素値を基に新たな閾値を算出するようにしても良い。
これにより、造影剤を使用した画像において、画像の輝度（画素値）にムラがある場合に、まず算出した閾値により一方の領域（造影剤による不染領域）を除外して画像認識の精度向上をはかることができる。画像認識に不要な領域を除外するために、閾値の算出は、さらに複数回行っても良い。
【００１３】
また、帯領域または閉曲線を少なくとも１つのサンプル点を含む複数の領域（クラスタ）に分割し、分割された領域毎に、分割された領域内の画素値を基に第２の閾値を算出し、分割された領域毎に、第２の閾値とサンプル点の画素値とを比較してサンプル点毎に移動方向及び移動量を算出するようにしても良い。
これにより、閉曲線と対象領域の輪郭との近接度が高くなった場合、帯領域又は閉曲線を複数の領域に分割し、分割された領域ごとに閾値を算出して当該領域内にあるサンプル点の画素値とを比較して当該サンプル点の移動方向及び移動量を算出する。サンプル点の移動の判断に、当該サンプル点近傍領域の画素値から閾値を算出することで、サンプル点移動制御をより高精度に実現することが可能になる。
【００１４】
また、帯領域の内側の内部領域の画素値に基づく統計値と閉曲線上または帯領域の画素値に基づく統計値とを比較して、閉曲線と対象領域の輪郭との近接度を判定するようにしても良い。統計値は、例えば平均値及び分散値である。
これにより、閉曲線と対象領域との近接度に応じて、より高精度な処理（クラスタ分割処理等）へ移行するか否かを判断することができる。
【００１５】
また、ある画像において既に抽出した対象領域の輪郭を相関性を有する他の画像における初期閉曲線として用いるようにしても良い。
これにより、既に抽出した対象領域の輪郭を初期閉曲線として用いることで、処理時間の短縮及び輪郭抽出処理の精度の向上を図ることができる。
【００１６】
また、３次元の対象領域における複数の断面のうちいずれかの断面については断面方向をずらして当該断面における輪郭を抽出し、３次元の対象領域の輪郭を抽出するようにしても良い。
これにより、３次元画像において断面方向を回転させて断面における対象領域の輪郭を抽出することで、極部分などの詳細な輪郭を取得することが可能になる。
【発明の効果】
【００１７】
本発明によれば、対象画像を高精度で抽出することのできる画像認識装置を提供することができる。
【発明を実施するための最良の形態】
【００１８】
以下に、図面に基づいて本発明の実施の形態に係る画像認識装置について説明する。
図１は、画像認識装置１００の構成図である。
【００１９】
（１．画像認識装置１００の構成）
画像認識装置１００は、外部記憶装置や印刷装置等の出力部１０１と、マウスやタッチパネルやキーボードやメディア読取装置等の入力部１０３と、画像を表示するＣＲＴや液晶表示装置等の表示部１０５と、画像認識装置１００の制御プログラムが格納されたメモリ１０７と、各構成要素の動作を制御するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：中央処理装置）等の制御部１０９と、インターネット等のネットワーク１１７に接続する通信部１１１と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等のデータ記憶部１１３と、上記各構成要素をデータ送受可能に接続するシステムバス１１５とから構成される。
【００２０】
入力部１０３は、表示部１０５のソフトスイッチを操作するためのマウス、トラックボール、タッチパネル等のポインティングデバイス、及びポインティングデバイスコントローラと、各種パラメータ設定用のキーやスイッチを備えたキーボード等である。また、入力部１０３は、ＣＤ−ＲＯＭ等を読み取るメディア読取装置等であっても良い。
【００２１】
メモリ１０７は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等であり、例えば制御部１０９は、ＲＯＭに格納される画像認識装置１００の制御プログラムをＲＡＭにロードして実行する。
通信部１１１は、画像認識装置１００をネットワーク１１７、電話回線等の公衆回線、ＬＡＮネットワーク、有線等の専用回線等に接続するネットワークアダプタである。
記憶部１１３は、画像認識装置１００に内蔵又は外付けされたＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等であり、画像認識装置１００が読み込んだ画像情報や、加工中或いは加工後の画像情報を格納する。
【００２２】
画像認識装置１００は、ネットワーク１１７を介して外部の医用画像撮影装置や画像データサーバ１２７と接続して画像情報等を送受信する。医用画像撮影装置は、例えばＭＲＩ装置１１９、ＣＴ装置１２１、Ｘ線装置１２３、超音波装置１２５等である。画像データサーバ１２７には、例えば上記医用画像撮影装置等で取得された画像データを格納しても良い。
また、画像認識装置１００は、医用画像撮影装置と一体化された構成であっても良い。
【００２３】
（２．表示）
図２は、画像認識装置１００の表示部１０５に表示される画面２５を示す。
画像認識装置１００の制御部１０９は、記憶部１１３に格納している画像情報２、或いはネットワーク１１７を介して画像データサーバ１２７や医用画像撮影装置等（ＭＲＩ装置１１９、ＣＴ装置１２１、Ｘ線装置１２３、超音波装置１２５等）から取得する画像情報２を表示部１０５の画面２５に表示させる。また、リムーバブルな記憶メディアに格納された画像情報２を、画像認識装置１００に読み込み、表示させるようにしても良い。
【００２４】
画像情報２は、例えば医用画像である体内断面画像を示し、体内領域５内に輪郭抽出を行う対象となる臓器等の対象領域１が表示される。閉曲線３は対象領域１の輪郭抽出のために設定される。背景領域１７は、体外領域（即ち空気領域）であり、後述するが前処理段階で除外される領域である。
【００２５】
画面２５では、画像情報２に関する情報として造影剤９の有無、コントラスト１１に関する情報、高エッジ排除率１３等の項目を操作者が設定することができる。例えばコントラスト１１に関する情報として、抽出対象となる対象領域１の輝度が高く表示される場合に操作者は「内部が明るい」の項目を指定する。また、抽出対象となる対象領域１の輪郭以外に誤って輪郭として抽出される可能性のある画像形状を予め排除するための高エッジ排除率１３を設定しておくことができる。
尚、以降説明する本実施の形態においては、コントラスト１１情報として、抽出対象となる対象領域１の輝度が高い、即ち「内部が明るい」、即ち内部の画素値が大きいとして説明を進める。
【００２６】
操作者が画面２５の抽出開始ボタン１５をクリックすると、本実施の形態の画像認識装置１００は、抽出対象となる対象領域１の輪郭抽出処理を開始する。
【００２７】
（３．輪郭抽出処理）
（３−１．輪郭抽出概要）
まず、対象領域１の輪郭抽出処理の概要について説明する。動的輪郭抽出方法（ＳＮＡＫＥＳ）によれば、画像に含まれる対象領域１に対して、設定する閉曲線３を変形移動させて当該対象領域１の輪郭に一致する場合に、閉曲線３の総エネルギーが最小となる。画像情報２に設定する閉曲線３の総エネルギーが最小となるように閉曲線３を変形させることで対象領域１の輪郭を抽出する。
【００２８】
閉曲線３上のサンプル点を「ｓ」（ｓ：サンプル点番号）とすると、当該サンプル点の総エネルギーεｔｏｔａｌ（ｓ）は、式（１）で表される。
【００２９】
【数１】
【００３０】
尚、εｉｎｔｅｒ（ｓ）（式（２））は、閉曲線３の歪み度を示す内部エネルギー、εｉｍａｇ（ｓ）（式（３））は画像情報２の輝度勾配を示す画像エネルギー、εｅｘｔｅｒ（ｓ）（式（４））は強制外力の源となる外部エネルギーを示し、それぞれ次式で表される。
【００３１】
【数２】
【００３２】
【数３】
【００３３】
【数４】
【００３４】
ｖ（ｓ）はサンプル点ｓの位置を示す。α、β、ω、κは係数であり、α、β、κは輝度Ｉに応じて符号や値を変える重み係数である。∇Ｉは輝度勾配である。ｖｃ．ｍ．は閉曲線の重心位置を示す。
【００３５】
画像認識装置１００は、各サンプル点の総エネルギーεｔｏｔａｌ（ｓ）の総和である全エネルギーＥｔｏｔａｌが最小となるようサンプル点の移動方向と移動量を算出し、サンプル点を移動させることで閉曲線３を動的に変形移動させる。画像認識装置１００は、閉曲線３の全エネルギーが最小となる閉曲線３の位置を対象領域１の輪郭として抽出する。尚、全エネルギーＥｔｏｔａｌは、式（５）で表される。
【００３６】
【数５】
【００３７】
（３−２．輪郭抽出の前処理）
次に、図３〜図５を参照しながら、対象領域１の輪郭抽出処理に先だって行う前処理について説明する。
【００３８】
図３は、前処理のフローチャートである。
図４（ａ）は、画像認識装置１００が取得する画像情報２を示す図である。
図４（ｂ）は、画像情報の輝度ヒストグラム１９を示す図である。
図５は、対象領域１を含む処理領域２７を示す図である。
【００３９】
画像認識装置１００の制御部１０９は、記憶部１１３或いはネットワーク１１７を介して画像情報２を取得する（ステップ１００１）。制御部１０９は、当該画像情報２に含まれるノイズ等を除去するため、対象領域１の輪郭構造を崩さない設定で、当該画像情報２について平滑化フィルタ処理を行う（ステップ１００２）。
【００４０】
制御部１０９は、ノイズ等を除去した画像情報２の輝度２３（画素値）分布を基に、画像情報２の輝度を２つの領域に分割した場合の２領域のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値を閾値２５として算出する。図４（ｂ）に示すように、画像情報２の輝度２３分布をヒストグラム１９に表し、領域Ｉと領域ＩＩに分割した場合の２領域のクラス間分散とクラス内分散との比である分離度が最大となる境界画素値が閾値２５として算出される。
【００４１】
制御部１０９は、求めた閾値２５の値以下の輝度の画素を背景領域１７と認識して以降の処理から除外し、残りの領域を処理領域２７として抽出する（ステップ１００３）。図５に示すように、制御部１０９は、画像情報２から背景領域１７を除外し、対象領域１を含む処理領域２７を抽出する。
尚、ここでは画像情報２から背景領域１７を除外して処理領域２７を抽出したが、必要であれば処理領域２７に更に同様の処理を行って再度背景領域を除外し、新たに処理領域を抽出するようにしても良い。
【００４２】
制御部１０９は、処理領域２７の画素の輝度分布に基づいて輝度勾配（∇Ｉ）を求める。処理領域２７の画素の画像エネルギーεｉｍａｇ（ｓ）を式（３）で算出し、処理領域２７の画素の画像エネルギーεｉｍａｇ（ｓ）が所定の値となるように係数ωを決定する（ステップ１００４）。
【００４３】
ここで、対象の画像が系統的な画像、例えば腹部の医療画像など特定の対象であり、構造的に個体差がそれほどないものに関しては、予め画像エネルギーのうち最大値の何％以上の値を示すエッジが対象以外のエッジからの寄与かを統計的に求めておき、高エッジ排除率１３のパラメータ（図２）として設定しても良い。
【００４４】
制御部１０９は、処理領域２７の画素値情報、及び算出した処理領域２７の画像エネルギーεｉｍａｇ（ｓ）をメモリ１０７又は記憶部１１３に記憶する（ステップ１００５）。
【００４５】
（３−３．輪郭抽出処理の全体的な流れ）
次に、図６を参照しながら、対象領域１の輪郭抽出処理の全体的な流れについて説明する。
図６は、対象領域１の輪郭抽出処理のフローチャートを示す。
【００４６】
画像認識装置１００の制御部１０９は、メモリ１０７又は記憶部１１３に格納されている画像情報２（処理領域２７の画素値情報）を取得する（ステップ２００１）。
例えば画像情報２が時間的或いは空間的に連続した画像情報である場合には、隣接する画像情報で取得した対象領域の輪郭情報を基にして、初期の閉曲線３として利用する（ステップ２００２）。初期の閉曲線３が抽出する対象領域１の輪郭に近似しているため、輪郭検出の精度向上と抽出にかかる時間の短縮効果がある。
【００４７】
制御部１０９は、取得した画像情報２及び初期の閉曲線３を表示部１０５に表示する（ステップ２００３）。初期の閉曲線３は、ステップ２００２で取得した隣接画像情報に基づいて設定されるものであっても良いし、表示された画像情報２の所定の位置に所定の形状で自動的に設定されても良いし、操作者が画像上に任意に描画することにより設定されるものであっても良い。
【００４８】
制御部１０９は、設定された閉曲線３上に複数のサンプル点３１−１、３１−２、…を配置し（図８（ａ）参照）、全エネルギーＥｔｏｔａｌが最小となるように各サンプル点３１の移動方向と移動量を算出する（ステップ２００４）。
尚、サンプル点３１の座標算出（ステップ２００４）の詳細については、図７のフローチャートに沿って後述する。
【００４９】
制御部１０９は、算出したサンプル点３１の移動により閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束したかどうかを判定する（ステップ２００５）。制御部１０９は、サンプル点３１の座標が一定値に収束あるいは一定値を中心に振動する場合に全エネルギーＥｔｏｔａｌが最小値で収束したと判断する。
【００５０】
閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束すると（ステップ２００６のＹＥＳ）、閉曲線３が対象領域１の輪郭に一致（最も近似）したことを示し、輪郭抽出処理が終了する。
【００５１】
閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束しない場合（ステップ２００６のＮＯ）、ステップ２００４に戻りサンプル点３１の移動処理（閉曲線３の変形）を繰り返す。
【００５２】
（３−４．サンプル点３１の座標算出処理）
次に、図７〜図１０を参照しながらサンプル点３１の座標算出処理（図６のステップ２００４）の詳細について説明する。
図７は、サンプル点３１の座標算出を示すフローチャートである。
図８は、（ａ）初期の帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
図９は、（ａ）輪郭抽出処理の中途過程にある帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
図１０は、（ａ）輪郭抽出処理の最終過程にある帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
【００５３】
ステップ３００１では、サンプル点３１の初期値として初期閉曲線３に設定されたサンプル点３１の座標が用いられる。尚、前述のステップ２００６のＮＯからの繰り返し処理ではステップ３００４〜ステップ３００８の処理により算出されたサンプル点３１の移動量や移動方向を基にサンプル点３１の座標更新が行われる。
【００５４】
画像認識装置１００の制御部１０９は、閉曲線３上に複数のサンプル点３１−１、３１−２、…を配置する。また、制御部１０９は閉曲線３を含み所定の幅を有する帯領域２９を設定する。尚、帯領域２９の幅は一定でなくても良いし、閉曲線３が帯領域の幅の中央位置でなくても良い。帯領域２９の内側の領域を内部領域３３とする。
【００５５】
制御部１０９は、閉曲線３上の画素値と内部領域３３の画素値のそれぞれの分散値と平均値を算出する（ステップ３００２）。制御部１０９は、算出した分散値と平均値を利用して、閉曲線３が対象領域１の近傍であるかどうかを判定する（ステップ３００３）。
【００５６】
ここでは、対象領域１内の画素値が他の領域と比較して大きく（明るい、輝度が大）表示されている場合を想定する。閉曲線３が変形しつつ対象領域１の輪郭に近似してくると、内部領域３３は対象領域１に包含されるので、内部領域３３の画素値の平均値は最大値に収束し、分散値は最小値に収束する。従って、（内部領域３３内の全画素値の平均値）＞（閉曲線３上の全画素値の平均値）かつ（内部領域３３内の全画素値の分散値）＜（閉曲線３上の全画素値の分散値）であれば、閉曲線３と、対象領域１の輪郭との近接度が高いと判定することができる。
【００５７】
図８及び図９に示すように、閉曲線３が対象領域１の輪郭の近傍ではないと判定された場合には（ステップ３００３のＮＯ）ステップ３００４の処理に移行する。図１０に示すように、閉曲線３が対象領域１の輪郭の近傍であると判定された場合には（ステップ３００３のＹＥＳ）、ステップ３００５のクラスタ分割処理に移行する。尚、ステップ３００５のクラスタ分割処理については後述する。
【００５８】
ステップ３００４以降の処理において、制御部１０９は、閉曲線３を含む帯領域２９内の全画素の画素値（輝度２３）と画素数２１のヒストグラム３９について、輝度２３を２つの領域、領域４１と領域４３に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる画素値（輝度２３）を閾値４５として算出する。当該分離度がある一定値に達しない場合、当該閾値は閉曲線３を含む帯領域２９内の全画素の画素値（輝度２３）の最大値とする。但し領域内部の輝度平均値の方が暗い場合は、当該閾値は帯領域２９内の全画素の画素値（輝度２３）の最小値とする。
【００５９】
制御部１０９は、閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値４５と比較し、（サンプル点３１の輝度）≧（閾値４５）ならば、サンプル点３１の座標を閉曲線３が膨張する方向に移動させ、（サンプル点３１の輝度）＜（閾値４５）ならば、サンプル点３１の座標を閉曲線３が収縮する方向に移動させるものと判別する（ステップ３００４）。制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理に移る。
【００６０】
（３−５．演算処理）
ここで、各サンプル点３１の移動方向及び移動量の算出（ステップ３００４〜ステップ３００８）に関しては、具体的には以下の演算処理が行われる。
【００６１】
画像認識装置１００の制御部１０９は、各サンプル点３１の画像輝度と分離度演算から算出した閾値との差に基づいて、内部エネルギーεｉｎｔｅｒ（ｓ）の係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）、外部エネルギーεｅｘｔｅｒ（ｓ）の係数κ（ｓ；Ｉ）を変化させることにより、各サンプル点３１に対して局所的に収縮力或いは膨張力を作用させる。
【００６２】
演算処理の詳細を以下に示す。
制御部１０９は、前処理で算出しメモリ１０７又は記憶部１１３に格納した画像エネルギーεｉｍａｇ（ｓ）（式（３））の微分値を算出し（ステップ３００７）、閉曲線３の運動方程式（式（６））を求める。
【００６３】
【数６】
【００６４】
式（６）を離散近似により具体的な方程式に直すと式（７）となり、行列形式で表せば式（８）となる。
【００６５】
【数７】
【００６６】
【数８】
【００６７】
制御部１０９は、式（８）の非線形連立方程式にＪａｃｏｂｉ法等を用いて演算処理して解を求める。Ｊａｃｏｂｉ法では行列Ａを対角成分Ｄと非対角成分とに分け、式（９）及び式（１０）に再帰代入することにより漸近的に解が求められる。
【００６８】
【数９】
【００６９】
【数１０】
【００７０】
但し、ｘ（ｎ）及びｘ（ｎ＋１）は、それぞれ代入前後の漸近解であり、γは減衰パラメータである。制御部１０９は、これらの方程式について演算処理を行って解を求めて各サンプル点３１の移動方向及び移動量を算出する。
【００７１】
（３−６．終了処理）
以上、サンプル点３１の座標算出処理（ステップ２００４：図６及び図７）を終了し、前述したように輪郭線３の全エネルギーＥｔｏｔａｌの収束判定処理であるステップ２００５の処理に移る。全エネルギーＥｔｏｔａｌが収束したと判定されなければ（ステップ２００６のＮＯ）、再度サンプル点３１の座標算出処理（ステップ２００４）を行う。全エネルギーＥｔｏｔａｌが収束したと判定されれば（ステップ２００６のＹＥＳ）、閉曲線３が対象領域１の輪郭を抽出したものとして処理を終了する。
【００７２】
このように、画像認識装置１００は閉曲線３を含む帯領域２９の画素値分布を利用して閾値４５を算出するので、信頼性のある閾値４５を取得して閉曲線３（即ちサンプル点３１）の移動方向及び移動量を正確に算出することができる。すなわち、画像認識装置１００は、帯領域２９の内側の内部領域３３の画素値に基づく統計値と閉曲線上または帯領域２９の画素値に基づく統計値とを比較して閉曲線３の輪郭への近接度を判断し、更に帯領域２９の画素値から算出した閾値４５を用いて閉曲線３の移動方向及び移動量を判断するので、帯領域２９より内側の内部領域３３の画素値情報を反映した上で高精度に対象領域１の輪郭抽出を行うことができる。
【００７３】
（３−７．クラスタ分割）
次に、図１１及び図１２を参照しながら、クラスタ分割について説明する。
【００７４】
図７のステップ３００３の処理において、図１０（ａ）に示すように閉曲線３が対象領域１の輪郭の近傍であると判定された場合（ステップ３００３のＹＥＳ）、画像認識装置１００の制御部１０９は、帯領域２９又は閉曲線３上の点を、少なくとも１つのサンプル点３１を含む複数のクラスタ（領域）に分割する（ステップ３００５）。
【００７５】
帯領域２９の画素値の分布が一様でない場合には、当該帯領域２９の画素値分布から求めた１つの閾値を一律に全てのサンプル点３１に適用するのは必ずしも適当ではない。従って、閉曲線３が対象領域１の輪郭の近傍に収束してきた場合、各サンプル点３１の移動方向及び移動量を判定する際に、当該各サンプル点３１の近傍領域（クラスタ）の画素値分布（輝度２３分布）から求めた閾値を比較値とすることが望ましい。
【００７６】
（３−７−１．帯領域２９のクラスタ分割）
図１１（ａ）は、帯領域２９を複数のクラスタ４７−１、４７−２、…に分割した図である。
図１１（ｂ）は、クラスタ４７−１内の全画素の画素値（輝度２３）と画素数２１との関係を示すヒストグラム４９−１である。
【００７７】
制御部１０９はクラスタの輝度ヒストグラム４９−１について、輝度２３を２つの領域、領域５１−１と領域５３−１に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値５５−１として算出する。例えばクラスタ４７−１では閾値５５−１が算出される。
【００７８】
制御部１０９は、クラスタ４７−１内の閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値５５−１と比較し、（サンプル点３１の輝度）≧（閾値５５−１）ならば、サンプル点３１の座標を閉曲線３が膨張する方向（膨張方向３５）に移動させ、（サンプル点３１の輝度）＜（閾値５５−１）ならば、サンプル点３１の座標を閉曲線３が収縮する方向（収縮方向３７）に移動させるものと判別する（ステップ３００６）。次に、制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理を行う。
尚、制御部１０９は、他のクラスタ４７−２、４７−３、…についても同様にステップ３００６〜ステップ３００８の処理を行う。
【００７９】
（３−７−２．閉曲線３のクラスタ分割）
図１２（ａ）は、閉曲線３を複数のクラスタ５７−１、５７−２、…に分割した図である。
図１２（ｂ）は、クラスタ５７−１内の全画素の画素値（輝度２３）と画素数２１との関係を示すヒストグラム４９−２である。
【００８０】
制御部１０９はクラスタの輝度ヒストグラム４９−２について、輝度２３を２つの領域、領域５１−２と領域５３−２に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値５５−２として算出する。例えばクラスタ５７−１では閾値５５−２が算出される。
【００８１】
制御部１０９は、クラスタ５７−１内の閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値５５−２と比較し、（サンプル点３１の輝度）≧（閾値５５−２）ならば、サンプル点３１の座標を閉曲線３が膨張する方向（膨張方向３５）に移動させ、（サンプル点３１の輝度）＜（閾値５５−２）ならば、サンプル点３１の座標を閉曲線３が収縮する方向（収縮方向３７）に移動させるものと判別する（ステップ３００６）。次に、制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理を行う。
尚、制御部１０９は、他のクラスタ５７−２、５７−３、…についても同様にステップ３００６〜ステップ３００８の処理を行う。
【００８２】
（３−７−３．クラスタ分割の効果）
以上説明したように、画像認識装置１００の制御部１０９は、閉曲線３が対象領域１の近傍に位置する場合、帯領域２９をクラスタ分割し（図１１）あるいは閉曲線３をクラスタ分割し（図１２）各クラスタ毎に処理を行う。帯領域２９の輝度分布が一様ではない場合でも、各サンプル点３１の近傍領域の画素値分布を用いて閾値を選定するので、より高精度にサンプル点３１の移動方向及び移動量を算出することができる。
【００８３】
（３−８．輝度ムラのある画像情報２）
図１３は、造影剤を使用した対象領域５８を示す図である。
図１４は、複数回の閾値算出を示す図である。
【００８４】
輝度ヒストグラム６３は、造影剤を使用した際の帯領域の輝度ヒストグラムである。例えば、医用画像取得のために造影剤を使用した場合、対象領域５８に輝度ムラが発生し、造影剤に十分染まっている造影剤染部６１と十分染まっていない造影剤不染部５９とが生じて画素値（輝度）が一様でない場合がある。
【００８５】
画像認識装置１００の制御部１０９は、当該対象領域５８に設定する閉曲線３を含む帯領域の輝度ヒストグラムから、閉曲線３上のサンプル点３１の移動方向及び移動量を判定する閾値を求める際、複数回の閾値算出処理を行う。
【００８６】
制御部１０９は、まず設定した閉曲線３を含む帯領域のヒストグラム６３について、輝度２３を領域Ｉ及び領域ＩＩに分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値６５−１として算出する。閾値６５−１は、造影不染領域と造影染領域の境界値を示し、造影不染領域（領域Ｉ）を除外し、残領域（領域ＩＩ）の領域ＩＩＩ及び領域ＩＶについて再度クラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる画素値（輝度２３）を閾値６５−２として算出する。
【００８７】
算出された閾値６５−２を、サンプル点の移動方向及び移動量を判定する比較値として使用する。即ち、画像の対象領域１に染まりムラがある場合でも、造影不染領域を除外し、閉曲線３の変形を決定する基準値（閾値６５−２）を精度よく抽出することが可能になる。
【００８８】
尚、前処理においても、帯領域２９に対する処理と同様に画像情報２に対して複数回の閾値算出処理を行い、画像情報２から背景領域１７を除去するようにしてもよい（図３のステップ１００３）。
【００８９】
（３−９．特定のサンプル点（ｓ）についての移動制御）
次に、特定のサンプル点（ｓ）における膨張作用あるいは収縮作用の制御について説明する。
【００９０】
内部エネルギーεｉｎｔｅｒ（ｓ）の係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）、外部エネルギーεｅｘｔｅｒ（ｓ）の係数κ（ｓ；Ｉ）は、それぞれ、サンプル点（ｓ）及びサンプル点（ｓ）の画像輝度（Ｉ）に応じて変化する関数として設定される。尚、画像輝度（Ｉ）に関して正確には、サンプル点の画像輝度（Ｉ）と帯領域２９等の所定領域内の画像輝度に基づいて算出した閾値との差異に応じて変化する関数として設定される。
【００９１】
内部エネルギーεｉｎｔｅｒ（ｓ）は、各サンプル点（ｓ）に対して主として収縮作用を与える。外部エネルギーεｅｘｔｅｒ（ｓ）は、各サンプル点（ｓ）に対して引力（収縮）あるいは斥力（膨張）を作用させる。外部エネルギーεｅｘｔｅｒ（ｓ）は、係数κ（ｓ；Ｉ）の正負を符号反転させることにより引力と斥力とを切り替えることができる。
【００９２】
ここで、特定のサンプル点（ｓ）の画像輝度（Ｉ）が所定の条件を満たす場合など、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にすることにより、当該特定のサンプル点（ｓ）の膨張効果を向上させることができる。
例えば、式（７）において、α（ｓ；Ｉ）＝０、とすると、式（１１）となり、サンプル点（ｓ）については、内部エネルギーεｉｎｔｅｒ（ｓ）の影響をほとんど受けることがないので、外部エネルギーεｅｘｔｅｒ（ｓ）による膨張効果を向上させることができる。
【００９３】
【数１１】
【００９４】
また、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）を「０」にすることは、各サンプル点（ｓ）間を結ぶ網を切断することに相当する。これにより、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）を「０」としたサンプル点（ｓ）については、内部エネルギーεｉｎｔｅｒ（ｓ）の束縛から解放され外部エネルギーεｅｘｔｅｒ（ｓ）による作用力に応じて膨張あるいは収縮することになる。
【００９５】
しかしながら、特定のサンプル点（ｓ）について係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にしたとしても、隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）について係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にしていなければ、当該特定のサンプル点（ｓ）の束縛を解放しつつ隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）の拘束を維持することができる。すなわち、特定のサンプル点（ｓ）から見ると網が切断され、隣接するサンプル点（ｓ−１）あるいはサンプル点（ｓ＋１）から見ると網が切断されていないという状態を実現することができる。
【００９６】
これにより、特定のサンプル点（ｓ）については内部エネルギーの束縛から解放し、隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）については内部エネルギーの拘束を維持することにより、特定のサンプル点（ｓ）だけが突発的に膨張あるいは収縮することはなく、隣接するサンプル点に位置する閉曲線３についても自然な形で変形させることができる。
【００９７】
（４．３次元の抽出対象）
次に、３次元的に滑らかな連続体の輪郭を抽出する場合について説明する。
図１５は、３次元の抽出対象６７を示す。
図１６は、抽出対象６７の極部分７１の抽出を示す図である。
【００９８】
図１５は３次元の抽出対象６７を示し、複数の２次元断面６９の集合として認識するものとする。画像認識装置１００は、まず任意の２次元断面６９で、前述した手順で対象画像を閉曲線及び帯領域を利用して抽出する。次に画像認識装置１００は、当該２次元断面６９に隣接した断面を選び、当該２次元断面６９での対象画像抽出結果を、隣接断面での閉曲線の初期輪郭として採用する。このように、隣接する画像の対象領域抽出に、前画像の抽出結果を用いることで、高精度で時間効率の高い抽出方法を実現することができる。
【００９９】
また、特に３次元の抽出対象６７の極部分７１については、対象の境界部分が不鮮明になる場合があるので、円形度や面積などを指標にして、円形度や面積がある一定値以下となるか、もしくは前断面での対象画像の抽出結果で円形度や面積がある一定の比率よりも小さくなった場合は、抽出断面を回転させて断面方向をずらし（図１６参照）、その極部分についての輪郭を抽出する。
【０１００】
（５．その他）
尚、本実施の形態では、輪郭抽出する対象領域１の画素値（輝度２３）が大きい場合について説明したが、逆に対象領域１の画素値（輝度２３）が小さい場合についても同様の処理を行うことができる。
【０１０１】
尚、本発明の技術的範囲は、前述した実施の形態に限られるものではない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【図面の簡単な説明】
【０１０２】
【図１】画像認識装置１の構成図
【図２】表示部１０５の画面２５を示す図
【図３】画像情報２の前処理を示すフローチャート
【図４】（ａ）画像認識装置１００が取得する画像情報２を示す図、（ｂ）画像情報２の輝度ヒストグラムを示す図
【図５】抽出された処理領域２７を示す図
【図６】対象領域１の輪郭抽出を示すフローチャート
【図７】サンプル点座標算出を示すフローチャート
【図８】（ａ）初期の帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−１を示す図
【図９】（ａ）輪郭抽出処理の中途過程にある帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−２を示す図
【図１０】（ａ）輪郭抽出処理の最終過程にある帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−３を示す図
【図１１】（ａ）帯領域２９のクラスタ分割を示す図、（ｂ）クラスタの輝度ヒストグラム４９−１を示す図
【図１２】（ａ）閉曲線３のクラスタ分割を示す図、（ｂ）クラスタの輝度ヒストグラム４９−２を示す図
【図１３】造影剤を使用した対象領域５８を示す図
【図１４】複数回の閾値算出を示す図
【図１５】３次元の抽出対象を示す図
【図１６】極部分の抽出方法を示す図
【符号の説明】
【０１０３】
１、５８………対象領域
２………画像情報
３………閉曲線
５………体内領域
９………造影剤
１１………コントラスト
１３………高エッジ排除率
１５………抽出開始ボタン
１７………背景領域
１９………画像情報の輝度ヒストグラム
２１………画素数
２３………輝度
２５、４５−１〜４５−３、５５−１、５５−２、６５−１、６５−２………閾値
２７………処理領域
２９………帯領域
３１、３１−１、３１−２、・・………サンプル点
３３………内部領域
３５………膨張方向
３７………収縮方向
３９−１〜３９−３、６３………帯領域の輝度ヒストグラム
４７−１、４７−２・・、５７−１〜５７−３、・・………クラスタ
４９−１、４９−３………クラスタの輝度ヒストグラム
５９………造影剤不染部
６１………造影剤染部
６７………抽出対象
６９………２次元断面
７１………極部分
１００………画像認識装置
１０１………出力部
１０３………入力部
１０５………表示部
１０７………メモリ
１０９………制御部
１１１………通信部
１１３………記憶部
１１５………システムバス
１１７………ネットワーク
１１９………ＭＲＩ装置
１２１………ＣＴ装置
１２３………Ｘ線装置
１２５………超音波装置
１２７………画像データサーバ
【技術分野】
【０００１】
本発明は、画像中の対象画像抽出を行う画像認識装置に係り、特に画像の輪郭を抽出する画像認識装置に関する。
【背景技術】
【０００２】
従来、弾性体の物理法則を閉曲線に適用した動的輪郭抽出法が提案されている（「非特許文献１」参照）。この方法は閉曲線上の離散化されたサンプル点に着目し、それらの点が持つ閉曲線の歪み度を示す内部エネルギーと、画像情報から構成される画像エネルギーと、強制外力の源となる外部エネルギーとの和である総エネルギーが最小値をとるように当該サンプル点を移動させ、最適解を探り対象輪郭を抽出する方法である。
【０００３】
非特許文献１による動的輪郭抽出法では、閉曲線は大局的に縮小方向か膨張方向かのいずれか一方向への動きしかできないという問題点があった。これに対して抽出対象が２値画像である単純な画像にのみ、画像輝度を用いて該閉曲線が抽出対象の内部にあるかどうかを判断し、収縮・膨張を局所的に選択する技術が提案されている（「特許文献１」参照）。
【０００４】
【非特許文献１】ＳＮＡＫＥＳ：Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ Ｍｏｄｅｌｓ（Ｍ．Ｋａｓｓ，ｅｔ．ａｌ：Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｖｉｓｉｏｎ，３２１−３３１，１９８８）
【特許文献１】特開２００２−４９９２２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかしながら、多くの画像は多階調画像であり一般的には２値化することで抽出精度が低下する危険性がある。さらに２値化する際の閾値をどのような方法で決定するかによって抽出結果が異なるという問題点が生じる。従って２値化することなく該閉曲線の局所的な収縮・膨張を決定する手段が必要となる。また、一般的に動的輪郭抽出法では各種パラメータの調整が困難であり制御が難しい。また非関心領域のエッジに閉曲線が拘束され、正しい抽出結果を得ることができないという問題点もある。
【０００６】
本発明は、このような問題を鑑みてなされたもので、その目的とするところは、対象画像を高精度で抽出することのできる画像認識装置を提供することである。
【課題を解決するための手段】
【０００７】
前述した目的を達成するための本発明は、画像を演算処理する演算処理部と前記画像及び演算処理結果を保持する保持部と前記画像及び前記演算処理結果を表示する表示部とを備え、前記画像に閉曲線を配置し前記閉曲線の歪み具合を示す内部エネルギーまたは前記画像の輝度勾配を示す画像エネルギーまたは前記閉曲線の膨張あるいは収縮を示す外部エネルギーの少なくともいずれかの和である総エネルギーに基づいて前記閉曲線を動的に変形させて前記画像に含まれる対象領域の輪郭を抽出する画像認識装置であって、前記画像に前記閉曲線を含み所定の幅を有する帯領域を配置する帯領域設定手段と、前記帯領域内の画素値を基に閾値を算出する閾値算出手段と、前記総エネルギーを用い、前記閾値算出手段により算出した閾値と前記閉曲線上の各サンプル点の画素値との比較結果に基づいて、前記各サンプル点毎に移動方向及び移動量を算出して前記各サンプル点を移動させる移動手段と、を具備することを特徴とする画像認識装置である。
【０００８】
画像は、例えばＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）装置やＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置等の医療装置で被検体内部が撮像された画像である。
閉曲線は、画像の所定の位置に所定の形状で初期の閉曲線として自動的に設定してもよいし、操作者が画像上に任意に描画することにより設定してもよい。また、相関のある複数の画像の処理を行う際には、既に抽出された対象領域の輪郭を基に初期の閉曲線を設定してもよい。
帯領域は、閉曲線を含み所定の幅を有する領域として設定される。尚、帯領域の幅は一定でなくても良い。また閉曲線は帯幅の中心でなくても良い。
画素値は、画像輝度である。画素値は、濃度値と表現される場合もある。
【０００９】
閾値算出は、所定の領域内（例えば帯領域内）の画素値の分布を基にして境界画素値を算出することである。閾値は、例えば２分割する２つの領域のクラス間分散とクラス内分散との比である分離度が最大となる境界画素値として算出される。
サンプル点は、閉曲線上の複数の点として設定される。各サンプル点の画素値と閾値とが比較され、当該各サンプル点の移動方向と移動量とが算出される。
動的輪郭法（Ｓｎａｋｅｓ法）は、内部エネルギー及び画像エネルギー及び外部エネルギーの和である総エネルギーが最小になる位置に、閉曲線上の構成点を移動させて対象領域の輪郭を抽出する方法である。最終的には閉曲線が対象領域の輪郭に収束し、当該対象領域の輪郭が抽出される。
【００１０】
本発明の画像認識装置は、画像に閉曲線を含み所定の幅を有する帯領域を配置し、帯領域内の画素値を基に閾値を算出し、画像の総エネルギーを用いて、閾値と閉曲線上の各サンプル点の画素値との比較結果に基づいて、各サンプル点毎に移動方向及び移動量を算出して各サンプル点を移動させる。
本発明の画像認識装置は、帯領域の画素値から算出した閾値を用いて閉曲線の移動方向及び移動量を判断するので、帯領域より内側の内部領域の影響を受けることなく高精度に対象領域の輪郭抽出を行うことができる。
【００１１】
また、閾値とサンプル点の画素値との比較結果に応じて内部エネルギーや外部エネルギーの重み係数を変化させるようにしても良い。
これにより、閾値とサンプル点の画素値との比較結果に応じて内部エネルギーや外部エネルギーの重み係数を変化させ、効率的に閉曲線を局所的に膨張あるいは収縮させることができる。
【００１２】
また、最初に算出した閾値により領域を分割し、一方の領域を除外し他方の領域内の画素値を基に新たな閾値を算出するようにしても良い。
これにより、造影剤を使用した画像において、画像の輝度（画素値）にムラがある場合に、まず算出した閾値により一方の領域（造影剤による不染領域）を除外して画像認識の精度向上をはかることができる。画像認識に不要な領域を除外するために、閾値の算出は、さらに複数回行っても良い。
【００１３】
また、帯領域または閉曲線を少なくとも１つのサンプル点を含む複数の領域（クラスタ）に分割し、分割された領域毎に、分割された領域内の画素値を基に第２の閾値を算出し、分割された領域毎に、第２の閾値とサンプル点の画素値とを比較してサンプル点毎に移動方向及び移動量を算出するようにしても良い。
これにより、閉曲線と対象領域の輪郭との近接度が高くなった場合、帯領域又は閉曲線を複数の領域に分割し、分割された領域ごとに閾値を算出して当該領域内にあるサンプル点の画素値とを比較して当該サンプル点の移動方向及び移動量を算出する。サンプル点の移動の判断に、当該サンプル点近傍領域の画素値から閾値を算出することで、サンプル点移動制御をより高精度に実現することが可能になる。
【００１４】
また、帯領域の内側の内部領域の画素値に基づく統計値と閉曲線上または帯領域の画素値に基づく統計値とを比較して、閉曲線と対象領域の輪郭との近接度を判定するようにしても良い。統計値は、例えば平均値及び分散値である。
これにより、閉曲線と対象領域との近接度に応じて、より高精度な処理（クラスタ分割処理等）へ移行するか否かを判断することができる。
【００１５】
また、ある画像において既に抽出した対象領域の輪郭を相関性を有する他の画像における初期閉曲線として用いるようにしても良い。
これにより、既に抽出した対象領域の輪郭を初期閉曲線として用いることで、処理時間の短縮及び輪郭抽出処理の精度の向上を図ることができる。
【００１６】
また、３次元の対象領域における複数の断面のうちいずれかの断面については断面方向をずらして当該断面における輪郭を抽出し、３次元の対象領域の輪郭を抽出するようにしても良い。
これにより、３次元画像において断面方向を回転させて断面における対象領域の輪郭を抽出することで、極部分などの詳細な輪郭を取得することが可能になる。
【発明の効果】
【００１７】
本発明によれば、対象画像を高精度で抽出することのできる画像認識装置を提供することができる。
【発明を実施するための最良の形態】
【００１８】
以下に、図面に基づいて本発明の実施の形態に係る画像認識装置について説明する。
図１は、画像認識装置１００の構成図である。
【００１９】
（１．画像認識装置１００の構成）
画像認識装置１００は、外部記憶装置や印刷装置等の出力部１０１と、マウスやタッチパネルやキーボードやメディア読取装置等の入力部１０３と、画像を表示するＣＲＴや液晶表示装置等の表示部１０５と、画像認識装置１００の制御プログラムが格納されたメモリ１０７と、各構成要素の動作を制御するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：中央処理装置）等の制御部１０９と、インターネット等のネットワーク１１７に接続する通信部１１１と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等のデータ記憶部１１３と、上記各構成要素をデータ送受可能に接続するシステムバス１１５とから構成される。
【００２０】
入力部１０３は、表示部１０５のソフトスイッチを操作するためのマウス、トラックボール、タッチパネル等のポインティングデバイス、及びポインティングデバイスコントローラと、各種パラメータ設定用のキーやスイッチを備えたキーボード等である。また、入力部１０３は、ＣＤ−ＲＯＭ等を読み取るメディア読取装置等であっても良い。
【００２１】
メモリ１０７は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等であり、例えば制御部１０９は、ＲＯＭに格納される画像認識装置１００の制御プログラムをＲＡＭにロードして実行する。
通信部１１１は、画像認識装置１００をネットワーク１１７、電話回線等の公衆回線、ＬＡＮネットワーク、有線等の専用回線等に接続するネットワークアダプタである。
記憶部１１３は、画像認識装置１００に内蔵又は外付けされたＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等であり、画像認識装置１００が読み込んだ画像情報や、加工中或いは加工後の画像情報を格納する。
【００２２】
画像認識装置１００は、ネットワーク１１７を介して外部の医用画像撮影装置や画像データサーバ１２７と接続して画像情報等を送受信する。医用画像撮影装置は、例えばＭＲＩ装置１１９、ＣＴ装置１２１、Ｘ線装置１２３、超音波装置１２５等である。画像データサーバ１２７には、例えば上記医用画像撮影装置等で取得された画像データを格納しても良い。
また、画像認識装置１００は、医用画像撮影装置と一体化された構成であっても良い。
【００２３】
（２．表示）
図２は、画像認識装置１００の表示部１０５に表示される画面２５を示す。
画像認識装置１００の制御部１０９は、記憶部１１３に格納している画像情報２、或いはネットワーク１１７を介して画像データサーバ１２７や医用画像撮影装置等（ＭＲＩ装置１１９、ＣＴ装置１２１、Ｘ線装置１２３、超音波装置１２５等）から取得する画像情報２を表示部１０５の画面２５に表示させる。また、リムーバブルな記憶メディアに格納された画像情報２を、画像認識装置１００に読み込み、表示させるようにしても良い。
【００２４】
画像情報２は、例えば医用画像である体内断面画像を示し、体内領域５内に輪郭抽出を行う対象となる臓器等の対象領域１が表示される。閉曲線３は対象領域１の輪郭抽出のために設定される。背景領域１７は、体外領域（即ち空気領域）であり、後述するが前処理段階で除外される領域である。
【００２５】
画面２５では、画像情報２に関する情報として造影剤９の有無、コントラスト１１に関する情報、高エッジ排除率１３等の項目を操作者が設定することができる。例えばコントラスト１１に関する情報として、抽出対象となる対象領域１の輝度が高く表示される場合に操作者は「内部が明るい」の項目を指定する。また、抽出対象となる対象領域１の輪郭以外に誤って輪郭として抽出される可能性のある画像形状を予め排除するための高エッジ排除率１３を設定しておくことができる。
尚、以降説明する本実施の形態においては、コントラスト１１情報として、抽出対象となる対象領域１の輝度が高い、即ち「内部が明るい」、即ち内部の画素値が大きいとして説明を進める。
【００２６】
操作者が画面２５の抽出開始ボタン１５をクリックすると、本実施の形態の画像認識装置１００は、抽出対象となる対象領域１の輪郭抽出処理を開始する。
【００２７】
（３．輪郭抽出処理）
（３−１．輪郭抽出概要）
まず、対象領域１の輪郭抽出処理の概要について説明する。動的輪郭抽出方法（ＳＮＡＫＥＳ）によれば、画像に含まれる対象領域１に対して、設定する閉曲線３を変形移動させて当該対象領域１の輪郭に一致する場合に、閉曲線３の総エネルギーが最小となる。画像情報２に設定する閉曲線３の総エネルギーが最小となるように閉曲線３を変形させることで対象領域１の輪郭を抽出する。
【００２８】
閉曲線３上のサンプル点を「ｓ」（ｓ：サンプル点番号）とすると、当該サンプル点の総エネルギーεｔｏｔａｌ（ｓ）は、式（１）で表される。
【００２９】
【数１】
【００３０】
尚、εｉｎｔｅｒ（ｓ）（式（２））は、閉曲線３の歪み度を示す内部エネルギー、εｉｍａｇ（ｓ）（式（３））は画像情報２の輝度勾配を示す画像エネルギー、εｅｘｔｅｒ（ｓ）（式（４））は強制外力の源となる外部エネルギーを示し、それぞれ次式で表される。
【００３１】
【数２】
【００３２】
【数３】
【００３３】
【数４】
【００３４】
ｖ（ｓ）はサンプル点ｓの位置を示す。α、β、ω、κは係数であり、α、β、κは輝度Ｉに応じて符号や値を変える重み係数である。∇Ｉは輝度勾配である。ｖｃ．ｍ．は閉曲線の重心位置を示す。
【００３５】
画像認識装置１００は、各サンプル点の総エネルギーεｔｏｔａｌ（ｓ）の総和である全エネルギーＥｔｏｔａｌが最小となるようサンプル点の移動方向と移動量を算出し、サンプル点を移動させることで閉曲線３を動的に変形移動させる。画像認識装置１００は、閉曲線３の全エネルギーが最小となる閉曲線３の位置を対象領域１の輪郭として抽出する。尚、全エネルギーＥｔｏｔａｌは、式（５）で表される。
【００３６】
【数５】
【００３７】
（３−２．輪郭抽出の前処理）
次に、図３〜図５を参照しながら、対象領域１の輪郭抽出処理に先だって行う前処理について説明する。
【００３８】
図３は、前処理のフローチャートである。
図４（ａ）は、画像認識装置１００が取得する画像情報２を示す図である。
図４（ｂ）は、画像情報の輝度ヒストグラム１９を示す図である。
図５は、対象領域１を含む処理領域２７を示す図である。
【００３９】
画像認識装置１００の制御部１０９は、記憶部１１３或いはネットワーク１１７を介して画像情報２を取得する（ステップ１００１）。制御部１０９は、当該画像情報２に含まれるノイズ等を除去するため、対象領域１の輪郭構造を崩さない設定で、当該画像情報２について平滑化フィルタ処理を行う（ステップ１００２）。
【００４０】
制御部１０９は、ノイズ等を除去した画像情報２の輝度２３（画素値）分布を基に、画像情報２の輝度を２つの領域に分割した場合の２領域のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値を閾値２５として算出する。図４（ｂ）に示すように、画像情報２の輝度２３分布をヒストグラム１９に表し、領域Ｉと領域ＩＩに分割した場合の２領域のクラス間分散とクラス内分散との比である分離度が最大となる境界画素値が閾値２５として算出される。
【００４１】
制御部１０９は、求めた閾値２５の値以下の輝度の画素を背景領域１７と認識して以降の処理から除外し、残りの領域を処理領域２７として抽出する（ステップ１００３）。図５に示すように、制御部１０９は、画像情報２から背景領域１７を除外し、対象領域１を含む処理領域２７を抽出する。
尚、ここでは画像情報２から背景領域１７を除外して処理領域２７を抽出したが、必要であれば処理領域２７に更に同様の処理を行って再度背景領域を除外し、新たに処理領域を抽出するようにしても良い。
【００４２】
制御部１０９は、処理領域２７の画素の輝度分布に基づいて輝度勾配（∇Ｉ）を求める。処理領域２７の画素の画像エネルギーεｉｍａｇ（ｓ）を式（３）で算出し、処理領域２７の画素の画像エネルギーεｉｍａｇ（ｓ）が所定の値となるように係数ωを決定する（ステップ１００４）。
【００４３】
ここで、対象の画像が系統的な画像、例えば腹部の医療画像など特定の対象であり、構造的に個体差がそれほどないものに関しては、予め画像エネルギーのうち最大値の何％以上の値を示すエッジが対象以外のエッジからの寄与かを統計的に求めておき、高エッジ排除率１３のパラメータ（図２）として設定しても良い。
【００４４】
制御部１０９は、処理領域２７の画素値情報、及び算出した処理領域２７の画像エネルギーεｉｍａｇ（ｓ）をメモリ１０７又は記憶部１１３に記憶する（ステップ１００５）。
【００４５】
（３−３．輪郭抽出処理の全体的な流れ）
次に、図６を参照しながら、対象領域１の輪郭抽出処理の全体的な流れについて説明する。
図６は、対象領域１の輪郭抽出処理のフローチャートを示す。
【００４６】
画像認識装置１００の制御部１０９は、メモリ１０７又は記憶部１１３に格納されている画像情報２（処理領域２７の画素値情報）を取得する（ステップ２００１）。
例えば画像情報２が時間的或いは空間的に連続した画像情報である場合には、隣接する画像情報で取得した対象領域の輪郭情報を基にして、初期の閉曲線３として利用する（ステップ２００２）。初期の閉曲線３が抽出する対象領域１の輪郭に近似しているため、輪郭検出の精度向上と抽出にかかる時間の短縮効果がある。
【００４７】
制御部１０９は、取得した画像情報２及び初期の閉曲線３を表示部１０５に表示する（ステップ２００３）。初期の閉曲線３は、ステップ２００２で取得した隣接画像情報に基づいて設定されるものであっても良いし、表示された画像情報２の所定の位置に所定の形状で自動的に設定されても良いし、操作者が画像上に任意に描画することにより設定されるものであっても良い。
【００４８】
制御部１０９は、設定された閉曲線３上に複数のサンプル点３１−１、３１−２、…を配置し（図８（ａ）参照）、全エネルギーＥｔｏｔａｌが最小となるように各サンプル点３１の移動方向と移動量を算出する（ステップ２００４）。
尚、サンプル点３１の座標算出（ステップ２００４）の詳細については、図７のフローチャートに沿って後述する。
【００４９】
制御部１０９は、算出したサンプル点３１の移動により閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束したかどうかを判定する（ステップ２００５）。制御部１０９は、サンプル点３１の座標が一定値に収束あるいは一定値を中心に振動する場合に全エネルギーＥｔｏｔａｌが最小値で収束したと判断する。
【００５０】
閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束すると（ステップ２００６のＹＥＳ）、閉曲線３が対象領域１の輪郭に一致（最も近似）したことを示し、輪郭抽出処理が終了する。
【００５１】
閉曲線３の全エネルギーＥｔｏｔａｌが最小値で収束しない場合（ステップ２００６のＮＯ）、ステップ２００４に戻りサンプル点３１の移動処理（閉曲線３の変形）を繰り返す。
【００５２】
（３−４．サンプル点３１の座標算出処理）
次に、図７〜図１０を参照しながらサンプル点３１の座標算出処理（図６のステップ２００４）の詳細について説明する。
図７は、サンプル点３１の座標算出を示すフローチャートである。
図８は、（ａ）初期の帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
図９は、（ａ）輪郭抽出処理の中途過程にある帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
図１０は、（ａ）輪郭抽出処理の最終過程にある帯領域２９と対象領域１との位置関係、（ｂ）当該帯領域の輝度ヒストグラムを示す図である。
【００５３】
ステップ３００１では、サンプル点３１の初期値として初期閉曲線３に設定されたサンプル点３１の座標が用いられる。尚、前述のステップ２００６のＮＯからの繰り返し処理ではステップ３００４〜ステップ３００８の処理により算出されたサンプル点３１の移動量や移動方向を基にサンプル点３１の座標更新が行われる。
【００５４】
画像認識装置１００の制御部１０９は、閉曲線３上に複数のサンプル点３１−１、３１−２、…を配置する。また、制御部１０９は閉曲線３を含み所定の幅を有する帯領域２９を設定する。尚、帯領域２９の幅は一定でなくても良いし、閉曲線３が帯領域の幅の中央位置でなくても良い。帯領域２９の内側の領域を内部領域３３とする。
【００５５】
制御部１０９は、閉曲線３上の画素値と内部領域３３の画素値のそれぞれの分散値と平均値を算出する（ステップ３００２）。制御部１０９は、算出した分散値と平均値を利用して、閉曲線３が対象領域１の近傍であるかどうかを判定する（ステップ３００３）。
【００５６】
ここでは、対象領域１内の画素値が他の領域と比較して大きく（明るい、輝度が大）表示されている場合を想定する。閉曲線３が変形しつつ対象領域１の輪郭に近似してくると、内部領域３３は対象領域１に包含されるので、内部領域３３の画素値の平均値は最大値に収束し、分散値は最小値に収束する。従って、（内部領域３３内の全画素値の平均値）＞（閉曲線３上の全画素値の平均値）かつ（内部領域３３内の全画素値の分散値）＜（閉曲線３上の全画素値の分散値）であれば、閉曲線３と、対象領域１の輪郭との近接度が高いと判定することができる。
【００５７】
図８及び図９に示すように、閉曲線３が対象領域１の輪郭の近傍ではないと判定された場合には（ステップ３００３のＮＯ）ステップ３００４の処理に移行する。図１０に示すように、閉曲線３が対象領域１の輪郭の近傍であると判定された場合には（ステップ３００３のＹＥＳ）、ステップ３００５のクラスタ分割処理に移行する。尚、ステップ３００５のクラスタ分割処理については後述する。
【００５８】
ステップ３００４以降の処理において、制御部１０９は、閉曲線３を含む帯領域２９内の全画素の画素値（輝度２３）と画素数２１のヒストグラム３９について、輝度２３を２つの領域、領域４１と領域４３に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる画素値（輝度２３）を閾値４５として算出する。当該分離度がある一定値に達しない場合、当該閾値は閉曲線３を含む帯領域２９内の全画素の画素値（輝度２３）の最大値とする。但し領域内部の輝度平均値の方が暗い場合は、当該閾値は帯領域２９内の全画素の画素値（輝度２３）の最小値とする。
【００５９】
制御部１０９は、閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値４５と比較し、（サンプル点３１の輝度）≧（閾値４５）ならば、サンプル点３１の座標を閉曲線３が膨張する方向に移動させ、（サンプル点３１の輝度）＜（閾値４５）ならば、サンプル点３１の座標を閉曲線３が収縮する方向に移動させるものと判別する（ステップ３００４）。制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理に移る。
【００６０】
（３−５．演算処理）
ここで、各サンプル点３１の移動方向及び移動量の算出（ステップ３００４〜ステップ３００８）に関しては、具体的には以下の演算処理が行われる。
【００６１】
画像認識装置１００の制御部１０９は、各サンプル点３１の画像輝度と分離度演算から算出した閾値との差に基づいて、内部エネルギーεｉｎｔｅｒ（ｓ）の係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）、外部エネルギーεｅｘｔｅｒ（ｓ）の係数κ（ｓ；Ｉ）を変化させることにより、各サンプル点３１に対して局所的に収縮力或いは膨張力を作用させる。
【００６２】
演算処理の詳細を以下に示す。
制御部１０９は、前処理で算出しメモリ１０７又は記憶部１１３に格納した画像エネルギーεｉｍａｇ（ｓ）（式（３））の微分値を算出し（ステップ３００７）、閉曲線３の運動方程式（式（６））を求める。
【００６３】
【数６】
【００６４】
式（６）を離散近似により具体的な方程式に直すと式（７）となり、行列形式で表せば式（８）となる。
【００６５】
【数７】
【００６６】
【数８】
【００６７】
制御部１０９は、式（８）の非線形連立方程式にＪａｃｏｂｉ法等を用いて演算処理して解を求める。Ｊａｃｏｂｉ法では行列Ａを対角成分Ｄと非対角成分とに分け、式（９）及び式（１０）に再帰代入することにより漸近的に解が求められる。
【００６８】
【数９】
【００６９】
【数１０】
【００７０】
但し、ｘ（ｎ）及びｘ（ｎ＋１）は、それぞれ代入前後の漸近解であり、γは減衰パラメータである。制御部１０９は、これらの方程式について演算処理を行って解を求めて各サンプル点３１の移動方向及び移動量を算出する。
【００７１】
（３−６．終了処理）
以上、サンプル点３１の座標算出処理（ステップ２００４：図６及び図７）を終了し、前述したように輪郭線３の全エネルギーＥｔｏｔａｌの収束判定処理であるステップ２００５の処理に移る。全エネルギーＥｔｏｔａｌが収束したと判定されなければ（ステップ２００６のＮＯ）、再度サンプル点３１の座標算出処理（ステップ２００４）を行う。全エネルギーＥｔｏｔａｌが収束したと判定されれば（ステップ２００６のＹＥＳ）、閉曲線３が対象領域１の輪郭を抽出したものとして処理を終了する。
【００７２】
このように、画像認識装置１００は閉曲線３を含む帯領域２９の画素値分布を利用して閾値４５を算出するので、信頼性のある閾値４５を取得して閉曲線３（即ちサンプル点３１）の移動方向及び移動量を正確に算出することができる。すなわち、画像認識装置１００は、帯領域２９の内側の内部領域３３の画素値に基づく統計値と閉曲線上または帯領域２９の画素値に基づく統計値とを比較して閉曲線３の輪郭への近接度を判断し、更に帯領域２９の画素値から算出した閾値４５を用いて閉曲線３の移動方向及び移動量を判断するので、帯領域２９より内側の内部領域３３の画素値情報を反映した上で高精度に対象領域１の輪郭抽出を行うことができる。
【００７３】
（３−７．クラスタ分割）
次に、図１１及び図１２を参照しながら、クラスタ分割について説明する。
【００７４】
図７のステップ３００３の処理において、図１０（ａ）に示すように閉曲線３が対象領域１の輪郭の近傍であると判定された場合（ステップ３００３のＹＥＳ）、画像認識装置１００の制御部１０９は、帯領域２９又は閉曲線３上の点を、少なくとも１つのサンプル点３１を含む複数のクラスタ（領域）に分割する（ステップ３００５）。
【００７５】
帯領域２９の画素値の分布が一様でない場合には、当該帯領域２９の画素値分布から求めた１つの閾値を一律に全てのサンプル点３１に適用するのは必ずしも適当ではない。従って、閉曲線３が対象領域１の輪郭の近傍に収束してきた場合、各サンプル点３１の移動方向及び移動量を判定する際に、当該各サンプル点３１の近傍領域（クラスタ）の画素値分布（輝度２３分布）から求めた閾値を比較値とすることが望ましい。
【００７６】
（３−７−１．帯領域２９のクラスタ分割）
図１１（ａ）は、帯領域２９を複数のクラスタ４７−１、４７−２、…に分割した図である。
図１１（ｂ）は、クラスタ４７−１内の全画素の画素値（輝度２３）と画素数２１との関係を示すヒストグラム４９−１である。
【００７７】
制御部１０９はクラスタの輝度ヒストグラム４９−１について、輝度２３を２つの領域、領域５１−１と領域５３−１に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値５５−１として算出する。例えばクラスタ４７−１では閾値５５−１が算出される。
【００７８】
制御部１０９は、クラスタ４７−１内の閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値５５−１と比較し、（サンプル点３１の輝度）≧（閾値５５−１）ならば、サンプル点３１の座標を閉曲線３が膨張する方向（膨張方向３５）に移動させ、（サンプル点３１の輝度）＜（閾値５５−１）ならば、サンプル点３１の座標を閉曲線３が収縮する方向（収縮方向３７）に移動させるものと判別する（ステップ３００６）。次に、制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理を行う。
尚、制御部１０９は、他のクラスタ４７−２、４７−３、…についても同様にステップ３００６〜ステップ３００８の処理を行う。
【００７９】
（３−７−２．閉曲線３のクラスタ分割）
図１２（ａ）は、閉曲線３を複数のクラスタ５７−１、５７−２、…に分割した図である。
図１２（ｂ）は、クラスタ５７−１内の全画素の画素値（輝度２３）と画素数２１との関係を示すヒストグラム４９−２である。
【００８０】
制御部１０９はクラスタの輝度ヒストグラム４９−２について、輝度２３を２つの領域、領域５１−２と領域５３−２に分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値５５−２として算出する。例えばクラスタ５７−１では閾値５５−２が算出される。
【００８１】
制御部１０９は、クラスタ５７−１内の閉曲線３上の各サンプル点３１−１、３１−２、…について、それぞれの輝度を閾値５５−２と比較し、（サンプル点３１の輝度）≧（閾値５５−２）ならば、サンプル点３１の座標を閉曲線３が膨張する方向（膨張方向３５）に移動させ、（サンプル点３１の輝度）＜（閾値５５−２）ならば、サンプル点３１の座標を閉曲線３が収縮する方向（収縮方向３７）に移動させるものと判別する（ステップ３００６）。次に、制御部１０９はサンプル点３１の移動量算出（ステップ３００８）の処理を行う。
尚、制御部１０９は、他のクラスタ５７−２、５７−３、…についても同様にステップ３００６〜ステップ３００８の処理を行う。
【００８２】
（３−７−３．クラスタ分割の効果）
以上説明したように、画像認識装置１００の制御部１０９は、閉曲線３が対象領域１の近傍に位置する場合、帯領域２９をクラスタ分割し（図１１）あるいは閉曲線３をクラスタ分割し（図１２）各クラスタ毎に処理を行う。帯領域２９の輝度分布が一様ではない場合でも、各サンプル点３１の近傍領域の画素値分布を用いて閾値を選定するので、より高精度にサンプル点３１の移動方向及び移動量を算出することができる。
【００８３】
（３−８．輝度ムラのある画像情報２）
図１３は、造影剤を使用した対象領域５８を示す図である。
図１４は、複数回の閾値算出を示す図である。
【００８４】
輝度ヒストグラム６３は、造影剤を使用した際の帯領域の輝度ヒストグラムである。例えば、医用画像取得のために造影剤を使用した場合、対象領域５８に輝度ムラが発生し、造影剤に十分染まっている造影剤染部６１と十分染まっていない造影剤不染部５９とが生じて画素値（輝度）が一様でない場合がある。
【００８５】
画像認識装置１００の制御部１０９は、当該対象領域５８に設定する閉曲線３を含む帯領域の輝度ヒストグラムから、閉曲線３上のサンプル点３１の移動方向及び移動量を判定する閾値を求める際、複数回の閾値算出処理を行う。
【００８６】
制御部１０９は、まず設定した閉曲線３を含む帯領域のヒストグラム６３について、輝度２３を領域Ｉ及び領域ＩＩに分割した場合のクラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる境界画素値（輝度２３）を閾値６５−１として算出する。閾値６５−１は、造影不染領域と造影染領域の境界値を示し、造影不染領域（領域Ｉ）を除外し、残領域（領域ＩＩ）の領域ＩＩＩ及び領域ＩＶについて再度クラス間分散とクラス内分散との比である分離度を算出し、当該分離度が最大となる画素値（輝度２３）を閾値６５−２として算出する。
【００８７】
算出された閾値６５−２を、サンプル点の移動方向及び移動量を判定する比較値として使用する。即ち、画像の対象領域１に染まりムラがある場合でも、造影不染領域を除外し、閉曲線３の変形を決定する基準値（閾値６５−２）を精度よく抽出することが可能になる。
【００８８】
尚、前処理においても、帯領域２９に対する処理と同様に画像情報２に対して複数回の閾値算出処理を行い、画像情報２から背景領域１７を除去するようにしてもよい（図３のステップ１００３）。
【００８９】
（３−９．特定のサンプル点（ｓ）についての移動制御）
次に、特定のサンプル点（ｓ）における膨張作用あるいは収縮作用の制御について説明する。
【００９０】
内部エネルギーεｉｎｔｅｒ（ｓ）の係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）、外部エネルギーεｅｘｔｅｒ（ｓ）の係数κ（ｓ；Ｉ）は、それぞれ、サンプル点（ｓ）及びサンプル点（ｓ）の画像輝度（Ｉ）に応じて変化する関数として設定される。尚、画像輝度（Ｉ）に関して正確には、サンプル点の画像輝度（Ｉ）と帯領域２９等の所定領域内の画像輝度に基づいて算出した閾値との差異に応じて変化する関数として設定される。
【００９１】
内部エネルギーεｉｎｔｅｒ（ｓ）は、各サンプル点（ｓ）に対して主として収縮作用を与える。外部エネルギーεｅｘｔｅｒ（ｓ）は、各サンプル点（ｓ）に対して引力（収縮）あるいは斥力（膨張）を作用させる。外部エネルギーεｅｘｔｅｒ（ｓ）は、係数κ（ｓ；Ｉ）の正負を符号反転させることにより引力と斥力とを切り替えることができる。
【００９２】
ここで、特定のサンプル点（ｓ）の画像輝度（Ｉ）が所定の条件を満たす場合など、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にすることにより、当該特定のサンプル点（ｓ）の膨張効果を向上させることができる。
例えば、式（７）において、α（ｓ；Ｉ）＝０、とすると、式（１１）となり、サンプル点（ｓ）については、内部エネルギーεｉｎｔｅｒ（ｓ）の影響をほとんど受けることがないので、外部エネルギーεｅｘｔｅｒ（ｓ）による膨張効果を向上させることができる。
【００９３】
【数１１】
【００９４】
また、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）を「０」にすることは、各サンプル点（ｓ）間を結ぶ網を切断することに相当する。これにより、係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）を「０」としたサンプル点（ｓ）については、内部エネルギーεｉｎｔｅｒ（ｓ）の束縛から解放され外部エネルギーεｅｘｔｅｒ（ｓ）による作用力に応じて膨張あるいは収縮することになる。
【００９５】
しかしながら、特定のサンプル点（ｓ）について係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にしたとしても、隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）について係数α（ｓ；Ｉ）及び係数β（ｓ；Ｉ）の大きさを小さくあるいは「０」にしていなければ、当該特定のサンプル点（ｓ）の束縛を解放しつつ隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）の拘束を維持することができる。すなわち、特定のサンプル点（ｓ）から見ると網が切断され、隣接するサンプル点（ｓ−１）あるいはサンプル点（ｓ＋１）から見ると網が切断されていないという状態を実現することができる。
【００９６】
これにより、特定のサンプル点（ｓ）については内部エネルギーの束縛から解放し、隣接するサンプル点（ｓ−１）及びサンプル点（ｓ＋１）については内部エネルギーの拘束を維持することにより、特定のサンプル点（ｓ）だけが突発的に膨張あるいは収縮することはなく、隣接するサンプル点に位置する閉曲線３についても自然な形で変形させることができる。
【００９７】
（４．３次元の抽出対象）
次に、３次元的に滑らかな連続体の輪郭を抽出する場合について説明する。
図１５は、３次元の抽出対象６７を示す。
図１６は、抽出対象６７の極部分７１の抽出を示す図である。
【００９８】
図１５は３次元の抽出対象６７を示し、複数の２次元断面６９の集合として認識するものとする。画像認識装置１００は、まず任意の２次元断面６９で、前述した手順で対象画像を閉曲線及び帯領域を利用して抽出する。次に画像認識装置１００は、当該２次元断面６９に隣接した断面を選び、当該２次元断面６９での対象画像抽出結果を、隣接断面での閉曲線の初期輪郭として採用する。このように、隣接する画像の対象領域抽出に、前画像の抽出結果を用いることで、高精度で時間効率の高い抽出方法を実現することができる。
【００９９】
また、特に３次元の抽出対象６７の極部分７１については、対象の境界部分が不鮮明になる場合があるので、円形度や面積などを指標にして、円形度や面積がある一定値以下となるか、もしくは前断面での対象画像の抽出結果で円形度や面積がある一定の比率よりも小さくなった場合は、抽出断面を回転させて断面方向をずらし（図１６参照）、その極部分についての輪郭を抽出する。
【０１００】
（５．その他）
尚、本実施の形態では、輪郭抽出する対象領域１の画素値（輝度２３）が大きい場合について説明したが、逆に対象領域１の画素値（輝度２３）が小さい場合についても同様の処理を行うことができる。
【０１０１】
尚、本発明の技術的範囲は、前述した実施の形態に限られるものではない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【図面の簡単な説明】
【０１０２】
【図１】画像認識装置１の構成図
【図２】表示部１０５の画面２５を示す図
【図３】画像情報２の前処理を示すフローチャート
【図４】（ａ）画像認識装置１００が取得する画像情報２を示す図、（ｂ）画像情報２の輝度ヒストグラムを示す図
【図５】抽出された処理領域２７を示す図
【図６】対象領域１の輪郭抽出を示すフローチャート
【図７】サンプル点座標算出を示すフローチャート
【図８】（ａ）初期の帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−１を示す図
【図９】（ａ）輪郭抽出処理の中途過程にある帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−２を示す図
【図１０】（ａ）輪郭抽出処理の最終過程にある帯領域２９と対象領域１との位置関係を示す図、（ｂ）帯領域２９の輝度ヒストグラム３９−３を示す図
【図１１】（ａ）帯領域２９のクラスタ分割を示す図、（ｂ）クラスタの輝度ヒストグラム４９−１を示す図
【図１２】（ａ）閉曲線３のクラスタ分割を示す図、（ｂ）クラスタの輝度ヒストグラム４９−２を示す図
【図１３】造影剤を使用した対象領域５８を示す図
【図１４】複数回の閾値算出を示す図
【図１５】３次元の抽出対象を示す図
【図１６】極部分の抽出方法を示す図
【符号の説明】
【０１０３】
１、５８………対象領域
２………画像情報
３………閉曲線
５………体内領域
９………造影剤
１１………コントラスト
１３………高エッジ排除率
１５………抽出開始ボタン
１７………背景領域
１９………画像情報の輝度ヒストグラム
２１………画素数
２３………輝度
２５、４５−１〜４５−３、５５−１、５５−２、６５−１、６５−２………閾値
２７………処理領域
２９………帯領域
３１、３１−１、３１−２、・・………サンプル点
３３………内部領域
３５………膨張方向
３７………収縮方向
３９−１〜３９−３、６３………帯領域の輝度ヒストグラム
４７−１、４７−２・・、５７−１〜５７−３、・・………クラスタ
４９−１、４９−３………クラスタの輝度ヒストグラム
５９………造影剤不染部
６１………造影剤染部
６７………抽出対象
６９………２次元断面
７１………極部分
１００………画像認識装置
１０１………出力部
１０３………入力部
１０５………表示部
１０７………メモリ
１０９………制御部
１１１………通信部
１１３………記憶部
１１５………システムバス
１１７………ネットワーク
１１９………ＭＲＩ装置
１２１………ＣＴ装置
１２３………Ｘ線装置
１２５………超音波装置
１２７………画像データサーバ
【特許請求の範囲】
【請求項１】
画像を演算処理する演算処理部と前記画像及び演算処理結果を保持する保持部と前記画像及び前記演算処理結果を表示する表示部とを備え、前記画像に閉曲線を配置し前記閉曲線の歪み具合を示す内部エネルギーまたは前記画像の輝度勾配を示す画像エネルギーまたは前記閉曲線の膨張あるいは収縮を示す外部エネルギーの少なくともいずれかの和である総エネルギーに基づいて前記閉曲線を動的に変形させて前記画像に含まれる対象領域の輪郭を抽出する画像認識装置であって、
前記画像に前記閉曲線を含み所定の幅を有する帯領域を配置する帯領域設定手段と、
前記帯領域内の画素値を基に閾値を算出する閾値算出手段と、
前記総エネルギーを用い、前記閾値算出手段により算出した閾値と前記閉曲線上の各サンプル点の画素値との比較結果に基づいて、前記各サンプル点毎に移動方向及び移動量を算出して前記各サンプル点を移動させる移動手段と、
を具備することを特徴とする画像認識装置。
【請求項２】
前記移動手段は、前記閾値と前記サンプル点の画素値との比較結果に応じて前記内部エネルギーまたは前記外部エネルギーの少なくともいずれかの重み係数を変化させることを特徴とする請求項１に記載の画像認識装置。
【請求項３】
前記帯領域または前記閉曲線を少なくとも１つの前記サンプル点を含む複数の領域に分割する領域分割手段と、
前記閾値算出手段は、前記分割された領域毎に、前記分割された領域内の画素値を基に第２の閾値を算出し、
前記移動手段は、前記分割された領域毎に、前記第２の閾値と前記サンプル点の画素値とを比較して前記サンプル点毎に移動方向及び移動量を算出することを特徴とする請求項１から請求項２のいずれかに記載の画像認識装置。
【請求項１】
画像を演算処理する演算処理部と前記画像及び演算処理結果を保持する保持部と前記画像及び前記演算処理結果を表示する表示部とを備え、前記画像に閉曲線を配置し前記閉曲線の歪み具合を示す内部エネルギーまたは前記画像の輝度勾配を示す画像エネルギーまたは前記閉曲線の膨張あるいは収縮を示す外部エネルギーの少なくともいずれかの和である総エネルギーに基づいて前記閉曲線を動的に変形させて前記画像に含まれる対象領域の輪郭を抽出する画像認識装置であって、
前記画像に前記閉曲線を含み所定の幅を有する帯領域を配置する帯領域設定手段と、
前記帯領域内の画素値を基に閾値を算出する閾値算出手段と、
前記総エネルギーを用い、前記閾値算出手段により算出した閾値と前記閉曲線上の各サンプル点の画素値との比較結果に基づいて、前記各サンプル点毎に移動方向及び移動量を算出して前記各サンプル点を移動させる移動手段と、
を具備することを特徴とする画像認識装置。
【請求項２】
前記移動手段は、前記閾値と前記サンプル点の画素値との比較結果に応じて前記内部エネルギーまたは前記外部エネルギーの少なくともいずれかの重み係数を変化させることを特徴とする請求項１に記載の画像認識装置。
【請求項３】
前記帯領域または前記閉曲線を少なくとも１つの前記サンプル点を含む複数の領域に分割する領域分割手段と、
前記閾値算出手段は、前記分割された領域毎に、前記分割された領域内の画素値を基に第２の閾値を算出し、
前記移動手段は、前記分割された領域毎に、前記第２の閾値と前記サンプル点の画素値とを比較して前記サンプル点毎に移動方向及び移動量を算出することを特徴とする請求項１から請求項２のいずれかに記載の画像認識装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２００７−２６５３３１（Ｐ２００７−２６５３３１Ａ）
【公開日】平成１９年１０月１１日（２００７．１０．１１）
【国際特許分類】
【出願番号】特願２００６−９２９４９（Ｐ２００６−９２９４９）
【出願日】平成１８年３月３０日（２００６．３．３０）
【出願人】（０００１５３４９８）株式会社日立メディコ (1,613)
【出願人】（５９０００１４５２）国立がんセンター総長 (80)
【Ｆターム（参考）】
【公開日】平成１９年１０月１１日（２００７．１０．１１）
【国際特許分類】
【出願日】平成１８年３月３０日（２００６．３．３０）
【出願人】（０００１５３４９８）株式会社日立メディコ (1,613)
【出願人】（５９０００１４５２）国立がんセンター総長 (80)
【Ｆターム（参考）】
[ Back to top ]