JP2013223672A - 画像処理装置、画像処理方法、及び画像処理プログラム - Google Patents

Abstract

【課題】異常部と、該異常部と同種の色情報を有する他の対象とを精度良く識別することができる画像処理装置等を提供する。
【解決手段】画像処理装置１は、生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別部１１０と、候補領域の周辺領域を決定する周辺領域決定部１２０と、候補領域及び周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出部１３０と、候補領域の形状情報と周辺領域の形状情報との相関に基づいて、候補領域が異常部であるか否かを判定する異常部領域判定部１４０とを備える。
【選択図】図１

Description

本発明は、生体の管腔内を撮像した画像から異常部領域を判別する画像処理装置、画像処理方法、及び画像処理プログラムに関する。

内視鏡やカプセル型内視鏡等の医用観察装置により生体の管腔内を撮像した画像（以下、管腔内画像又は単に画像ともいう）に対する画像処理として、特許文献１には、画像の色調情報を基に異常部領域を検出する技術が開示されている。より詳細には、特許文献１においては、画像内の各画素の画素値を、色特徴量に基づく特徴空間に写像し、該特徴空間内でクラスタリングした後で、各クラスタの大きさや重心座標等の情報に基づいて正常粘膜クラスタや異常部クラスタを特定し、異常部クラスタに属する画素領域を異常部領域として検出している。

特開２００５−１９２８８０号公報

ところで、医用観察装置により撮像された管腔内画像には、異常部と同種の色情報を有する他の対象が存在する場合がある。具体的には、アフタ性病変や潰瘍等の白色系の異常部に対し、白色調の残渣は同種の色となる。このため、従来のような色情報のみに基づく異常部の検出方法では、このような他の対象と異常部とを精度良く識別することができなかった。

本発明は、上記に鑑みて為されたものであって、異常部と、該異常部と同種の色情報を有する他の対象とを精度良く識別することができる画像処理装置、画像処理方法、及び、画像処理プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る画像処理装置は、生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別手段と、前記候補領域の周辺領域を決定する周辺領域決定手段と、前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出手段と、前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定手段と、を備えることを特徴とする。

本発明に係る画像処理方法は、生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別ステップと、前記候補領域の周辺領域を決定する周辺領域決定ステップと、前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出ステップと、前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定ステップと、を含むことを特徴とする。

本発明に係る画像処理プログラムは、生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別ステップと、前記候補領域の周辺領域を決定する周辺領域決定ステップと、前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出ステップと、前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定ステップと、をコンピュータに実行させることを特徴とする。

本発明によれば、異常部の候補領域とその周辺領域とに対し、画面に対する奥行き方向における形状情報を算出し、それぞれの形状情報の相関に基づいて候補領域が異常部であるか否かを判定するので、異常部と、該異常部と同種の色情報を有する他の対象とを精度良く識別することが可能となる。

図１は、本発明の実施の形態１に係る画像処理装置の構成を示すブロック図である。 図２は、図１に示す画像処理装置の動作を示すフローチャートである。 図３は、処理対象画像の一例を示す模式図である。 図４は、周辺領域の決定処理を示すフローチャートである。 図５は、候補領域及び周辺領域の形状情報の算出処理を示すフローチャートである。 図６は、候補領域の形状情報の算出処理を説明する模式図である。 図７は、周囲領域の形状情報の算出処理を説明する模式図である。 図８は、候補領域の判定処理を説明する模式図である。 図９は、候補領域の判定処理を説明する模式図である。 図１０は、候補領域の判定処理を示すフローチャートである。 図１１は、実施の形態１の変形例１に係る周辺領域決定部の構成を示すブロック図である。 図１２は、図１１に示す周辺領域決定部の動作を示すフローチャートである。 図１３は、実施の形態１の変形例２に係る周辺領域決定部の構成を示すブロック図である。 図１４は、図１３に示す周辺領域決定部の動作を示すフローチャートである。 図１５は、実施の形態１の変形例３に係る周辺領域決定部の構成を示すブロック図である。 図１６は、図１５に示す周辺領域決定部の動作を示すフローチャートである。 図１７は、実施の形態１の変形例４に係る周辺領域決定部の構成を示すブロック図である。 図１８は、図１７に示す周辺領域決定部の動作を示すフローチャートである。 図１９は、本発明の実施の形態２に係る画像処理装置の構成を示すブロック図である。 図２０は、本発明の実施の形態３に係る画像処理装置の構成を示すブロック図である。 図２１は、図２０に示す画像処理装置の動作を示すフローチャートである。 図２２は、周辺領域の信頼性の判定処理を示すフローチャートである。 図２３は、候補領域の判定処理を示すフローチャートである。

以下、本発明の実施の形態に係る画像処理装置について、図面を参照しながら説明する。なお、これら実施の形態によって本発明が限定されるものではない。また、各図面の記載において、同一部分には同一の符号を付して示している。

以下の実施の形態においては、一例として、内視鏡又はカプセル型内視鏡等の医用観察装置によって生体の管腔内を撮像することにより取得された管腔内画像（以下、単に画像ともいう）に対する処理について説明する。以下の説明において画像処理を施される画像は、例えば、各画素位置においてＲ（赤）、Ｇ（緑）、Ｂ（青）の各色成分（波長成分）に対して、例えば２５６階調の画素レベル（画素値）を持つカラー画像である。なお、本発明は、管腔内画像に限定されることなく、他の一般的な画像取得装置によって取得された画像から特定の領域を抽出する場合にも広く適用することができる。

（実施の形態１）
図１は、本発明の実施の形態１に係る画像処理装置の構成を示すブロック図である。図１に示す画像処理装置１は、画像処理装置１全体の動作を制御する制御部１０と、医用観察装置によって撮像された画像に対応する画像データを取得する画像取得部２０と、外部から入力される入力信号を受け付ける入力部３０と、各種表示を行う表示部４０と、画像取得部２０によって取得された画像データや種々のプログラムを格納する記録部５０と、画像データに対して所定の画像処理を実行する演算部１００とを備える。

制御部１０は、ＣＰＵ等のハードウェアによって実現され、記録部５０に記録された各種プログラムを読み込むことにより、画像取得部２０から入力される画像データや入力部３０から入力される操作信号等に従って、画像処理装置１を構成する各部への指示やデータの転送等を行い、画像処理装置１全体の動作を統括的に制御する。

画像取得部２０は、医用観察装置を含むシステムの態様に応じて適宜構成される。例えば、医用観察装置がカプセル型内視鏡であり、医用観察装置との間の画像データの受け渡しに可搬型の記録媒体が使用される場合、画像取得部２０は、この記録媒体を着脱自在に装着し、保存された管腔内画像の画像データを読み出すリーダ装置で構成される。また、医用観察装置によって撮像された管腔内画像の画像データを保存しておくサーバを設置する場合、画像取得部２０は、サーバと接続される通信装置等で構成され、サーバとデータ通信を行って管腔内画像の画像データを取得する。或いは、画像取得部２０を、内視鏡等の医用観察装置から、ケーブルを介して画像信号を入力するインターフェース装置等で構成しても良い。

入力部３０は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の入力デバイスによって実現され、受け付けた入力信号を制御部１０に出力する。
表示部４０は、ＬＣＤやＥＬディスプレイ等の表示装置によって実現され、制御部１０の制御の下で、管腔内画像を含む各種画面を表示する。

記録部５０は、更新記録可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵若しくはデータ通信端子で接続されたハードディスク、又は、ＣＤ−ＲＯＭ等の情報記録媒体及びその読取装置等によって実現される。記録部５０は、画像取得部２０によって取得された管腔内画像の画像データの他、画像処理装置１を動作させると共に、種々の機能を画像処理装置１に実行させるためのプログラムや、このプログラムの実行中に使用されるデータ等を格納する。具体的には、記録部５０は、画像内からアフタ性病変や潰瘍等の白色調の異常部を検出するための画像処理プログラム５１や、このプログラムの実行中に使用される種々の情報等を格納する。

演算部１００は、ＣＰＵ等のハードウェアによって実現され、画像処理プログラム５１を読み込むことによって管腔内画像に対応する画像データに画像処理を施し、アフタ性病変や潰瘍等の白色調の異常部を検出するための種々の演算処理を実行する。

次に、演算部１００の詳細な構成について説明する。
図１に示すように、演算部１００は、管腔内画像から異常部の候補領域を判別する異常部候補領域判別部１１０と、候補領域の周辺領域を決定する周辺領域決定部１２０と、候補領域及び周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出部１３０と、候補領域の形状情報と周辺領域の形状情報との相関に基づいて、候補領域が異常部であるか否かを判定する異常部領域判定部１４０とを備える。

より詳細には、周辺領域決定部１２０は、画像内に含まれる粘膜領域を判別する粘膜領域判別部１２１を有し、周辺領域が粘膜領域のみを含むように、周辺領域の範囲を決定する。

形状情報算出部１３０は、候補領域及び周辺領域内にそれぞれ含まれる複数の画素の画素値に基づいて、候補領域及び周辺領域の画面の奥行き方向における形状を所定の形状にそれぞれ近似する近似形状算出部１３１を有する。本実施の形態１において、近似形状算出部１３１は、候補領域及び周辺領域の形状を１つ以上の直線又は曲線に近似する線近似形状算出部１３１ａと、候補領域及び周辺領域に含まれる画素に関する情報に基づいて、近似形状の算出対象を選択する近似対象選択部１３１ｂとを含む。

次に、画像処理装置１の動作について説明する。図２は、画像処理装置１の動作を示すフローチャートである。
まず、ステップＳ１０において、画像取得部２０は、管腔内画像を取得して記録部５０に記録する。演算部１００は、処理対象である画像に対応する画像データを記録部５０から読み込む。図３は、演算部１００に読み込まれた処理対象画像の一例を示す模式図である。

続くステップＳ２０において、異常部候補領域判別部１１０は、画像Ｍ１内の画素の色特徴量を基に、画像Ｍ１内に存在する異常部の候補領域を判別する。ここで、アフタ性病変や潰瘍等の異常部は白色調の特定色を示す。そこで、異常部候補領域判別部１１０は、事前に決定された白色調の異常部領域の判別基準の色範囲に基づき、画像Ｍ１内の各画素が異常部と見られる特定色を示すか否かを判定する。ここで、異常部領域の判別基準は、予め収集された異常部領域のＲ、Ｇ、Ｂ各成分の画素値や、これらの画素値から公知の変換により２次的に算出される色特徴量に基づいて決定され、記録部５０に事前に記録される。色特徴量としては、ＹＣｂＣｒ変換により算出される色差、色相、ＨＳＩ変換により算出される彩度、色比（Ｇ／Ｒ、Ｂ／Ｇ等）といった値が挙げられる。
この判別処理により異常部とされた画素領域が、異常部の候補領域として抽出される。図３に示す領域ｍ１は、候補領域の一例を示している。

なお、候補領域の判別方法としては、上記方法に限定されず、画像内から特定色の領域を検出することができれば、どのような方法を用いても良い。例えば、異常部の代表的な色特徴量と各画素の色特徴量との色特徴空間における距離を閾値処理する方法（ｋ近傍法、参考：特許第４２６６９２０号公報、ＣＧ−ＡＲＴＳ協会 「ディジタル画像処理」、ｐ．２２８（ＮＮ法とｋＮＮ法））等、公知の様々な検出方法を用いることができる。また、各画素の色特徴量を用いる代わりに、エッジ情報等を基に画像内を複数の小領域に分割した後、小領域単位の色特徴量を用いて候補領域を検出しても良い。

続くステップＳ３０において、周辺領域決定部１２０は、候補領域と同一の粘膜面を、候補領域の周辺領域として決定する。本実施の形態１においては、候補領域と近距離にある粘膜領域を周辺領域とする。

図４は、周辺領域の決定処理を示すフローチャートである。
まず、ステップＳ３０１において、粘膜領域判別部１２１は、事前に決定された粘膜領域の判別基準の色範囲に基づき、画像Ｍ１内の各画素が粘膜領域であるか否かを判定する。ここで、粘膜領域の判別基準は、予め収集された粘膜領域と粘膜以外の領域（非粘膜領域）内の各画素のＲ、Ｇ、Ｂ各成分の画素値や、これらの画素値から公知の変換により２次的に算出される色特徴量に基づいて決定され、記録部５０に事前に記録される。色特徴量としては、ＹＣｂＣｒ変換により算出される色差、色相、ＨＳＩ変換により算出される彩度、色比（Ｇ／Ｒ、Ｂ／Ｇ等）といった値が挙げられる。

ステップＳ３０２において、周辺領域決定部１２０は、粘膜領域として判別された画素に対してラベリング処理を施す（参考：ＣＧ−ＡＲＴＳ協会、「ディジタル画像処理」、ｐ．１８１〜１８２（２値画像の基本処理と計測・ラベリング））。

ステップＳ３０３において、周辺領域決定部１２０は、画像Ｍ１内において、候補領域内の各画素から所定距離の範囲内にある粘膜領域を抽出する。
続くステップＳ３０４において、周辺領域決定部１２０は、抽出された粘膜領域が属するラベル領域を周辺領域として決定する。
その後、処理はメインルーチンに戻る。

ステップＳ３０に続くステップＳ４０において、形状情報算出部１３０は、候補領域及び周辺領域の各々について、画面の奥行き方向における形状情報を算出する。本実施の形態１においては、候補領域及び周辺領域の形状を線に近似し、近似された線の形状に関する情報を取得する。

図５は、候補領域及び周辺領域の形状情報の算出処理を示すフローチャートである。
まず、ステップＳ４０１において、近似形状算出部１３１は、ステップＳ２０において判別された候補領域にラベリング処理を施す。図６は、ラベリングされた候補領域のうちの１つを示す模式図である。以下においては、一例として、図６に示す候補領域ａ１に対する処理を説明する。

続くステップＳ４０２において、近似形状算出部１３１は、ラベリングされた候補領域ａ１の座標重心（以下、単に重心という）ｇ１を算出する。

ステップＳ４０３において、線近似形状算出部１３１ａは、候補領域ａ１内で、重心ｇ１を通る複数方向ｄ１、ｄ２、…における線分上の画素を抽出する。例えば図６の場合、各方向ｄ１〜ｄ３の線分が候補領域の輪郭と交わる後端から前端に至る領域の画素が抽出される。なお、図６においては、３つの方向ｄ１〜ｄ３を例示しているが、設定される線分の方向及び数は特に限定されない。

ステップＳ４０４において、近似対象選択部１３１ｂは、各方向ｄ１、ｄ２、…について抽出された画素の数に基づいて、近似形状の算出対象を選択する。具体的には、近似対象選択部１３１ｂは、抽出された画素数が所定値以上である方向についてのみ、近似形状を算出することとする。これは、画素数が所定値に満たない方向は、近似の信頼性に問題が生じる可能性があるからである。

ステップＳ４０５において、線近似形状算出部１３１ａは、方向ｄ１、ｄ２、…ごとに、抽出された画素の画素値及び座標に基づいて、最小２乗法等の公知の方法により、画面の奥行き方向における距離の変化を示す直線を推定する。奥行き方向における距離を表す量としては、例えば、画素値のうちのＲ値が用いられる。Ｒ値は、Ｒ、Ｇ、Ｂ各成分の内で最も波長が長く、生体内において吸収・散乱し難いため、管腔内画像の近景から遠景までを照明光や反射光の吸収・散乱を抑えた状態で画像化することができるからである。なお、奥行き方向における距離の変化を表す量としては、Ｒ値の他にも、Ｇ値やＢ値、或いは、画素値（Ｒ、Ｇ、Ｂ各成分の値）から算出される輝度等を用いても良い。
以下、方向ｄ１、ｄ２、…について推定された直線の傾きをα１、α２、…とする。これらの直線の傾きα１、α２、…が、候補領域ａ１の形状情報として用いられる。

ステップＳ４０６において、線近似形状算出部１３１ａは、各周辺領域から、候補領域の重心ｇ１を通る複数方向ｄ１、ｄ２、…における線分の前端領域及び後端領域の画素を抽出する。例えば、図７に示すように、候補領域ａ１の周辺領域ｂ１については、方向ｄ１、ｄ２、…の各々について、前端領域の始点から終点まで、及び後端領域の始点から終点までの画素の画素値及び座標が抽出される。ここで、前端領域の始点及び後端領域の終点は、候補領域ａ１と接する位置である。なお、この際、ステップＳ４０４において近似形状の算出対象とされなかった方向については、画素の抽出は行われない。

ステップＳ４０７において、近似対象選択部１３１ｂは、周辺領域ｂ１から各方向ｄ１、ｄ２、…について抽出された画素の数に基づいて、周辺領域の近似形状の算出対象を選択する。具体的には、近似対象選択部１３１ｂは、抽出された画素数が所定値以上である方向についてのみ、近似形状を算出することとする。これは、画素数が所定値に満たない方向は、近似の信頼性に問題が生じる可能性があるからである。

ステップＳ４０８において、線近似形状算出部１３１ａは、方向ｄ１、ｄ２、…ごとに、周辺領域から抽出された画素の画素値及び座標に基づいて、最小２乗法等の公知の方法により、画面の奥行き方向における距離の変化を示す直線を推定する。なお、この際に用いられる距離の変化を表す量については、ステップＳ４０５において説明したとおりである。以下、方向ｄ１、ｄ２、…について推定された直線の傾きをβ１、β２、…とする。これらの直線の傾きβ１、β２、…が、周辺領域ｂ１の形状情報として用いられる。
その後、処理はメインルーチンに戻る。

ステップＳ４０に続くステップＳ５０において、異常部領域判定部１４０は、候補領域の形状情報と周辺領域の形状情報との相関に基づいて、候補領域が異常部であるか否かを判定する。

ここで、図８（ａ）に示すように、画像Ｍ１から検出された候補領域ｍ１が、アフタ性病変や潰瘍のように、粘膜面に存在する異常部である場合、図８（ｂ）に示すように、候補領域ｍ２の形状情報（直線の傾き）は、周囲の粘膜面（周辺領域）の形状情報と類似した状態になる。一方、図９（ａ）に示すように、画像Ｍ２から検出された候補領域ｍ２が管腔内に浮遊する残渣である場合、図９（ｂ）に示すように、候補領域ｍ２の形状情報は、周囲の粘膜面の形状情報とは無関係になる。そこで、異常部領域判定部１４０は、候補領域の形状情報と周囲領域の形状情報とが類似している場合には、当該候補領域は異常部であると判定し、両者が類似していない場合には、当該候補領域は浮遊する残渣であると判定する。

図１０は、候補領域の判定処理の詳細を示すフローチャートである。以下においては、図６に示す候補領域ａ１及び図７に示す周辺領域ｂ１に対する処理を説明する。
ステップＳ５０１において、異常部領域判定部１４０は、候補領域の各方向ｄ１、ｄ２、…における傾きα１、α２、…と、周辺領域の各方向ｄ１、ｄ２、…における傾きβ１、β２、…とに基づいて、以下のように候補領域ａ１及び周辺領域ｂ１の領域種類を方向ごとに判別する。
傾きが所定の閾値Ｔ１以上、所定の閾値Ｔ２未満である場合：平坦領域
傾きが所定の閾値Ｔ２以上である場合：プラス方向の傾斜領域
傾きが所定の閾値Ｔ１未満である場合：マイナス方向の傾斜領域
ただし、各閾値は、Ｔ１＜Ｔ２を満たす値に設定する。

続くステップＳ５０２において、異常部領域判定部１４０は、同じ方向における候補領域ａ１の領域種類と周辺領域ｂ１の領域種類との一致率を算出する。例えば、ある方向ｄ１において、候補領域ａ１がプラス方向の傾斜領域と判別されたのに対して、周辺領域ｂ１が平坦領域又はマイナス方向の傾斜領域と判別されると、両者は一致していないと判定される。或いは、ある方向ｄ１において、候補領域ａ１及び周辺領域ｂ１が共に平坦領域（又は、共にプラス若しくはマイナス方向の傾斜領域）と判別されると、両者は一致していると判定される。異常部領域判定部１４０は、このように、候補領域ａ１の領域種類と周辺領域ｂ１の領域種類とが一致しているか否かを方向ごとに判定する。そして、形状情報が算出された全ての方向ｄ１、ｄ２、…のうちで、候補領域ａ１の領域種類と周辺領域ｂ１の領域種類とが一致する方向の数の割合（一致率）を算出する。

ステップＳ５０３において、異常部領域判定部１４０は、ステップＳ５０２において算出された一致率が所定値以上であるか否かを判定する。一致率が所定値以上である場合（ステップＳ５０３：Ｙｅｓ）、異常部領域判定部１４０は、当該候補領域は異常部であると判定する（ステップＳ５０４）。一方、一致率が所定値未満である場合（ステップＳ５０３：Ｎｏ）、異常部領域判定部１４０は、当該候補領域は残渣であると判定する（ステップＳ５０５）。
その後、処理はメインルーチンに戻る。

ステップＳ５０に続くステップＳ６０において、演算部１００は、ステップＳ５０における判定結果を出力する。これに応じて、制御部１０は、異常部の判定結果を記録部５０に記録する。この際、制御部１０は、異常部の判定結果を表示部４０等に表示させても良い。その後、画像処理装置１における処理は終了する。

以上説明したように、実施の形態１によれば、処理対象の画像から、画素の色特徴量に基づいて異常部の候補領域を検出した後、候補領域及びその周辺領域の奥行き方向における形状情報を算出し、候補領域の形状情報と周辺領域の形状情報とを比較することで、異常部と、該異常部と同種の色情報を有する他の対象とを精度良く識別することが可能となる。

（変形例１）
次に、実施の形態１の変形例１について説明する。
図１１は、変形例１に係る画像処理装置が備える周辺領域決定部の構成を示すブロック図である。変形例１に係る画像処理装置は、図１に示す周辺領域決定部１２０の代わりに、図１１に示す周辺領域決定部１２０−１を備える。周辺領域決定部１２０−１以外の画像処理装置の構成は、図１に示すものと同様である。

周辺領域決定部１２０−１は、勾配強度算出部１２２及び閉領域抽出部１２３を有し、画像から検出された候補領域を内包し、溝等の勾配強度が高い領域を含まない閉領域を周辺領域として決定する。

図１２は、周辺領域決定部１２０−１の動作を示すフローチャートである。なお、変形例１に係る画像処理装置全体の動作については、図２に示すものと同様である。
まず、ステップＳ３１１において、勾配強度算出部１２２は、処理対象の画像内における各画素の画素値（Ｒ、Ｇ、Ｂ各成分の値）、又はこれらの画素値から算出される輝度等の値に基づいて、勾配強度を算出する。勾配強度は、ラプラシアン（Laplacian）フィルタ処理やソーベル（Sobel）フィルタ処理等の公知の方法により算出することができる（参考：ＣＧ−ＡＲＴＳ協会、「ディジタル画像処理」、ｐ．１１４〜１２１（エッジ抽出））。

続くステップＳ３１２において、閉領域抽出部１２３は、候補領域を閉領域の初期状態として設定する。
さらに、ステップＳ３１３において、閉領域抽出部１２３は、勾配強度が所定の値以上である画素の領域を内部に含まないようにエネルギー関数を設定し、該エネルギー関数の値に基づいて閉領域を初期状態から拡張して、閉領域を抽出する（参考：ＣＧ−ＡＲＴＳ協会、「ディジタル画像処理」、ｐ．１９７〜１９８）。

エネルギー関数としては、例えば、閉領域の画素の勾配強度によって定まるエネルギーに相当するエッジ内包エネルギーと、閉領域の外形によって定まるエネルギーに相当する内部エネルギー及び外部エネルギーと、閉領域の画素の勾配強度によって定まるエネルギーに相当する画像エネルギーとの４つのエネルギーの加重和が用いられる。このうち、エッジ内包エネルギーは、閉領域内の勾配強度が大きいほど大きい値を示すエネルギーである。内部エネルギーは、閉領域の境界の滑らかさを表し、閉領域の形状が滑らかであるほど小さい値を示すエネルギーである。外部エネルギーは、閉領域の大きさが大きいほど小さい値を示すエネルギーである。画像エネルギーは、閉領域の境界における勾配強度の値が大きいほど小さい値を示すエネルギーである。

閉領域抽出部１２３は、初期状態の閉領域の境界上に複数の制御点を配置し、各制御点の位置やその位置における勾配強度、重心からの各制御点の距離、内部の画素の勾配強度等から上記したエッジ内包エネルギー、内部エネルギー、画像エネルギーおよび外部エネルギーを制御点ごとに算出し、これら４つのエネルギーの加重和が最小となるように制御点を移動させることで、閉領域が広がる方向に変形させていく。
周辺領域決定部１２０−１は、このようにして抽出された閉領域を周辺領域として決定する。

（変形例２）
次に、実施の形態１の変形例２について説明する。
図１３は、変形例２に係る画像処理装置が備える周辺領域決定部の構成を示すブロック図である。変形例２に係る画像処理装置は、図１に示す周辺領域決定部１２０の代わりに、図１３に示す周辺領域決定部１２０-２を備える。周辺領域決定部１２０−２以外の画像処置装置の構成は、図１に示すものと同様である。

周辺領域決定部１２０−２は、距離情報算出部１２４及び領域分割部１２５を有し、画像から検出された候補領域と近接する位置に存在し、画像内における距離情報（奥行き情報）が候補領域と類似した領域を周辺領域として決定する。

図１４は、周辺領域決定部１２０−２の動作を示すフローチャートである。なお、変形例２に係る画像処理装置全体の動作については、図２に示すものと同様である。
まず、ステップＳ３２１において、距離情報算出部１２４は、画像内の各画素の距離情報を取得する。距離情報としては、体内で吸収・散乱し難い波長成分であるＲ値や、画素値（Ｒ、Ｇ、Ｂ各成分の値）から算出される輝度等が用いられる。

続くステップＳ３２２において、領域分割部１２５は、距離情報に基づいて画像内を複数の領域に分割する。本変形例２においては、距離情報を特徴量として用いた領域統合法（参考：ＣＧ−ＡＲＴＳ協会、「ディジタル画像処理」、ｐ．１９６（領域分割処理））により、互いに類似した距離情報を有し、互いに隣接する画素同士を統合することで領域分割を行う。
なお、距離情報に基づいて画像を複数の領域に分割することができれば、上記領域統合法以外の手法を用いても良い。

ステップＳ３２３において、周辺領域決定部１２０−２は、ステップＳ２０において検出された候補領域、及びステップＳ３２２において分割された各分割領域における距離情報の平均値を算出する。

ステップＳ３２４において、周辺領域決定部１２０−２は、候補領域内の各画素から所定の範囲内に存在し、且つ、候補領域の距離情報の平均値との差が所定範囲内である分割領域を、周辺領域として決定する。

（変形例３）
次に、実施の形態１の変形例３について説明する。
図１５は、変形例３に係る画像処理装置が備える周辺領域決定部の構成を示すブロック図である。変形例３に係る画像処理装置は、図１に示す周辺領域決定部１２０の代わりに、図１５に示す周辺領域決定部１２０−３を備える。周辺領域決定部１２０−３以外の画像処理装置の構成は、図１に示すものと同様である。

周辺領域決定部１２０−３は、色特徴量算出部１２６及び領域分割部１２７を有し、画像から検出された候補領域と近接する位置に存在し、色特徴量が候補領域と類似した領域を周辺領域として決定する。

図１６は、周辺領域決定部１２０−３の動作を示すフローチャートである。なお、変形例３に係る画像処理装置全体の動作については、図２に示すものと同様である。
まず、ステップＳ３３１において、色特徴量算出部１２６は、画像内の各画素の色特徴量を算出する。色特徴量としては、画素値のＹＣｂＣｒ変換により算出される色差、色相、ＨＳＩ変換により算出される彩度、色比（Ｇ／Ｒ、Ｂ／Ｇ）等が挙げられる。

続くステップＳ３３２において、領域分割部１２７は、色特徴量に基づいて画像内を複数の領域に分割する。本変形例３においては、色特徴量を特徴量として用いた領域等合法により、互いに類似した色特徴量を有し、互いに隣接する画素同士を統合することで領域分割を行う。
なお、色特徴量に基づいて画像を複数の領域に分割することができれば、上記領域等合法以外の手法を用いても良い。

ステップＳ３３３において、周辺領域決定部１２０−３は、ステップＳ２０において検出された候補領域、及びステップＳ３３２において分割された各分割領域における色特徴量の平均値を算出する。

ステップＳ３３４において、周辺領域決定部１２０−４は、候補領域内の各画素から所定の範囲内に存在し、且つ、候補領域の色特徴量の平均値との差が所定範囲内である分割領域を、周辺領域として決定する。

（変形例４）
次に、実施の形態１の変形例４について説明する。
図１７は、変形例４に係る画像処理装置が備える周辺領域決定部の構成を示すブロック図である。変形例４に係る画像処理装置は、図１に示す周辺領域決定部１２０の代わりに、図１７に示す周辺領域決定部１２０−４を備える。周辺領域決定部１２０−４以外の画像処理装置の構成は、図１に示すものと同様である。

周辺領域決定部１２０−４は、テクスチャ特徴量算出部１２８及び領域分割部１２９を有し、画像から検出された候補領域と近接する位置に存在し、テクスチャ特徴量が候補領域と類似した領域を周辺領域として決定する。

図１８は、周辺領域決定部１２０−４の動作を示すフローチャートである。なお、変形例４に係る画像処理装置全体の動作については、図２に示すものと同様である。
まず、ステップＳ３４１において、テクスチャ特徴量算出部１２８は、画像内におけるテクスチャ特徴量を算出する。テクスチャ特徴量としては、例えば、離散コサイン変換（ＤＣＴ）、離散フーリエ変換（ＤＦＴ）、ガボール（Gabor）フィルタ処理等によって算出される特定の周波数成分の大きさが用いられる。

続くステップＳ３４２において、領域分割部１２９は、テクスチャ特徴量に基づいて画像内を複数の領域に分割する。本変形例４においては、テクスチャ特徴量を特徴量として用いた領域統合法により、互いに類似したテクスチャ特徴量を有し、互いに隣接する画素同士を統合することで領域分割を行う。
なお、テクスチャ特徴量に基づいて画像を複数の領域に分割することができれば、上記領域統合法以外の手法を用いても良い。

ステップＳ３４３において、周辺領域決定部１２０−４は、ステップＳ２０において検出された候補領域、及びステップＳ３４２において分割された各分割領域におけるテクスチャ特徴量の平均値を算出する。

ステップＳ３４４において、周辺領域決定部１２０−４は、候補領域内の各画素から所定の範囲内に存在し、且つ、候補領域のテクスチャ情報の平均値との差が所定範囲内である分割領域を、周辺領域として決定する。

（変形例５）
次に、実施の形態１の変形例５について説明する。
実施の形態１において、形状情報算出部１３０は、候補領域及び周辺領域の奥行き方向における形状を１つ以上の直線に近似した。しかしながら、候補領域及び周辺領域の奥行き方向における形状を１つ以上の曲線に近似しても良い。例えば、次式に示す２次関数によって表される放物線形状に近似することができる。
ｚ＝ａｘ²＋ｂｙ＋ｃ
上式において、ｘは、候補領域の重心を通る各方向（図６参照）における画素の座標を示し、ｚは、当該画素の奥行き方向における距離を表す値（例えば、Ｒ値や輝度等）を示す。また、ａ、ｂ、及びｃは係数（定数）である。

この場合、異常部領域判定部１４０は、２次の係数ａを形状情報として用い、候補領域と周辺領域とで係数ａの差分が所定範囲内であるか否かに基づいて、候補領域と周辺領域との一致率を判断すれば良い。

（変形例６）
次に、実施の形態１の変形例６について説明する。
実施の形態１において、異常部領域判定部１４０は、各方向における候補領域及び周辺領域の領域種類を判別した上で、候補領域及び周辺領域の領域種類の一致率を算出した。しかしながら、候補領域及び周辺領域の傾きを方向ごとを直接比較して、両者の一致率を算出することとしても良い。

具体的に、図６に示す候補領域ａ１及び図７に示す周辺領域ｂ１を例として説明すると、まず、候補領域の重心ｇ１を通る方向ｄ１、ｄ２、…ごとに、候補領域を近似した直線の傾きと周辺領域を近似した直線の傾きとの差分｜α１−β１｜、｜α２−β２｜、…を算出する。続いて、各差分｜α１−β１｜、｜α２−β２｜、…を所定の閾値と比較し、差分が該閾値以下となる場合に、候補領域と周辺領域とで傾きが一致したと判断する。そして、候補領域及び周辺領域の形状情報が算出された全ての方向ｄ１、ｄ２、…のうち、候補領域ａ１と周辺領域ｂ１とで傾きが一致した方向の数の割合（一致率）を算出する。

（実施の形態２）
次に、本発明の実施の形態２について説明する。
図１９は、本発明の実施の形態２に係る画像処理装置の構成を示すブロック図である。図１９に示すように、実施の形態２に係る画像処理装置２は、図１に示す演算部１００の代わりに、演算部２００を備える。

演算部２００は、図１に示す形状情報算出部１３０及び異常部領域判定部１４０の代わりに、形状情報算出部２１０及び異常部領域判定部２２０を備える。なお、形状情報算出部２１０及び異常部領域判定部２２０以外の演算部２００及び画像処理装置２の構成については、実施の形態１と同様である。

形状情報算出部２１０は、処理対象の画像から検出された候補領域及びその周辺領域内の画素の画素値に基づいて、候補領域及び周辺領域の画面の奥行き方向における形状を所定の形状にそれぞれ近似する近似形状算出部２１１を有する。本実施の形態２において、近似形状算出部２２１は、候補領域及び周辺領域の各々に対し、奥行き方向における形状を２次元的な面に近似する面近似形状算出部２２１ａを含む。

また、異常部領域判定部２２０は、形状情報算出部２１０により２次元的な面に近似された候補領域及び周辺領域の近似形状に基づいて、候補領域が異常部であるか否かの判定を行う。

次に、画像処理装置２の動作について説明する。画像処理装置２の動作は、全体として図２に示すものと同様であり、候補領域及び周辺領域の形状情報の算出処理（ステップＳ４０）及び候補領域の判定処理（ステップＳ５０）における詳細な動作が実施の形態１とは異なる。

ステップＳ４０において、面近似情報算出部２１１ａは、候補領域及び周辺領域の各々に含まれる画素の画素値に基づき、各領域を近似する関数を求める。本実施の形態２においては、各領域を次式（１）に示す２次関数で近似する。

式（１）において、（ｘ，ｙ）は、画像内における各画素の座標である。また、ｚは、画面の奥行き方向における距離を表す量であり、好ましくは、各画素のＲ値が用いられる。この他、ｚの値として、各画素のＧ値やＢ値、或いは各画素の画素値（Ｒ、Ｇ、Ｂ各成分の値）から２次的に算出される輝度等を用いても良い。以下、これらの値を含めて画素値という。

また、ａ〜ｆは係数（定数）であり、例えば、最小２乗法により、画像内のｉ番目（ｉ＝１、２、…）の画素の座標（ｘ_i，ｙ_i）と当該画素の画素値ｚ_iとを用いて与えられる次式（２）を解くことによって求めることができる。

このようにして取得された近似関数が形状情報として用いられる。

続くステップＳ５０において、異常部領域判定部２２０は、候補領域の形状情報と周辺領域の形状情報との相関に基づいて、候補領域が異常部であるか否かを判定する。より詳細には、異常部領域判定部２２０は、まず、候補領域の近似関数によって表される２次元領域、及び周辺領域の近似関数によって表される２次元領域を規格化した互いに同一サイズの画像領域を算出する。そして、これらの画像領域において対応する画素の画素値を推定して、画素値間の相関を求める。

具体的には、次式（３）によって与えられる画素値の差の２乗和ＳＳＤを算出する。

式（３）において、Ｐ_I(j)（ｘ，ｙ）は、候補領域の近似関数を規格化した画像領域Ｉ（ｊ）の座標（ｘ，ｙ）における画素値を示し、Ｐ_I(k)は、該候補領域に対する周辺領域の近似関数を規格化した画像領域Ｉ（ｋ）の座標（ｘ，ｙ）における画素値を示す。また、Ｘは、画像領域Ｉ（ｊ）及びＩ（ｋ）のｘ方向におけるサイズを示し、Ｙは、画像領域Ｉ（ｊ）及びＩ（ｋ）のｙ方向におけるサイズを示す。

異常部領域判定部２２０は、２乗和ＳＳＤの値が所定値以下となる場合、候補領域の形状情報と周辺領域の形状情報との相関が高く（即ち、類似度が高く）、候補領域はアフタ性病変や潰瘍等の異常部であると判定する。反対に、異常部領域判定部２２０は、２乗和ＳＳＤが所定値よりも大きい場合、候補領域の形状情報と周辺領域の形状情報との相関は低く（即ち、類似度が低く）、候補領域は浮遊する残渣であると判定する。

なお、異常部領域判定部２２０は、２乗和ＳＳＤを算出する代わりに、次式（４）に示す画素値の差の絶対値の和ＳＡＤを算出し、この和ＳＡＤに基づいて候補領域の形状情報と周辺領域の形状情報との相関を判定しても良い。

また、異常部の判定を行う方法は、上記２乗和ＳＳＤや差の絶対値の和ＳＡＤを用いる方法に限定されず、候補領域の形状情報と周辺領域の形状情報との相関（類似度）を算出することができれば、どのような方法を用いても良い。例えば、正規化相互相関（参考：ＣＧ−ＡＲＴＳ協会、「ディジタル画像処理」、ｐ．２０３〜２０４（パターン検出））等を利用しても良い。

（実施の形態３）
次に、本発明の実施の形態３について説明する。
図２０は、本発明の実施の形態３に係る画像処理装置の構成を示すブロック図である。図２０に示すように、実施の形態３に係る画像処理装置３は、図１に示す演算部１００の代わりに、演算部３００を備える。

演算部３００は、図１に示す演算部１００に対して、形状情報に基づく異常部領域判定の信頼性を判定する信頼性判定部３１０をさらに備え、また、図１に示す異常部領域判定部１４０の代わりに、異常部領域判定部３２０を備える。なお、信頼性判定部３１０及び異常部領域判定部３２０以外の演算部３００及び画像処理装置３の構成については、実施の形態１と同様である。

より詳細には、信頼性判定部３１０は、周辺領域の形状情報に基づいて上記信頼性を判定する周辺領域形状情報判定部３１１を有する。周辺領域形状情報判定部３１１は、分散値算出部３１１ａ−１を含む平坦領域判定部３１１ａを有し、周辺領域が平坦な領域であるか否かに基づいて、上記信頼性を判定する。

また、異常部領域判定部３２０は、上記信頼性の判定結果に基づいて、候補領域が異常部であるか否かを判定する際の判定方法を切り替える判定方法切替部３２１を有し、信頼性の判定結果に応じた判定方法により、異常部に対する判定を行う。

次に、画像処理装置３の動作について説明する。
図２１は、画像処理装置３の動作を示すフローチャートである。なお、図２１に示すステップＳ１０〜Ｓ４０及びＳ６０は、図２に示すものと対応している。

ステップＳ４０に続くステップＳ７０において、信頼性判定部３１０は、形状情報に基づく異常部領域判定の信頼性を判定する。ここで、粘膜面である周辺領域が平坦領域である場合、仮にその上に残渣が浮遊していたとしても、残渣と粘膜面との形状に差が生じ難い。この場合、単に、候補領域及び周辺領域の形状情報に基づいて候補領域が異常部であるか否かを判定しようとすると、判定の精度が低下するおそれがある。そこで、本実施の形態においては、周辺領域の形状情報に基づいて信頼性の判定を行い、その結果に従って、候補領域に対する判定を行う。

図２２は、形状情報に基づく異常部領域判定の信頼性の判定処理の詳細を示すフローチャートである。
まず、ステップＳ７０１において、周辺領域形状情報判定部３１１は、ステップＳ３０において決定された周辺領域の奥行き方向における距離情報を取得する。距離情報としては、体内で吸収、散乱し難い波長成分であるＲ値や、画素値（Ｒ、Ｇ、Ｂ各成分の値）から算出される輝度等が用いられる。

続くステップＳ７０２において、分散値算出部３１１ａ−１は、周辺領域における距離情報の分散値を算出する。
ステップＳ７０３において、平坦領域判定部３１１ａは、算出された距離情報の分散値が所定の閾値以上であるか否かを判定する。そして、分散値が閾値以上である場合（ステップＳ７０３：Ｙｅｓ）、当該周辺領域は平坦領域であると判定する（ステップＳ７０４）。これに応じて、信頼性判定部３１０は、当該周辺領域と近接する候補領域に対して形状情報に基づく異常部領域の判定を行う場合、判定の信頼性が低いと判定する（ステップＳ７０５）。

一方、平坦領域判定部３１１ａは、算出された距離情報の分散値が閾値よりも小さい場合（ステップＳ７０３：Ｎｏ）、当該周辺領域は平坦領域ではない（非平坦領域である）と判定する（ステップＳ７０６）。これに応じて、信頼性判定部３１０は、当該周辺領域と近接する候補領域に対して形状情報に基づく異常部領域の判定を行う場合、判定の信頼性は高いと判定する（ステップＳ７０７）。
その後、処理はメインルーチンに戻る。

なお、ステップＳ８０においては、周辺領域が平坦領域であるか否かを判定できれば、上述した分散値を用いる方法以外の方法を用いて良い。例えば、周辺領域の形状情報として算出された線分の傾きの絶対値を所定の閾値と比較し、傾きの絶対値が閾値よりも小さい場合に、当該周辺領域を平坦領域と判断しても良い。

ステップＳ７０に続くステップＳ８０において、異常部領域判定部３２０は、ステップＳ７０における判定結果に基づいて、候補領域が異常部であるか否かの判定を行う。図２３は、当該処理の詳細を示すフローチャートである。

異常部領域判定部３２０は、形状情報に基づく判定の信頼性が高い場合（ステップＳ８０１：Ｙｅｓ）、候補領域及び周辺領域の形状情報（即ち、重心を通る各方向における線分の傾き）に基づいて、候補領域が異常部であるか否かの判定を行う（ステップＳ８０２）。なお、この判定処理の詳細は、図２のステップＳ５０における処理と同じである。

一方、異常部領域判定部３２０は、形状情報に基づく判定の信頼性が低い場合（ステップＳ８０１：Ｎｏ）、候補領域の判定方法を、形状情報に基づく方法以外の方法に切り換えて判定を行う（ステップＳ８０３）。
その後、処理はメインルーチンに戻る。

なお、ステップＳ８０３においては、候補領域内部のテクスチャ特徴量に基づく判定方法等、様々な方法を用いることができる。
以下に、一例として、テクスチャ特徴量に基づく候補領域の判定方法を説明する。
まず、異常部領域判定部３２０は、候補領域内のテクスチャ特徴量として、例えば、離散コサイン変換（ＤＣＴ）、離散フーリエ変換（ＤＦＴ）、ガボール（Gabor）フィルタ処理等によって算出される特定の周波数成分の大きさを算出する。

続いて、異常部領域判定部３２０は、候補領域内のテクスチャ特徴量が均質性を示すか否かを判定する。
テクスチャ特徴量の均質性は、例えば、候補領域の座標重心と、候補領域内の各画素をテクスチャ特徴量で重み付けした座標重心との間の距離（以下、座標重心距離という）によって評価することができる。より詳細には、候補領域内の各画素をテクスチャ特徴量で重み付けした座標重心（Ｇ_x，Ｇ_y）は、候補領域の座標重心（ｇ_x、ｇ_y）、候補領域内のｉ番目の画素の座標（ｘ_i、ｙ_i）、及び、ｉ番目の画素のテクスチャ特徴量Ｔ_iとを用いて、次式（５）によって表される。

式（５）において、Ｎは候補領域内の画素数であり、ｉ＝１〜Ｎである。

これより、座標重心距離Ｄは、次式（６）により与えられる。

ここで、テクスチャ特徴量が均質である場合、重み付けした座標重心（Ｇ_x，Ｇ_y）は座標重心（ｇ_x、ｇ_y）とほぼ一致するため、座標重心距離Ｄの値は小さくなる。一方、テクスチャ特徴量が均質でない場合、重み付けした座標重心（Ｇ_x，Ｇ_y）は座標重心（ｇ_x、ｇ_y）から離れるため、座標重心距離Ｄの値は大きくなる。そこで、異常部領域判定部３２０は、座標重心距離Ｄを所定の閾値と比較し、座標重心距離Ｄが閾値以下である場合、テクスチャ特徴量は均質であり、当該候補領域は粘膜面上の異常部であると判定する。一方、異常部領域判定部３２０は、座標重心距離Ｄが閾値よりも大きい場合、テクスチャ特徴量は均質でなく、候補領域は、浮遊する残渣であると判定する。

以上説明した実施の形態１〜３並びにこれらの変形例１〜６に係る画像処理装置は、記録媒体に記録された画像処理プログラムをパーソナルコンピュータやワークステーション等のコンピュータシステムで実行することによって実現することができる。また、このようなコンピュータシステムを、ローカルエリアネットワーク、広域エリアネットワーク（ＬＡＮ／ＷＡＮ）、又は、インターネット等の公衆回線を介して、他のコンピュータシステムやサーバ等の機器に接続して使用しても良い。この場合、実施の形態１〜３に係る画像処理装置は、これらのネットワークを介して管腔内画像の画像データを取得したり、これらのネットワークを介して接続された種々の出力機器（ビュアーやプリンタ等）に画像処理結果を出力したり、これらのネットワークを介して接続された記憶装置（記録媒体及びその読取装置等）に画像処理結果を格納するようにしても良い。

なお、本発明は、実施の形態１〜３及びこれらの変形例１〜６に限定されるものではなく、各実施の形態や変形例に開示されている複数の構成要素を適宜組み合わせることによって、種々の発明を形成できる。例えば、各実施の形態や変形例に示される全構成要素からいくつかの構成要素を除外して形成しても良いし、異なる実施の形態や変形例に示した構成要素を適宜組み合わせて形成しても良い。

１〜３ 画像処理装置
１０ 制御部
２０ 画像取得部
３０ 入力部
４０ 表示部
５０ 記録部
５１ 画像処理プログラム
１００、２００、３００ 演算部
１１０ 異常部候補領域判別部
１２０ 周辺領域決定部
１２１ 粘膜領域判別部
１２２ 勾配強度算出部
１２３ 閉領域抽出部
１２４ 距離情報算出部
１２５ 領域分割部
１２６ 色特徴量算出部
１２７ 領域分割部
１２８ テクスチャ特徴量算出部
１２９ 領域分割部
１３０ 形状情報算出部
１３１ 近似形状算出部
１３１ａ 線近似形状算出部
１３１ｂ 近似対象選択部
１４０ 異常部領域判定部
２１０ 形状情報算出部
２１１ 近似形状算出部
２１１ａ 面近似情報算出部
２２０ 異常部領域判定部
２２１ 近似形状算出部
２２１ａ 面近似形状算出部
３１０ 信頼性判定部
３１１ 周辺領域形状情報判定部
３１１ａ 平坦領域判定部
３１１ａ−１ 分散値算出部
３２０ 異常部領域判定部
３２１ 判定方法切替部

Claims (17)

1. 生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別手段と、
   前記候補領域の周辺領域を決定する周辺領域決定手段と、
   前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出手段と、
   前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定手段と、
   を備えることを特徴とする画像処理装置。
2. 前記周辺領域決定手段は、
   前記画像内に含まれる粘膜領域を判別する粘膜領域判別手段を有し、
   前記周辺領域を、前記粘膜領域の内から決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。
3. 前記周辺領域決定手段は、
   前記画像内の複数の画素の画素値に基づいて勾配強度を算出する勾配強度算出手段を有し、
   前記周辺領域を、前記勾配強度が所定値以下となる領域から決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。
4. 前記周辺領域決定手段は、
   前記画像内の各画素の画素値に基づいて、前記各画素の特徴量を算出する特徴量算出手段と、
   前記画像を、前記特徴量の差が所定の範囲内である画素同士を１つの領域として領域分割する領域分割手段と、
   を有し、
   領域分割された領域毎に前記周辺領域を決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。
5. 前記特徴量算出手段は、前記各画素の画素値に基づいて、距離情報を算出する距離情報算出手段を含むことを特徴とする請求項４に記載の画像処理装置。
6. 前記特徴量算出手段は、前記各画素の画素値に基づいて、色特徴量を算出する色特徴量算出手段を含むことを特徴とする請求項４に記載の画像処理装置。
7. 前記特徴量算出手段は、前記各画素の画素値に基づいて、テクスチャ特徴量を算出するテクスチャ特徴量算出手段を含むことを特徴とする請求項４に記載の画像処理装置。
8. 前記形状情報算出手段は、前記候補領域及び前記周辺領域の各々に含まれる複数の画素の画素値に基づいて、前記候補領域及び前記周辺領域の前記奥行き方向における形状を１次元又は２次元的な形状にそれぞれ近似する近似形状算出手段を有することを特徴とする請求項１に記載の画像処理装置。
9. 前記近似形状算出手段は、前記複数の画素の画素値に基づいて、前記候補領域及び前記周辺領域の前記奥行き方向における形状の各々を、少なくとも１つの直線又は曲線に近似する線近似形状算出手段を含むことを特徴とする請求項８に記載の画像処理装置。
10. 前記近似形状算出手段は、前記複数の画素の画素値に基づいて、前記候補領域及び前記周辺領域の前記奥行き方向における形状の各々を、２次元的な形状に近似する面近似形状算出手段を含むことを特徴とする請求項８に記載の画像処理装置。
11. 前記近似形状算出手段は、前記候補領域及び前記周辺領域に含まれる画素に関する情報に基づいて、近似形状の算出対象を選択する近似対象選択手段をさらに有することを特徴とする請求項８に記載の画像処理装置。
12. 前記周辺領域の形状情報に基づいて、異常部領域判定の信頼性を判定する信頼性判定手段をさらに備え、
    前記異常部領域判定手段は、前記信頼性の判定結果に基づいて、前記候補領域が異常部であるか否かを判定する判定方法を切り替える判定方法切替手段を有することを特徴とする請求項１に記載の画像処理装置。
13. 前記信頼性判定手段は、前記周辺領域の形状情報に基づいて、前記信頼性を判定する周辺領域形状情報判定手段を含むことを特徴とする請求項１２に記載の画像処理装置。
14. 前記周辺領域形状情報判定手段は、前記周辺領域が平坦な領域であるか否かを判定する平坦領域判定手段を含み、前記周辺領域が平坦な領域である場合に信頼性が低いと判定することを特徴とする請求項１３に記載の画像処理装置。
15. 前記平坦領域判定手段は、前記周辺領域内の複数の画素の画素値の分散値を算出する分散値算出手段を含み、前記分散値に基づいて判定を行うことを特徴とする請求項１４に記載の画像処理装置。
16. 生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別ステップと、
    前記候補領域の周辺領域を決定する周辺領域決定ステップと、
    前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出ステップと、
    前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定ステップと、
    を含むことを特徴とする画像処理方法。
17. 生体の管腔内を撮像した画像から異常部の候補領域を判別する異常部候補領域判別ステップと、
    前記候補領域の周辺領域を決定する周辺領域決定ステップと、
    前記候補領域及び前記周辺領域の画面に対する奥行き方向における形状情報を算出する形状情報算出ステップと、
    前記候補領域の形状情報と前記周辺領域の形状情報との相関に基づいて、前記候補領域が異常部であるか否かを判定する異常部領域判定ステップと、
    をコンピュータに実行させることを特徴とする画像処理プログラム。

Images