JP2007511013A

JP2007511013A - 医用画像における候補解剖学的構造をフィルタリングおよび自動検出するためのシステムおよび方法

Info

Publication number: JP2007511013A
Application number: JP2006539772A
Authority: JP
Inventors: ペリアスワミーセンティル; ボゴニルカ
Original assignee: Siemens Corporate Research Inc
Current assignee: Siemens Corporate Research Inc
Priority date: 2003-11-12
Filing date: 2004-11-10
Publication date: 2007-04-26
Also published as: CA2545448A1; WO2005050544A1; US7912292B2; US20050105800A1; CN1902640A; EP1685522A1; AU2004292260A1

Abstract

本発明は、ディジタル画像の勾配場を計算し（２０）、この勾配場に所定のフィルタを適用し（３０）、対象を検出するためにさらに処理することができる応答画像を取得する（３８）ことによって、ディジタル画像内の対象の存在または不在を検出するシステムおよび方法に関する。ディジタル画像へのこれらのフィルタの適用をたたみこみによって実施することができ、またフィルタを探索すべき対象の形状に依存して適合させることができる。

Description

関連出願の相互参照
本明細書は２００３年１１月１２日に出願されたアメリカ合衆国仮出願第６０／５１９，５２２号、発明の名称「DGFR: Filtering and Automatic Detection of Abnormal Anatomical Structures in Medical Images」の利益を主張し、その内容は参照により完全に本明細書に取り入れられる。

技術分野
本発明は全般的には医用画像の処理に関し、より詳細には医用画像内に示されるような候補解剖学的異常の検出に関する。

背景技術
医学用撮像の分野はX線が解剖学的異常の検出に最初に使用されて以来著しく進歩している。医学用撮像のハードウェアは磁気共鳴映像法（ＭＲＩ）スキャナ、コンピュータ断層法（ＣＡＴ）スキャナなどのような新たなメカニズムの形態で発展している。そのような現代の医学用スキャナによって大量の画像データが形成されるので、スキャンされた医用画像内に存在する解剖学的異常を自動的に検出する画像処理技術を開発する必要がある。

ディジタル化された医用画像内の解剖学的構造を認識するために多くの挑戦が行われている。第一の関心事は認識の精度に関する。別の関心事は認識の速度である。医用画像は医者が疾患もしくは容体を診断する際の助けとなるので、認識の速度は医者の迅速な診断を支援するための最も重要な事項である。したがって、医用画像内の解剖学的構造の精確かつ迅速な認識を提供する改善された認識技術が必要である。

医用画像はスキャナ、例えばＣＡＴスキャナ、ＭＲＩなどから取得される生の画像データを使用して構成される。ディジタル医用画像は典型的にはピクセル要素からなる２Ｄ画像であるか、体積要素（ボクセル）からなる３Ｄ画像である。そのような２Ｄ画像または３Ｄ画像が嚢種、腫瘍、ポリープなどの解剖学的構造の存在を検出するための医用画像認識技術を使用して処理される。しかしながら所定のあらゆる画像スキャンによって形成された大量の画像データが存在する場合には、あらゆる疾患もしくは容体のさらなる診断を行うために、画像の選択領域内の解剖学的な特徴が自動化された技術によって医者に指示されることが好ましい。

特徴を基礎とする認識技術は医用画像内の解剖学的構造の存在を検出するために使用される。しかしながら、特徴を基礎とする認識技術には精度の問題が生じる。したがって、医用画像内の解剖学的特徴の認識が改善されている、特徴を基礎としない認識技術が必要とされる。

発明の概要
本発明の１つの実施例においては、ディジタル画像内の所定の対象の存在を検出する方法が提供される。本方法はディジタル画像の勾配場を計算するステップと、少なくとも１つの所定のマスクを勾配場に適用するステップとを有する。さらに本方法は、勾配場へのフィルタの適用により応答画像を形成するステップを有する。さらに本方法は、応答画像から少なくとも１つの所定の対象の存在を検出する。

本発明の別の実施例においては、勾配場がディジタル画像のＸ軸、Ｙ軸およびＺ軸に対応するＸ成分、Ｙ成分およびＺ成分を有し、マスクがＸフィルタ、ＹフィルタおよびＺフィルタを包含する方法が提供される。ベクトルのたたみこみは、３つの応答画像成分を形成するためにＸフィルタをＸ成分に適用し、ＹフィルタをＹ成分に適用し、ＺフィルタをＺ成分に適用することにより形成される。これらの３つの応答画像成分は応答画像を形成するために加算される。

本発明のさらに別の実施例においては、ディジタル画像内の球形の対象および半球形の対象を検出する方法が提供される。本発明の別の実施形態においては、ディジタル画像内の楕円形の対象および半楕円形の対象を検出する方法が提供される。

図面の簡単な説明
付属の図面を参照しながら本発明の実施例を説明する。ここで、
図１は、本発明の実施例において例示的な結腸に適用される発散勾配場応答（Divergent Gradient Field Response；DGFR）処理を示すフローチャートであり、
図２は実施例による元の入力画像内の例示的な結腸領域を示し、
図３は本発明の実施例による結腸領域にスーパーインポーズされた勾配場を示し、
図４は本発明の実施例によるＤＧＦＲ処理を実施するために勾配場にスーパーインポーズされる例示的なマスクを示し、
図５は本発明の実施例によるフィルタおよび勾配場のたたみこみによって取得されたＤＧＦＲ応答画像を示し、
図６は本発明の実施例による例示的なコンピュータシステムを示す。

実施例の詳細な説明
図１は例示的な結腸に適用される本発明の実施例による発散勾配場応答（ＤＧＦＲ）処理を表すフローチャート１０である。撮像モダリティから取得された画像が入力体積として処理される。説明のために、結腸内部の例示的なポリープ状の病変のＣＡＴスキャンを考察する。ＣＡＴスキャンにより３Ｄ表現が得られる。結腸を表す画像セクションがステップ１２において入力画像体積のサブ体積として考慮される。これらのスライス１４，１６および１８は３次元の入力サブ体積における例示的な結腸のＸスライス、ＹスライスおよびＺスライスを表す。

ステップ２０においては、結腸を表すサブ体積に関して表面法線が計算される。表面法線は画像の形でＸスライス２２、Ｙスライス２４およびＺスライス２６として表される。勾配場がステップ２０において計算される。勾配場の計算は完全な体積に対して実施される。最も大きい勾配場は異なる組織および器官の間の移行領域において得られる。移行部は撮像モダリティ（例えばＣＡＴ、ＭＲＩまたはＰＥＴスキャン）によって強度変化として描写される。ここでの例示的な結腸においては、強度変化が組織と内腔との間の移行部として表されている。勾配場を計算するために多数の技術が存在し、またこの計算のためにそのような技術のいずれかを使用することができる。

続いて、表面が正規化された画像に対して可変のサイズのマスクが適用される。マスクの数は１または多数でよく、また使用されるべきマスクのタイプは探索される候補解剖学的特徴に依存する。この実施例においては結腸内の病変を検出するために球形および半球形の候補が入力画像において探索されるべきである。したがって、そのような用途のためのマスクは入力画像内の球形の対象または半球形の対象を探索するために設計されている。

対象の勾配場は対象の質量中心に相対的に球形または半球形に発散する。発散している所定のサイズのマスクのベクトル場でもってこの対象がたたみこまれると応答体積が取得される。この応答画像を球形の対象または半球形の対象を特徴付けるために使用することができる。

ステップ２０およびステップ４０は全てのマスクサイズにわたり反復されるループを形成する。各反復につき１つのマスクを表面が正規化された画像に適用し、ステップ３０において生のＤＧＦＲ応答を計算する。生のＤＧＦＲ応答画像はＸスライス、ＹスライスおよびＺスライスをそれぞれ表している画像スライス２２，２４および２６として示されている。生のＤＧＦＲ応答はフィルタでの表面法線のたたみこみによって計算される。この処理を以下詳細に説明する。

発散勾配場応答は次式を使用して計算される。

続いて、ステップ３８において生のＤＧＦＲ応答画像が、結腸内の何らかの候補病変の存在を認識するために使用することができる特徴を計算するために使用される。例えば、真球度および最大応答領域のような特徴を球形または半球形の形状を有する病変の存在を検出するために計算することができる。ステップ２８および４０のループが全てのマスクサイズにわたり反復された後のステップ４２においては、ＤＧＦＲ処理を行っている間に発見された全てのマスクサイズに対応する特徴が出力装置または媒体に送信される。最終的には応答画像に基づいて特徴を計算することができ、またこの特徴は候補を形成するために使用されるか、分級器への入力として使用することができる。

上記式（Ｉ）において中間応答画像はＤＧＦＲ_ｘ、ＤＧＦＲ_ｙ、ＤＧＦＲ_ｚとして表されており、Ωは画像内の全ての有効座標の定義域である。中間応答画像は最終応答画像を形成するために結合される。この結合を多数の技術を使用して実施することができる。例えば、１つの技術では中間応答画像の加算が実施される。この加算は以下のように表される：
ＤＧＦＲ（ｘ，ｙ，ｚ）＝ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ）＋ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ）＋ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ）
ここでｘ，ｙ，ｚ∈Ω。

さらには、中間応答画像を単一の関数Ｇまたは複数の関数の組み合わせＦ（Ｇ．．）を使用してさらに処理するか、組み合わせることができる。そのような関数の典型的な例は、絶対値関数および積算関数である。その他の多くの関数も使用することができる。中間応答画像を結合するための絶対値関数の適用は以下のように表される：
ＤＧＦＲ（ｘ，ｙ，ｚ）＝Ａｂｓ（ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ））＋Ａｂｓ（ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ））＋Ａｂｓ（ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ））
ここでｘ，ｙ，ｚ∈Ω。

同様に、中間応答画像を結合するための絶対値関数の適用は以下のように表される：
ＤＧＦＲ（ｘ，ｙ，ｚ）＝Ｓｑｕａｒｅ（ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ））＋Ｓｑｕａｒｅ（ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ））＋Ｓｑｕａｒｅ（ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ））
ここでｘ，ｙ，ｚ∈Ω。

上記式（Ｉ）は３次元ディジタル画像に関して表されているが、フィルタおよび勾配場を用いる式を２次元または２進数のディジタル画像に適用することもでき、この場合フィルタおよび勾配画像のｚ成分は使用されずに、ｘ成分およびｙ成分のみがＤＧＦＲ応答画像を計算するために使用される。さらにＤＧＦＲ処理をあらゆる次元数の画像、典型的な例としては２Ｄ画像、３Ｄ画像および４Ｄ画像に適用することができる。

この実施例においてはフィルタＶ_ｘ（ｘ，ｙ，ｚ），Ｖ_ｙ（ｘ，ｙ，ｚ），Ｖ_ｚ（ｘ，ｙ，ｚ）が球形または半球形の対象を検出するために設計されている。しかしながら、候補対象の特定の形状を検出するために適切なあらゆるフィルタを使用することができる。例えば、楕円形および半楕円形の対象フィルタを以下のように設計することができる：

もしくは、上述の関数の近似式を使用する。

本発明の実施例において適用されるＤＧＦＲ処理は画像体積内の球形または半球形の対象を検出するために使用される。ＤＧＦＲ処理は、検出されるべき対象の特定の特徴（例えば真球度）に依存する特徴ベースのアプローチではなく、むしろ画像内の解剖学的特徴を検出するために画像勾配場の性質に依存する直観的な技術である。ＤＧＦＲ処理は最も簡単な形ではフィルタリング、すなわち強調表示を行うためのアプローチでもあり、また結腸ポリープ、動脈瘤、肺結節などのような異常な解剖学的構造の自動的な検出を実施する高度なアルゴリズムでもある。さらにはこのＤＧＦＲ処理を、識別および分類に有用である候補病変の他の記述的特徴を取得するために使用することができる。

球形または半球形の対象を有する画像での発散勾配場のベクトルたたみこみにより高応答が得られる。球形または半球形の形状を有する対象の勾配場は典型的に全ての可能な点において発散する。

図２はオリジナル入力画像における例示的な結腸領域を示す。Ｘ軸、Ｙ軸およびＺ軸からみた３つの別個の区画として入力画像４４が示されている。区画４６は入力画像における結腸領域をＸ軸から見たものであり、区画４８は結腸をＹ軸から見たものであり、区画５０は結腸をＺ軸から見たものである。

図３は結腸領域にスーパーインポーズされた勾配場を示す。勾配場画像５２は上記式（Ｉ）を使用することにより取得される。区画５４は式（Ｉ）のｆ_ｘ成分を表し、区画５６は式（Ｉ）のｆ_ｙ成分を表し、区画５８は式（Ｉ）のｆ_ｚ成分を表す。区画５６〜５８に示されている小さくて個別的な発散している矢印は勾配を表す。矢印によって表されている各勾配はｘ成分、ｙ成分およびｚ成分を有する。したがって、勾配場は式（Ｉ）における勾配場のｆ_ｘ成分、ｆ_ｙ成分およびｆ_ｚ成分によって表される。

図４は本発明の実施例によるＤＧＦＲ処理を実施するために勾配場にスーパーインポーズされる例示的なマスクを示す。マスク画像６０は所定の入力画像から結腸内の球形または半球形の病変を検出するために使用される１５×１５×１５のサイズの例示的な３次元ベクトルマスクを表す。ここに示されているマスクは単に説明を目的としたものに過ぎず、用途に応じてあらゆるサイズ、またあらゆるタイプのマスクを使用することができる。

区画６２は式（Ｉ）におけるフィルタV_ｘ（ｘ，ｙ，ｚ）を表し、区画６４は式（Ｉ）におけるフィルタV_ｙ（ｘ，ｙ，ｚ）を表し、区画６６は式（Ｉ）におけるフィルタV_ｚ（ｘ，ｙ，ｚ）を表す。マスク画像６０を形成するこれらのフィルタは上記の式（Ｉ）における勾配場のｆ_ｘ成分、ｆ_ｙ成分およびｆ_ｚ成分でもってたたみこまれる。

３次元のたたみこみは計算的にコストのかかるプロシージャである。したがって別個の各軸に対してフィルタ（Ｖ_ｘ（ｘ，ｙ，ｚ），Ｖ_ｙ（ｘ，ｙ，ｚ），Ｖ_ｚ（ｘ，ｙ，ｚ））が使用される。さらに、そのようなフィルタの近似も適用することができる。これらの線形で別個のフィルタはそれぞれ勾配場のｆ_ｘ成分、ｆ_ｙ成分およびｆ_ｚ成分でもって個別にたたみこまれ、典型的にはベクトルスカラー積を求めることによってたたみこまれ、続いて本発明の実施例におけるＤＧＦＲ応答を達成するために加算される。したがって別個のフィルタを使用することにより、本発明の実施例におけるＤＧＦＲ応答画像の計算において計算的にあまりコストのかからない比較的高速な方法が提供される。

図５は本発明の実施例によるフィルタおよび勾配場のたたみこみによって取得された例示的なＤＧＦＲ応答画像を示す。応答画像における病変（ポリープ）は高い値によって強調表示されている。区画７０，７２および７４はＸ軸、Ｙ軸およびＺ軸それぞれからの応答画像を３Ｄで表したものである。区画７０はＸ平面に沿ったＤＧＦＲ応答を表し、区画７２はＹ平面に沿ったＤＧＦＲ応答を表し、区画７４はＺ平面に沿ったＤＧＦＲ応答を表す。

この実施例においては、５×５×５〜２５×２５×２５で変化する奇数サイズのマスクが応答を計算するために使用される。多数のマスクサイズが使用されるので、所定のサイズのポリープに関してはこの所定のポリープよりも小さい、またそれよりも大きい多数のマスクによってより良好な応答が提供される。マスクの可能な全てのシフトは、応答体積を取得するためのベクトルたたみこみを計算するために使用される。これらの応答は単一の応答体積を形成するために積分される。したがって、応答画像は導出された画像でのテンプレートマスクのたたみこみの結果として形成される。

応答画像をさらに処理することができる。例えば、これらの応答それぞれに対して閾値が適用され、結果として生じた応答画像の形状が分析される。殊に、閾値化された応答は固有値分解を使用して楕円に近似され、最大固有値と最小固有値の比が算出される。この値は応答の真球度に関する推定値を表し、またこの値を（所定の領域内の応答の他の統計量に沿った）特徴として使用することができる。

本発明の実施形態による図６を参照すると、本発明を実施するコンピュータシステム１０１は殊に中央処理装置（ＣＰＵ）１０２、メモリ１０３および入力／出力（Ｉ／Ｏ）インタフェース１０４を包含することができる。コンピュータシステム１０１は全般的にＩ／Ｏインタフェース１０４を介して表示装置１０５および種々の入力装置１０６、例えばマウスやキーボードと接続されている。支援回路はキャッシュ、電源、クロック回路および通信バスのような回路を包含することができる。メモリ１０３はランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、ディスク駆動装置、テープ駆動装置などやそれらの組み合わせを包含することができる。本発明をメモリ１０３に記憶されているルーチン１０７として実現し、信号ソース１０８からの信号を処理するＣＰＵ１０２によって実行することができる。コンピュータシステム１０１自体は汎用コンピュータシステムであるが、本発明のルーチン１０７を実行しているときには特定用途向けコンピュータシステムになる。

コンピュータプラットフォーム１０１はオペレーティングシステムおよびマイクロ命令コードも有する。本明細書において説明した種々の処理および関数はオペレーティングシステムを介して実行されるマイクロ命令コードの一部またはアプリケーションプログラムの一部（またはそれらの組み合わせ）でよい。さらには他の種々の周辺装置、例えば付加的なデータ記憶装置および印刷装置をコンピュータプラットフォームと接続することができる。

さらには、図面に示されている幾つかの構成システム要素および方法ステップをソフトウェアで実現することができるので、システム要素（または処理ステップ）間の実際の関係を本発明がプログラミングされるやり方に依存して変更できると解するべきである。本明細書において開示されている本発明の教示により、当業者であれば本発明の実施形態またはコンフィギュレーションと類似するものを推考できるであろう。

本発明を殊に実施例を参照しながら説明したが、当業者であれば本発明の精神および範囲から逸脱することなく、請求項によって定義されている限りにおいて形態および詳細を種々に変更できることが分かるであろう。

本発明の実施例において例示的な結腸に適用される発散勾配場応答（Divergent Gradient Field Response；DGFR）処理を示すフローチャート。実施例による元の入力画像内の例示的な結腸領域。本発明の実施例による結腸領域にスーパーインポーズされた勾配場。本発明の実施例によるＤＧＦＲ処理を実施するために勾配場にスーパーインポーズされる例示的なマスク。本発明の実施例によるフィルタおよび勾配場のたたみこみによって取得されたＤＧＦＲ応答画像。本発明の実施例による例示的なコンピュータシステム。

Claims

ディジタル画像内の候補対象の存在または不在を検出する方法において、
前記ディジタル画像の勾配場を計算するステップと、
前記勾配場の勾配場成分にフィルタを適用するステップと、
前記勾配場に前記フィルタを適用することにより応答画像を形成するステップと、
前記応答画像から候補対象の存在または不在を検出するステップとを有することを特徴とする方法。
さらに、
１つの勾配場成分に前記フィルタを適用することによりたたみこみを計算して中間応答画像を形成するステップと、
さらに前記中間応答画像を処理して前記応答画像を形成するステップとを有する、請求項１記載の方法。
前記中間応答画像を処理するステップを、少なくとも１つの単一の関数および複数の関数の組み合わせを前記中間応答画像に適用することにより実施し、前記応答画像を形成する、請求項２記載の方法。
前記勾配場は前記ディジタル画像のＸ軸に対応するＸ成分、前記ディジタル画像のＹ軸に対応するＹ成分、前記ディジタル画像のＺ軸に対応するＺ成分を有し、前記フィルタはＸフィルタ、ＹフィルタおよびＺフィルタを包含する、請求項１記載の方法。
フィルタを適用するステップはさらに、
前記Ｘフィルタを前記Ｘ成分に適用し、前記Ｙフィルタを前記Ｙ成分に適用し、前記Ｚフィルタを前記Ｚ成分に適用することによりたたみこみを計算して中間応答画像を形成するステップと、
前記中間応答画像を処理して前記応答画像を形成するステップとを有する、請求項４記載の方法。
前記中間応答画像を処理するステップは、
前記中間応答画像を加算し、前記応答画像を形成するステップを有する、請求項５記載の方法。
たたみこみを計算するステップを式

を使用して実施し、たたみこみにより前記中間応答画像を形成し、ここでｆ_ｘは前記勾配場のＸ成分に対応し、ｆ_ｙは前記勾配場のＹ成分に対応し、ｆ_ｚは前記勾配場のＺ成分に対応し、Ｖ_ｘ（ｘ，ｙ，ｚ）はＸフィルタに対応し、Ｖ_ｙ（ｘ，ｙ，ｚ）はＹフィルタに対応し、Ｖ_ｚ（ｘ，ｙ，ｚ）はＺフィルタに対応し、ＤＧＦＲ_ｘ、ＤＧＦＲ_ｙ、ＤＧＦＲ_ｚは前記中間応答画像であり、Ωは前記画像内の全ての有効座標の定義域である、請求項５記載の方法。
前記中間応答画像を処理して前記応答画像を形成するステップを式
ＤＧＦＲ（ｘ，ｙ，ｚ）＝ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ）＋ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ）＋ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ）、
ここでｘ，ｙ，ｚ∈Ω、
を使用して実施する、請求項５記載の方法。
前記中間応答画像を処理するステップを、少なくとも１つの関数および複数の関数の組み合わせを適用することにより実施する、請求項５記載の方法。
１つまたは複数の関数は、
ＤＧＦＲ（ｘ，ｙ，ｚ）＝Ａｂｓ（ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ））＋Ａｂｓ（ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ））＋Ａｂｓ（ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ））、
ここでｘ，ｙ，ｚ∈Ω、
として適用される絶対値関数を含む、請求項９記載の方法。
１つまたは複数の関数は、
ＤＧＦＲ（ｘ，ｙ，ｚ）＝Ｓｑｕａｒｅ（ＤＧＦＲ_ｘ（ｘ，ｙ，ｚ））＋Ｓｑｕａｒｅ（ＤＧＦＲ_ｙ（ｘ，ｙ，ｚ））＋Ｓｑｕａｒｅ（ＤＧＦＲ_ｚ（ｘ，ｙ，ｚ））、
ここでｘ，ｙ，ｚ∈Ω、
として適用される積算関数を含む、請求項９記載の方法。
前記Ｘフィルタ、前記Ｙフィルタおよび前記Ｚフィルタは前記ディジタル画像内の球形の候補対象および半球形の候補対象を検出する、請求項５記載の方法。
前記Ｘフィルタ、前記Ｙフィルタおよび前記Ｚフィルタは前記ディジタル画像内の楕円形の候補対象および半楕円形の候補対象を検出する、請求項５記載の方法。
前記ディジタル画像はフィルタリングされた画像または前処理された画像である、請求項１記載の方法。
フィルタを適用するステップは、
異なるサイズの少なくとも２つの所定のフィルタを適用するステップを有する、請求項１記載の方法。
前記勾配場は前記ディジタル画像のＸおよびＹについてＸ成分およびＹ成分を有し、前記フィルタはＸフィルタおよびＹフィルタを包含する、請求項１記載の方法。
フィルタを適用するステップはさらに、
少なくとも、前記Ｘフィルタを前記Ｘ成分に適用し、前記Ｙフィルタを前記Ｙ成分に適用することによりたたみこみを計算して少なくとも２つの応答画像成分を形成するステップと、
少なくとも２つの中間応答画像を処理して前記応答画像を形成するステップとを有する、請求項１８記載の方法。
さらに、
前記応答画像に基づき特徴を計算して前記ディジタル画像内の候補対象の存在を検出するステップを有する、請求項１記載の方法。
ディジタル画像空間内の候補対象の存在または不在を検出する方法において、
勾配場成分を有する前記ディジタル画像空間の勾配場を計算するステップと、
前記勾配場成分でもって所定のフィルタをたたみこむステップと、
前記勾配場成分についての前記フィルタのたたみこみから応答画像を形成するステップと、
前記応答画像から少なくとも１つの所定の対象の存在を、該対象が存在する場合に検出するステップとを有することを特徴とする方法。
所定のフィルタをたたみこむステップはさらに、
前記フィルタおよび前記勾配場成分のベクトルスカラー積を求めるステップを有する、請求項２１記載の方法。
前記勾配場は、
Ｘ成分、Ｙ成分およびＺ成分を有する、請求項２１記載の方法。
さらに、
前記Ｘフィルタを前記Ｘ成分に適用し、前記Ｙフィルタを前記Ｙ成分に適用し、前記Ｚフィルタを前記Ｚ成分に適用することにより中間応答画像を形成するステップと、
前記中間応答画像を加算して前記応答画像を形成するステップとを有する、請求項２３記載の方法。
マシンによって読取り可能なプログラム記憶装置において、
ディジタル画像の勾配場を計算するステップと、
前記勾配場の１つの勾配場成分にフィルタを適用するステップと、
前記勾配場に前記フィルタを適用することにより応答画像を形成するステップと、
前記応答画像から少なくとも１つの候補対象の存在または不在を検出するステップとを有する方法を実施する前記マシンによって実行可能な命令のプログラムが実装されていることを特徴とする、プログラム記憶装置。
さらに、
前記勾配場成分に前記フィルタを適用することによりたたみこみを計算して中間応答画像を形成する命令と、
前記中間応答画像を処理して前記応答画像を形成する命令とを有する、請求項２５記載の装置。
さらに、
少なくとも１つの単一の関数および複数の関数の組み合わせを前記中間応答画像に適用して前記応答画像を形成する命令を有する、請求項２６記載の装置。
前記勾配場は前記ディジタル画像のＸ軸に対応するＸ成分、前記ディジタル画像のＹ軸に対応するＹ成分、前記ディジタル画像のＺ軸に対応するＺ成分を有し、前記フィルタはＸフィルタ、ＹフィルタおよびＺフィルタを包含する、請求項２５記載の装置。
さらに、
前記Ｘフィルタを前記Ｘ成分に適用し、前記Ｙフィルタを前記Ｙ成分に適用し、前記Ｚフィルタを前記Ｚ成分に適用することによりたたみこみを計算して３つの中間応答画像成分を形成する命令と、
前記中間応答画像をさらに処理して前記応答画像を形成する命令とを有する、請求項２８記載の装置。
さらに、
前記３つの中間応答画像成分を加算して前記応答画像を形成する命令を有する、請求項２９記載の装置。