JP2009544377A - 眼底パノラマ画像の調整方法 - Google Patents
眼底パノラマ画像の調整方法 Download PDFInfo
- Publication number
- JP2009544377A JP2009544377A JP2009521148A JP2009521148A JP2009544377A JP 2009544377 A JP2009544377 A JP 2009544377A JP 2009521148 A JP2009521148 A JP 2009521148A JP 2009521148 A JP2009521148 A JP 2009521148A JP 2009544377 A JP2009544377 A JP 2009544377A
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- fundus
- initial
- anchor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000000844 transformation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 10
- 239000002131 composite material Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 206010012689 Diabetic retinopathy Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004256 retinal image Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- OBVRBSLJSCZXNM-VTSJMVTISA-N C(C12)[O]1C1[C@@H]2C=CC1 Chemical compound C(C12)[O]1C1[C@@H]2C=CC1 OBVRBSLJSCZXNM-VTSJMVTISA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本発明は、特に眼底カメラの複数の画像からの眼底パノラマ画像の作成ないしは計算方法に関する。本方法は、−予備位置合わせを行って、各画像の相互間の相対的なジオメトリック・マッピングのための1つの第1の量を決定する工程、−相対的なジオメトリック・マッピングのための該第1の量が関係している1つのアンカー画像を決定する工程、−1つのブロック・マッチング・アルゴリズムを利用して、アンカー画像と複数の別の画像の互いにマッピングされる領域を決定する工程、−これらの互いにマッピングされた領域の相関的な位置から、アンカー画像と別の画像間のジオメトリック変換のための複数の変換パラメータを決定する工程、および、−別の画像を、複数の変換パラメータを用いてアンカー画像に変換して、別の画像と重ね合わせ、かつ別の画像同士を重ね合わせる工程を特徴とする。
Description
本発明は、特に眼底カメラの画像からの眼底パノラマ画像の調整ないしは計算方法に関する。
大面積の眼底合成写真(パノラマ画像とも呼ばれる)の作成は、たとえば糖尿病性網膜症など様々な眼病の所見および経過管理のために不可欠である。通常の眼底カメラでは、光学的および生理学的な限界のために、50°を上回る立体角の撮影は不可能である。したがって、それよりも大きな立体角をカバーする合成写真を作成するために、オーバーラップする部分画像を複数枚撮影して適切に合成している。そのためには、これらの画像を、幾何学的に正確に相互マッピングさせる必要がある他にも、多くは明暗度および/または色のマッチングが必要となっている。一部では、これらの部分画像の位置および順序が、臨床プロトコル(たとえばETDRS(Early Treatment Diabetic Retinopathy Study:糖尿病性網膜症の早期治療研究))により規定されるようになっている。
眼底のアナログ写真では、それぞれの部分画像のポジが切り取られて、互いに対して位置をずらしたり回したりしながら、1枚の合成画像に貼り合わされる。その際に加工者は、特異点(大抵は特徴的な曲率または交叉部を有する眼底血管)を可能な限り良好に重ね合わせることを試みる。この方法は、時間がかかるとともに、直進および回転補正に限定され、また再現性にも限りがある。一般には露光条件が異なるために、それぞれの部分画像の境界がくっきりと際立つことになるが、これは合成結果の所見を困難にしている。
部分画像が電子形式で存在する場合は、異なる部分画像の対応点に手作業でマーキングを施すことにより、(一般には変換実施後の対応点の見逃し誤りの最小限化の意味での)最適合成をもたらす変換を決定することができる。
この方法では、操作者には、膨大な時間を必要とする作業が要求される。最初に、それぞれの部分画像の大まかな配置を決定しなければならない。その後で、部分画像のそれぞれについて特異点(たとえば血管交叉部などの「標認点」)を定めて、少なくとも1枚の別の部分画像の対応点にマーキングを施さなければならない。大抵の場合、操作者はその際に作画解像度をいろいろと切り換えなければならない。これらの対応点を評価することにより―標認点の個数に従属して―様々な幾何学的な変換を計算することができる。相応に変換されたこれらの部分画像を重ね合わせて、(デジタル)合成画像が作成される。
対応する標認点を自動的に(すなわちコンピュータ支援により)決定することも提案されている。チャンウィマリュアングら(Chanwimaluang et al.)の論文「Hybrid Retinal Image Registration」IEEE Transactions on Information Technology in Biomedicine 10(1):p.129〜142(2006)では、1枚の部分画像の「標認点候補」から出発して、様々な類似性の尺度と統計的解析に基づいて複数の別の部分画像の対応する標認点が決定されるようになっている。その後の経過(最適変換の計算、部分画像の重ね合わせ)については、上記で説明した半自動式の手順と同様に構成されている。計算コストを低減するために、基準点の位置合わせの前に2枚の画像間の位置ずれを計算する2段階の方法が提案されている。これは、伝達情報量と様々な最適化技法を用いて行われるようになっている。
この方法の短所は、1つには、検出された標認点が、撮影品質(焦点調整、露光)とトリミングの影響を受ける所定の基準を充足する必要があることから、ロバスト性に劣る点にある。それ以外にも、決められた標認点のそれぞれの部分画像への一様な配分が保証されていない。その結果、ばらの(組織が多い)画像領域だけが変換の決定に取り入れられて、たとえば周辺のスケーリングが無視されたままとなることがある。変換決定に使用される標認点の個数は、画像により決まるために、一概に予測できなくなっている。
提案されている別の方法、たとえば眼底血管をジオメトリック・ツリーの形態で再構築する方法では、計算コストが桁外れとなっている(たとえばチャンウィマリュアングら(Chanwimaluang et al.)「An efficient blood vessel detection algorithm for retinal images using local entropy thresholding」ISCAS(5)2003:p.21〜24)。
特開平第11−332832号公報には、それぞれの部分画像について向きや倍率などの撮影パラメータを記憶して、それを利用して解析的に、画像内容を利用することなくパノラマ画像を作成することが提案されている。
たとえば米国登録特許第4,715,703号明細書からは、望ましくない迷光をカットするために、眼底カメラに1つのアパーチャ・マスク(視野絞り)を備えることが知られている。
米国公開特許第2004/0254477号明細書には、視野絞りの実物に代わり、ユーザが直径を入力することにより仮想視野絞りを定義して、(長方形の)デジタル画像のグレー・スケールならびにピクセルを、視野絞りを使用した撮影であるかのような印象が醸し出されるように操作することが提案されている。
本発明の課題は、上述の従来技術の短所を克服し、眼底パノラマ画像を作成するための効率的な、自動的に実行可能な方法を提示することにある。
この課題は、本発明により、眼底の様々なカットが示されている複数枚の初期画像がデジタル形式で存在している、眼底パノラマ画像の作成方法において、
−予備位置合わせを行って、各画像の相互間の相対的な幾何学的なマッピングのための1つの第1の量を決定し、
−この相対的な幾何学的マッピングのための第1の量が関係している1つのアンカー画像を決定し、
−1つのブロック・マッチング・アルゴリズムを利用して、このアンカー画像と複数の別の画像の互いにマッピングされる領域を決定し、
−これらの互いにマッピングされた領域の相関的な位置から、アンカー画像と複数の別の画像間のジオメトリック変換のための複数の変換パラメータを決定し、さらに、
−複数の別の画像を、これらの変換パラメータを用いてアンカー画像に変換して、これと重ね合わせ、かつ別の画像同士を重ね合わせる
ことにより、解決される。
−予備位置合わせを行って、各画像の相互間の相対的な幾何学的なマッピングのための1つの第1の量を決定し、
−この相対的な幾何学的マッピングのための第1の量が関係している1つのアンカー画像を決定し、
−1つのブロック・マッチング・アルゴリズムを利用して、このアンカー画像と複数の別の画像の互いにマッピングされる領域を決定し、
−これらの互いにマッピングされた領域の相関的な位置から、アンカー画像と複数の別の画像間のジオメトリック変換のための複数の変換パラメータを決定し、さらに、
−複数の別の画像を、これらの変換パラメータを用いてアンカー画像に変換して、これと重ね合わせ、かつ別の画像同士を重ね合わせる
ことにより、解決される。
その際には、それぞれの初期画像において1つの視野マスクが決定または入力され、この視野マスクの外側に位置する画像部分がフィルタで除去されて、視野マスクの内側に位置する個々の初期画像の画像部分だけを用いてその後の計算が実行されるようにすると、非常に有利である。
予備位置合わせは、本発明に従った方法では、それぞれの初期画像の間の1つの2次元相互相関関数を計算することにより行われるが、その際には、好ましくは事前に、これらの初期画像のダウン・スケーリングないしは解像度の低下が実行されるようになっている。これについては、それぞれの画像に存在している血管またはその類の組織を、たとえばそのコントラストに関して増幅したり、別の方法で際立たせたりした場合に、極めて良好な結果が達成されている。
この予備位置合わせから、それぞれの初期画像の共通領域の数および/または共通領域の距離を評価することによって、1つのアンカー画像が決定されるようにすると有利である。
ブロック・マッチング・アルゴリズムについては、これが実質的に、予備位置合わせによりそれぞれの初期画像が重なり合う可能性を予想できるそれぞれの初期画像の領域だけに適用されるようにすると、非常に有利である。
本発明に従った方法においては、予備位置合わせによりそれぞれの初期画像が重なり合う可能性を予想できるそれぞれの初期画像の領域内で、組織解析によりブロック・マッチングに非常に適した部分領域の決定が行われて、ブロック・マッチング・アルゴリズムは好適にもこの部分領域に適用されるようになっている。この組織解析は、たとえばそれぞれの部分領域の最大情報エントロピーまたは画像のピクセル数の標準偏差を決定することにより行われるようにするとよい。
アンカー画像と複数の別の初期画像間の変換パラメータを、2次元のアプローチ手法により決定し、またその際には特に複数の共通領域を持つ複数の別の初期画像間の変換パラメータも決定して、好ましくは最適化によりすべての初期画像に適した変換パラメータ・セットが決定されるようにすると、非常に有利であることが実証されている。
複数の別の画像をアンカー画像に重ね合わせ、かつ別の画像同士を重ね合わせる際には、画像の明るさおよび/または色の相互マッチングが行われるようにすると、格段と有利である。これは特に、画像において明るく見える血管などの組織を相互マッチングさせることにより、非常に良好に行うことができる。
次に本発明を好ましい実施例に基づき説明する。図1には、この好ましい方法のフローチャートが示されている。
視野マスクの自動決定:
実際の位置合わせ方法を開始する前に、すべての個別画像において、1つの面積基準と、画像全体のヒストグラムの評価結果とに基づいて、視野絞りの自動決定が行われる。視野マスクの外側の領域は、定義により光が遮られ、それにより実際の画像内容よりも暗くなるために、ヒストグラム(=画像全体のピクセルのグレー・スケールないしは彩色値の度数分布図)から、ピクセルが2つの領域のどちらに含まれるかを分ける境界を容易に決定することができる。万一異常値が生じた場合にこれを消去するために、それ自体としては知られているエロージョン法が適用されるが、その結果、実際の画像内容が、1つのつながった領域内に存在することになる。図2にそのような結果の一例が示されるが、そこでは実際の画像内容1が、視野絞りの弁別域2により取り囲まれている。
視野マスクの自動決定:
実際の位置合わせ方法を開始する前に、すべての個別画像において、1つの面積基準と、画像全体のヒストグラムの評価結果とに基づいて、視野絞りの自動決定が行われる。視野マスクの外側の領域は、定義により光が遮られ、それにより実際の画像内容よりも暗くなるために、ヒストグラム(=画像全体のピクセルのグレー・スケールないしは彩色値の度数分布図)から、ピクセルが2つの領域のどちらに含まれるかを分ける境界を容易に決定することができる。万一異常値が生じた場合にこれを消去するために、それ自体としては知られているエロージョン法が適用されるが、その結果、実際の画像内容が、1つのつながった領域内に存在することになる。図2にそのような結果の一例が示されるが、そこでは実際の画像内容1が、視野絞りの弁別域2により取り囲まれている。
1.予備位置合わせ:
最初のステップでは、可能性のある2枚の個別画像の組合せのすべてについて、画像間の予備位置合わせが決定され、評価される。そのために、多くの場合は高解像度の初期画像(たとえば約2000×2000ピクセル)が、計算時間を節減するために、たとえば250×250ピクセルにダウン・スケーリングされるようになっている。他にも、それぞれの画像に存在しているたとえば血管などの組織を、それ自体としては知られている相応のアルゴリズムにより際立たせると非常に有用であることが判明している(たとえば、チョードリーら(Chaudhuri et al.):「Detection of blood vessels in retinal images using two−dimensional matched filters」IEEE Transactions on Medical Imaging、Vol.8(1989)、No.3、p.263〜269;チャンウィマリュアングら(Chanwimaluang et al.):「An efficient blood vessel detection algorithm for retinal images using local entropy thresholding」Proceedings International Symposium on Circuits and Systems、Vol.5(2003)、p.21〜24)。各画像の相関的な位置のこの暫定的な決定は、面積ベースで、たとえば2次元相互相関関数
最初のステップでは、可能性のある2枚の個別画像の組合せのすべてについて、画像間の予備位置合わせが決定され、評価される。そのために、多くの場合は高解像度の初期画像(たとえば約2000×2000ピクセル)が、計算時間を節減するために、たとえば250×250ピクセルにダウン・スケーリングされるようになっている。他にも、それぞれの画像に存在しているたとえば血管などの組織を、それ自体としては知られている相応のアルゴリズムにより際立たせると非常に有用であることが判明している(たとえば、チョードリーら(Chaudhuri et al.):「Detection of blood vessels in retinal images using two−dimensional matched filters」IEEE Transactions on Medical Imaging、Vol.8(1989)、No.3、p.263〜269;チャンウィマリュアングら(Chanwimaluang et al.):「An efficient blood vessel detection algorithm for retinal images using local entropy thresholding」Proceedings International Symposium on Circuits and Systems、Vol.5(2003)、p.21〜24)。各画像の相関的な位置のこの暫定的な決定は、面積ベースで、たとえば2次元相互相関関数
アンカー画像および計算順序の決定:
この位置のずれの算出結果に基づいて、アンカー画像とならび各部分画像の変換の計算順序が定められる。アンカー画像として、大半の別の画像と何らかのオーバーラップ域を有する画像が選択される。その際に複数の画像が同等となるような場合には、別のすべての画像に対するアンカー画像の候補となり得るこれらの画像の位置ずれの合計を決定し、比較して、この合計が最小であるものをアンカー画像として選択する。計算順序に至るためには、別の画像を位置ずれの大きさ順に並べて、位置ずれが最小のものから開始することが好ましい。
この位置のずれの算出結果に基づいて、アンカー画像とならび各部分画像の変換の計算順序が定められる。アンカー画像として、大半の別の画像と何らかのオーバーラップ域を有する画像が選択される。その際に複数の画像が同等となるような場合には、別のすべての画像に対するアンカー画像の候補となり得るこれらの画像の位置ずれの合計を決定し、比較して、この合計が最小であるものをアンカー画像として選択する。計算順序に至るためには、別の画像を位置ずれの大きさ順に並べて、位置ずれが最小のものから開始することが好ましい。
2.基準点位置合わせ:
この第2のステップは、(好ましくは階層的な)ブロック・マッチング法による、客観的な特徴には無関係の一対の基準点を決定することにより構成される。その際には、1つのブロック選択基準、1つの適切な類似性の尺度、たとえば上述の相関係数が使用されるようになっている。ブロック選択基準として、たとえば情報エントロピー
この第2のステップは、(好ましくは階層的な)ブロック・マッチング法による、客観的な特徴には無関係の一対の基準点を決定することにより構成される。その際には、1つのブロック選択基準、1つの適切な類似性の尺度、たとえば上述の相関係数が使用されるようになっている。ブロック選択基準として、たとえば情報エントロピー
このマッチングの結果は、異なる画像の互いに合致する点の座標値である。
3.パラメータ計算
各画像の幾何学的な相互マッチングのための変換パラメータは、2次元のアプローチ手法に基づき算出される:
3.パラメータ計算
各画像の幾何学的な相互マッチングのための変換パラメータは、2次元のアプローチ手法に基づき算出される:
この計算を、アンカー画像と結び付けられたすべての画像、ならびに、アンカー画像と結び付けられていない画像の場合はこれらに隣接する画像を対象として実行した後には、完全な変換パラメータ・セットを利用できるようになり、これを用いてすべての画像を(アンカー画像と結び付けられていない画像も含めて)アンカー画像の座標系に変換することができる。
4.画像の変換および重ね合わせ
ここでは、これらの変換パラメータを用いて、すべての画像がアンカー画像の座標系に移される。共通画像の中の異なる画像間で明るさが異なると、ノイズのある組織を来たしかねないために、ここではさらにグレー・スケールおよび色のマッチングが公然周知の方法により実行されるようになっている。その際には、最初に画像のより明るい部分(血管またはその類)を相互マッチングさせた後で初めて、それに続いて組織のないバックグラウンドを同化させると有利であることが判明している。
ここでは、これらの変換パラメータを用いて、すべての画像がアンカー画像の座標系に移される。共通画像の中の異なる画像間で明るさが異なると、ノイズのある組織を来たしかねないために、ここではさらにグレー・スケールおよび色のマッチングが公然周知の方法により実行されるようになっている。その際には、最初に画像のより明るい部分(血管またはその類)を相互マッチングさせた後で初めて、それに続いて組織のないバックグラウンドを同化させると有利であることが判明している。
提示されるこの新しい方法により、幾何学的にも測光法の上でも誤りのないパノラマ画像を自動的に作成することができる。
本発明は、上記で説明した好ましい実施例に縛られるものではなく、また当業者による変更によって、特許請求の範囲により定義される保護範囲からの逸脱を来たすことはない。
本発明は、上記で説明した好ましい実施例に縛られるものではなく、また当業者による変更によって、特許請求の範囲により定義される保護範囲からの逸脱を来たすことはない。
Claims (9)
- 眼底の様々なカットが写され、デジタル形式で存在している複数の初期画像の眼底パノラマ画像を作成する方法であって、
予備位置合わせを行って、該各画像の相互間の相対的な幾何学的マッピングのための第1の量を決定する工程、
該相対的な幾何学的マッピングのための該第1の量が関係している1つのアンカー画像を決定する工程、
1つのブロック・マッチング・アルゴリズムを利用して、該アンカー画像と複数の別の画像の互いにマッピングされる領域を決定する工程、
これらの互いにマッピングされた領域の相対的な位置から、該アンカー画像と該複数の別の画像間の幾何学的変換のための複数の変換パラメータを決定する工程、
該複数の別の画像を、複数の変換パラメータを用いて該アンカー画像に変換して、該複数の別の画像と重ね合わせ、かつ該別の画像同士を重ね合わせる工程
を備えることを特徴とする方法。 - 前記各初期画像において1つの視野マスクが決定または入力されて、該視野マスクの外側に位置する画像部分がフィルタで除去される、請求項1に記載の眼底パノラマ画像の作成方法。
- 請求項1の各工程が、前記視野マスクの内側に位置する個々の初期画像の画像部分だけを用いて実行される、請求項2に記載の眼底パノラマ画像の作成方法。
- 前記予備位置合わせを、1つの前記各初期画像間の2次元相互相関関数を計算することにより実現する工程であって、好ましくは事前に前記各初期画像のダウン・スケーリングないしは解像度の低下を実行する工程を特徴とする、請求項1乃至3のいずれか1項に記載の眼底パノラマ画像の作成方法。
- 前記予備位置合わせから、前記各初期画像の共通領域の数と前記各共通領域の距離との少なくとも1つを評価することによって、1つのアンカー画像を決定する工程を特徴とする、請求項1乃至4のいずれか1項に記載の眼底パノラマ画像の作成方法。
- 前記ブロック・マッチング・アルゴリズムを、実質的に、前記予備位置合わせにより前記各初期画像が重なり合う可能性を予想できる前記各初期画像の領域だけに適用する工程を特徴とする、請求項1乃至5のいずれか1項に記載の眼底パノラマ画像の作成方法。
- 前記予備位置合わせにより前記各初期画像が重なり合う可能性を予想できる前記各初期画像の前記各領域において、組織解析により前記ブロック・マッチングに非常に適した複数の部分領域の決定を行う工程と、前記ブロック・マッチング・アルゴリズムを好ましくはこれらの部分領域に適用する工程とを特徴とする、請求項1乃至6のいずれか1項に記載の眼底パノラマ画像の作成方法。
- 前記アンカー画像と前記各別の画像間の前記各変換パラメータを、1つの2次元アプローチ手法に基づき決定する工程であって、特に複数の共通領域を有する複数の別の画像間の変換パラメータも決定して、好ましくは最適化により、すべての初期画像に適した1つの変換パラメータ・セットを決定する工程を特徴とする、請求項1乃至7のいずれか1項に記載の眼底パノラマ画像の作成方法。
- 前記各別の画像を前記アンカー画像に重ね合わせ、かつ前記別の画像同士を重ね合わせる際に、前記各画像の明るさと色との少なくとも1つの相互マッピングを行う工程を特徴とする、請求項1乃至8のいずれか1項に記載の眼底パノラマ画像の作成方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102006034911.3A DE102006034911B4 (de) | 2006-07-28 | 2006-07-28 | Verfahren zur Erstellung von Panorama-Bildern des Augenhintergrundes |
PCT/EP2007/006406 WO2008012021A1 (de) | 2006-07-28 | 2007-07-19 | Verfahren zur erstellung von panorama-bildern des augenhintergrundes |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009544377A true JP2009544377A (ja) | 2009-12-17 |
Family
ID=38515709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009521148A Withdrawn JP2009544377A (ja) | 2006-07-28 | 2007-07-19 | 眼底パノラマ画像の調整方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8224050B2 (ja) |
EP (1) | EP2047424A1 (ja) |
JP (1) | JP2009544377A (ja) |
DE (1) | DE102006034911B4 (ja) |
WO (1) | WO2008012021A1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011019576A (ja) * | 2009-07-13 | 2011-02-03 | Canon Inc | 断層像撮影装置及び断層像の補正処理方法 |
JP2015221089A (ja) * | 2014-05-22 | 2015-12-10 | キヤノン株式会社 | 画像生成装置および画像生成方法 |
JP2017501005A (ja) * | 2013-12-23 | 2017-01-12 | アールエスビーブイ,リミティド ライアビリティ カンパニー | 広視野網膜画像取得システム及び方法 |
JP2017055916A (ja) * | 2015-09-15 | 2017-03-23 | キヤノン株式会社 | 画像生成装置、画像生成方法及びプログラム |
KR20210154732A (ko) * | 2020-06-12 | 2021-12-21 | 서울대학교병원 | 광각 안저영상을 생성하기 위해 복수의 안저영상을 정합하는 방법 및 이를 수행하는 장치 |
KR20210154731A (ko) * | 2020-06-12 | 2021-12-21 | 서울대학교병원 | 안저영상의 종단적 분석을 위한 안저 변화 검출 방법 및 이를 수행하는 장치 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110103655A1 (en) * | 2009-11-03 | 2011-05-05 | Young Warren G | Fundus information processing apparatus and fundus information processing method |
JP5434621B2 (ja) * | 2010-01-19 | 2014-03-05 | ソニー株式会社 | 情報処理装置、情報処理方法、及びそのプログラム |
AU2013273657B2 (en) | 2013-12-18 | 2016-11-10 | Canon Kabushiki Kaisha | Ophthalmic reference image selection |
US10387996B2 (en) | 2014-02-02 | 2019-08-20 | Trax Technology Solutions Pte Ltd. | System and method for panoramic image processing |
US10402777B2 (en) | 2014-06-18 | 2019-09-03 | Trax Technology Solutions Pte Ltd. | Method and a system for object recognition |
US10512395B2 (en) | 2016-04-29 | 2019-12-24 | Carl Zeiss Meditec, Inc. | Montaging of wide-field fundus images |
US11412928B2 (en) | 2017-08-11 | 2022-08-16 | Carl Zeiss Meditec, Inc. | Systems and methods for improved ophthalmic imaging |
US11000187B2 (en) | 2017-09-07 | 2021-05-11 | Carl Zeiss Meditec, Inc. | Systems and methods for improved montaging of ophthalmic imaging data |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4715703A (en) * | 1982-10-12 | 1987-12-29 | Rodenstock Instrument Corporation | Ocular-fundus analyzer |
JPH07152895A (ja) * | 1993-11-29 | 1995-06-16 | Canon Inc | 画像処理方法及び装置 |
US6082859A (en) * | 1997-09-17 | 2000-07-04 | Kabushiki Kaisha Topcon | Ophthalmological photographing apparatus |
JP3645727B2 (ja) | 1999-01-28 | 2005-05-11 | 株式会社日立製作所 | 超音波診断装置およびパノラマ画像を合成するプログラムおよびその記録媒体 |
JPH11332832A (ja) * | 1999-04-09 | 1999-12-07 | Topcon Corp | 眼科装置 |
WO2001028405A2 (en) * | 1999-10-20 | 2001-04-26 | The Trustees Of The University Of Pennsylvania | Enhancement of images for ophthalmic disgnosis |
US6830336B2 (en) * | 2002-11-01 | 2004-12-14 | Inoveon Corporation | Automated generation of fundus images based on processing of acquired images |
JP4095494B2 (ja) * | 2003-05-30 | 2008-06-04 | キヤノン株式会社 | 眼科画像処理装置及び処理方法 |
US8126289B2 (en) * | 2006-06-20 | 2012-02-28 | Ophthalmic Imaging Systems | Device, method and system for automatic montage of segmented retinal images |
-
2006
- 2006-07-28 DE DE102006034911.3A patent/DE102006034911B4/de active Active
-
2007
- 2007-07-19 US US12/375,350 patent/US8224050B2/en active Active
- 2007-07-19 WO PCT/EP2007/006406 patent/WO2008012021A1/de active Application Filing
- 2007-07-19 JP JP2009521148A patent/JP2009544377A/ja not_active Withdrawn
- 2007-07-19 EP EP07786178A patent/EP2047424A1/de not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011019576A (ja) * | 2009-07-13 | 2011-02-03 | Canon Inc | 断層像撮影装置及び断層像の補正処理方法 |
JP2017501005A (ja) * | 2013-12-23 | 2017-01-12 | アールエスビーブイ,リミティド ライアビリティ カンパニー | 広視野網膜画像取得システム及び方法 |
JP2015221089A (ja) * | 2014-05-22 | 2015-12-10 | キヤノン株式会社 | 画像生成装置および画像生成方法 |
JP2017055916A (ja) * | 2015-09-15 | 2017-03-23 | キヤノン株式会社 | 画像生成装置、画像生成方法及びプログラム |
KR20210154732A (ko) * | 2020-06-12 | 2021-12-21 | 서울대학교병원 | 광각 안저영상을 생성하기 위해 복수의 안저영상을 정합하는 방법 및 이를 수행하는 장치 |
KR20210154731A (ko) * | 2020-06-12 | 2021-12-21 | 서울대학교병원 | 안저영상의 종단적 분석을 위한 안저 변화 검출 방법 및 이를 수행하는 장치 |
KR102575370B1 (ko) * | 2020-06-12 | 2023-09-08 | 서울대학교병원 | 안저영상의 종단적 분석을 위한 안저 변화 검출 방법 및 이를 수행하는 장치 |
KR102575371B1 (ko) * | 2020-06-12 | 2023-09-08 | 서울대학교병원 | 광각 안저영상을 생성하기 위해 복수의 안저영상을 정합하는 방법 및 이를 수행하는 장치 |
Also Published As
Publication number | Publication date |
---|---|
DE102006034911B4 (de) | 2017-10-26 |
WO2008012021A1 (de) | 2008-01-31 |
EP2047424A1 (de) | 2009-04-15 |
US8224050B2 (en) | 2012-07-17 |
DE102006034911A1 (de) | 2008-01-31 |
US20110058715A1 (en) | 2011-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2009544377A (ja) | 眼底パノラマ画像の調整方法 | |
Hernandez-Matas et al. | FIRE: fundus image registration dataset | |
JP5080944B2 (ja) | パノラマ眼底画像合成装置及び方法 | |
US8698916B2 (en) | Red-eye filter method and apparatus | |
US10089737B2 (en) | 3D corrected imaging | |
WO2014115371A1 (ja) | 画像処理装置、内視鏡装置、画像処理方法及び画像処理プログラム | |
JP2004222118A (ja) | 撮影装置 | |
JP4521235B2 (ja) | 撮影画像の変化抽出装置及び方法 | |
JP2007201661A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2008220617A (ja) | 画像解析システム、及び画像解析プログラム | |
Wang et al. | Automatic fundus images mosaic based on SIFT feature | |
WO2011143920A1 (zh) | 求取现场指纹方向的方法和装置 | |
JP6615486B2 (ja) | カメラキャリブレーション装置、方法及びプログラム | |
WO2007110982A1 (ja) | 眼底のステレオ画像のための画像解析装置及びプログラム | |
JP2010220794A (ja) | 内視鏡画像回転装置および方法並びにプログラム | |
JP5800549B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
Hernandez-Matas et al. | Super resolution for fundoscopy based on 3D image registration | |
JPWO2011138882A1 (ja) | テンプレートマッチング処理装置およびテンプレートマッチング処理プログラム | |
US20230169657A1 (en) | Automatic organ geometry determination | |
TWI416433B (zh) | 紅眼影像偵測方法及其相關裝置 | |
JP3540731B2 (ja) | 眼底画像変形合成方法、そのプログラムを記録した記録媒体、及び眼底画像変形合成装置 | |
JP2003248815A (ja) | 顔画像の正規化方法及び装置、顔画像における目の位置の検出方法及び装置、並びにプログラム | |
JP2021182670A (ja) | 画像処理装置、撮像装置、画像処理方法、およびプログラム | |
JP2004145592A (ja) | 移動ベクトル抽出装置及び方法及びプログラム及びその記録媒体 | |
JP4812099B2 (ja) | カメラ位置検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20101005 |