JP2018073138A - 画像生成方法、画像生成システムおよびプログラム - Google Patents

Abstract

【課題】画像の鮮明さと統計的な正確さとの間に生じるトレードオフを解消または改善し、オリジナル画像の鮮明さは維持しつつも、局所領域における統計計算を前提とする画像の画質を改善する。【解決手段】光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成方法であって、前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するステップと、前記スーパーピクセルに含まれる各画素の前記画素データに基づき、当該スーパーピクセルを代表する画素群データを生成するステップと、前記画素群データに基づき、前記複数の試料断面画像を生成するステップと、を有する画像生成方法を提供する。【選択図】図１

Description

本発明は、光コヒーレンストモグラフィー（Optical coherence tomography、以下「ＯＣＴ」という。）を利用して取得した試料画像データから試料断面画像を生成する、画像生成方法、画像生成システムおよびプログラムに関する。

ＯＣＴは、時間的なコヒーレンスが低い光を計測プローブとして干渉計を構成し、当該干渉計を用いて物体の内部情報（屈折率分布の微分構造）を非破壊、高分解能で捉える断層計測技術の１つである。たとえば非特許文献１には、ＯＣＴの原理およびＯＣＴを用いた生体の断層映像化技術が開示されている。ＯＣＴによれば、生体の断層を非侵襲で可視化することが可能であり、また、高分解能、高データ取得レートであることから、生体の３次元構造をビデオレートで映像化できると期待されている。特に、眼科分野においては、網膜層構造等の微細な空間構造が精細に可視化できることから、より正確な診断の助けになると期待されている。

ＯＣＴは、網膜構造のような微細な空間構造をＯＣＴ信号強度（intensity、以下「Ｉ」という。）に基づき可視化することができるが、これに止まらず、たとえば特許文献１に記載されているような偏光感受型ＯＣＴ（Polarization-Sensitive OCT、以下「ＰＳ−ＯＣＴ」という。）を用いることで、試料の偏光状態に関する偏光情報を同時に取得することができ、当該偏光情報から、試料の組織や組成に関する、より多くの情報を抽出することができる。

たとえば非特許文献２には、試料の偏光情報からローカル複屈折（local birefringence、以下「ＢＲ」という。）を計算することができ、当該ＢＲは、可視化した場合にコラーゲンのコントラストを示すと考えられることが開示されている。たとえば非特許文献３には、組織特性として偏光均一度（Degree of polarization uniformity、以下「ＤＯＰＵ」という。）が計算され、高いＤＯＰＵコントラストはメラニンのような色素組織を示すことが開示されている。たとえば非特許文献４には、ＯＣＴ信号の複素相関が、ＯＣＴアンギオグラフィー相関マッピング（correlation mapping OCT-angiography、以下「ＯＣＴ−Ａ」という。）と称される管構造情報を提示することが開示されている。さらに、特許文献５には、上記「Ｉ」、「ＢＲ」、「ＤＯＰＵ」および「ＯＣＴ−Ａ」に基づく４タイプのＯＣＴイメージが、ＰＳ−ＯＣＴをベースとしたジョーンズ行列（Jones matrix）によって得られ、これを「多機能ＪＭ−ＯＣＴ（以下、「ＪＭ−ＯＣＴ」という。）」と称することが開示されている。

特開２００４−０２８９７０号公報

春名正光著、「知っておきたいキーワード 光コヒーレンストモグラフィ（OCT）」、映像情報メディア学会誌Vol. 65, No. 1, pp. 67〜71（2011） D. Kasaragod, S. Makita, S. Fukuda, Simone Beheregaray, Tetsuro Oshika, and Y. Yasuno, "Bayesian maximum likelihood estimator of phase retardation for quantitative polarization-sensitive optical coherence tomography," Opt.Express 22(13), 16472?16492 (2014). S. Makita, Y.-J. Hong, M. Miura, and Y. Yasuno, "Degree of polarization uniformity with high noise immunity using polarization-sensitive optical coherence tomography," Opt.Letters 39(24), 6783?6786 (2014). S. Makita, K. Kurokawa, Y.-J. Hong, M. Miura, and Y. Yasuno, "Noise-immune complex correlation for optical coherence angiography based on standard and Jones matrix optical coherence tomography," Opt.Express 7(3), 1525?1548 (2016). M. J. Ju, Y.-J. Hong, S. Makita, Y.Lim, K.Kurokawa, L. Duan, M. Miura, S. Tang, and Y. Yasuno, "Advanced multicontrast Jones matrix optical coherence tomography for Doppler and polarization sensitive imaging," Opt.Express 21(16), 19412?19436 (2013).

ＪＭ−ＯＣＴイメージングにおいて、イメージの局所的な統計処理は重要である。たとえば、ローカル平均（統計処理の対象となる局所領域に含まれる信号の平均値）はノイズおよびスペックルの低減に用いられ、ＤＯＰＵは局所領域における偏光状態のポアンカレ分散として計算される。しかし、従来の局所領域は、そのサイズおよび形状がたとえば所定の大きさの正方形等に固定されるため、画像の鮮明さと統計的な正確さ（精度または確度）との間にトレードオフが発生する。すなわち、局所領域のサイズを大きくすると当該領域における画像の正確さは向上するが、画像は不鮮明になる。一方、局所領域のサイズを小さくすると画像は鮮明になるが、統計的正確さは低下する。

本発明は、上記したトレードオフの解消または改善を目的とするものであり、オリジナル画像の鮮明さを維持しつつも、局所領域における統計計算が前提となる画像の画質改善を目的とする。また、本発明は、そのような画質改善を最適化する手法の提供を目的とする。

上記課題を解決するために、本発明の第１の態様においては、光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成方法であって、前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するステップと、前記スーパーピクセルに含まれる各画素の前記画素データに基づき、当該スーパーピクセルを代表する画素群データを生成するステップと、前記画素群データに基づき、前記複数の試料断面画像を生成するステップと、を有する画像生成方法を提供する。

前記光学的特徴類似性の基礎となる光学的特徴が、ＯＣＴ信号の散乱度合いに関連する光学的特徴に分類される第１特徴群、ＯＣＴ信号の偏光度合いに関連する光学的特徴に分類される第２特徴群、ＯＣＴ信号の偏光均一性に関連する光学的特徴に分類される第３特徴群、および、ＯＣＴ造影（ＯＣＴ−Ａ）に関連する光学的特徴に分類される第４特徴群、から任意に選択された単一または複数の光学的特徴であってもよい。

前記スーパーピクセルを生成するステップが、前記光学的特徴に対応する特徴量および空間座標を指標とする多次元空間における前記画素の位置または２点間距離に基づき、前記スーパーピクセルをリシェイプするステップを有してもよい。この場合、前記リシェイプするステップが、前記スーパーピクセルごとの前記多次元空間における重心を計算するステップを有し、判断対象の画素との距離が最も近い重心を有するスーパーピクセルに前記画素を属させるようリシェイプしても良い。さらにこの場合、リシェイプの結果、属する画素数が所定画素数以下となった場合、当該所定画素数以下となるスーパーピクセルを、隣接する最も大きなスーパーピクセルに併合するようリシェイプしてもよい。

前記多次元空間における２点ａ，ｂ間の距離Ｄ_ｆが、数１により定義されてもよい。
但し、Ｄ_ｏｐｔは、２点ａ，ｂ間の光学的特徴距離であり、数２により定義される。Ｄ_ｓｐｃは、２点ａ，ｂ間の空間距離であり、数３により定義される。ｍは、コンパクトネス因子であり、Ｓは、初期スーパーピクセルのインターバルである。ｍ／Ｓは、光学的特徴距離Ｄ_ｏｐｔと空間距離Ｄ_ｓｐｃとの間の重みに対応する。
但し、ａ_ｉおよびｂ_ｉは、それぞれ、多次元空間における点ａのｉ番目の要素および点ｂのｉ番目の要素であり、ｗ_ｉは、ａ_ｉおよびｂ_ｉ間の重みである。ｉ_{opt_l}およびｉ_{opt_h}は、それぞれ、点ａ，点ｂに係る要素のうち光学的特徴に係る要素（以下「光学的特徴要素」という。）の最小要素番号および最大要素番号である。ｉ_{spc_l}およびｉ_{spc_h}は、それぞれ、点ａ，点ｂに係る要素のうち空間座標に係る要素（以下「空間座標要素」という。）の最小要素番号および最大要素番号である。

数４に示すコスト関数Ｅ（ｗ）を最少にするよう前記リシェイプを繰り返し、前記数２における重みｗ_ｉが決定されてもよい。
但し、Ｃ_ｉは、ｉ番目の光学的特徴要素の寄与度であり、数５に示すように、ｉ番目の光学的特徴要素についてのスーパーピクセル内分散Ｖ_ｉのリシェイプ後の値Ｖ_ｉ ^reshapedを初期値Ｖ_ｉ ^initialで規格化したものの逆数で定義される。スーパーピクセル内分散Ｖ_ｉは数６で定義される。Ｃバー（記号Ｃの上に「バー（横線）」を付したもの。以下「バー」付記号につき同様に表現する。）は、全てのＣ_ｉの平均であり、Ｎ_optは、光学的特徴要素の数である。
但し、Ｋは、画像領域内のスーパーピクセル数である。σ^２ _ｉ，ｋは、ｋ番目のスーパーピクセルにおけるｉ番目の光学的特徴要素の分散であり、数７により定義される。
但し、ｓは、ｋ番目のスーパーピクセル内の画素数である。ｘ_i,j,kは、ｋ番目のスーパーピクセル内のｊ番目の画素におけるｉ番目の光学的特徴要素の値（光学特徴値）である。ｘ_i,kバーは、ｋ番目のスーパーピクセルにおけるｉ番目の光学特徴値の平均（平均光学特徴値）である。

前記数１におけるコンパクトネス因子ｍが、数６に示すＶ_ｉが最少となる範囲で選択されてもよい。

前記スーパーピクセルを生成するステップが、前記リシェイプするステップの前に、前記試料断面画像が生成される画像領域を埋め尽くす初期スーパーピクセルを生成するステップをさらに有してもよく、この場合、前記初期スーパーピクセルのそれぞれが、均一な空間形状を有するものとしてもよい。

本発明の第２の態様においては、光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成システムであって、前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成部と、前記スーパーピクセル生成部で生成したスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成部と、前記画素群データ生成部で生成した画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成部と、を有する画像生成システムを提供する。

本発明の第３の態様においては、光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成用のコンピュータに、前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成機能と、前記スーパーピクセル生成機能により生成されたスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成機能と、前記画素群データ生成機能により生成された画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成機能と、を実現させるためのプログラムを提供する。

上記した本発明の態様により、画像の鮮明さと統計的な正確さ（精度または確度）との間のトレードオフが解消または改善され、オリジナル画像の鮮明さを維持しつつも、局所領域における統計計算が前提となる画像の画質を改善することができる。また、そのような画質改善を最適化する手法を提供できる。

本実施の形態の画像処理方法を実施する光コヒーレンストモグラフィー（ＯＣＴ）装置の一例を示す概念図である。 信号強度（Ｉ）、ローカル複屈折（ＢＲ）、偏光均一度（ＤＯＰＵ）およびＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）のそれぞれについての重みの値がリシェイプの繰り返しにより変化する様子を示したグラフである。 繰り返し数に対するコスト関数の変化を示したグラフである。 繰り返し数に対するＩ，ＢＲ，ＤＯＰＵ，ＯＣＴ−Ａの各寄与度の変化を示したグラフである。 コンパクトネス因子がスーパーピクセルのリシェイプに与える影響を説明するための図である。 コンパクトネス因子に対するスーパーピクセル内平均乱雑度の変化を示したグラフである。 視神経乳頭（ＯＮＨｓ）部の生体試料画像である。

図１は、本実施の形態の画像処理方法を実施する光コヒーレンストモグラフィー（ＯＣＴ）装置の一例を示す概念図である。本実施の形態では、ＯＣＴ装置として偏光感受光画像計測装置１を例示する。偏光感受光画像計測装置１を含む一般のＯＣＴ装置では、光源からのビームを参照アームと試料アームに分離して送り、試料アームでは試料（被検体）の深さ方向（Ａ方向）に垂直な方向に走査（Ｂスキャン）して試料を照射し、この反射光と参照アームから反射される参照光との干渉スペクトルからＡ−Ｂ画像を得る（ＯＣＴ計測を行う）。

偏光感受光画像計測装置１は、Ｂスキャンと同時に（同期して）光源からの偏光ビーム（偏光子により直線的に偏光されたビーム）をＥＯ変調器（偏光変調器、電気光学変調器）によって連続的に変調し、この連続的に偏光を変調した偏光ビームを分けて、一方を入射ビームとして走査して試料に照射し、その反射光（物体光）を得ると共に、他方を参照光として、両者のスペクトル干渉によりＯＣＴ計測を行う。そして、このスペクトル干渉成分のうち、垂直偏光成分（Ｈ）と水平偏光成分（Ｖ）を同時に２つの光検出器で測定することにより、試料の偏光特性を表すジョーンズベクトルを得る（Ｈ画像とＶ画像）。なお、ここでは、ＥＯ変調器により連続的に偏光を変調する例を説明するが、単一または複数の偏光板を用いて直線偏光や円偏光を任意に作り出し、複数回の測定によって、必要な偏光状態におけるＯＣＴ計測を行っても良い。

偏光感受光画像計測装置１は、光源２、偏光子３、ＥＯ変調器４、ファイバーカプラー（光カプラー）５、参照アーム６、試料アーム７、分光器８等の光学要素を備えている。この偏光感受光画像計測装置１の光学系は、光学要素が互いにファイバー９で結合されているが、ファイバーで結合されていないタイプの構造（フリースペース型）であってもよい。

光源２は、広帯域スペクトルを有するスーパールミネッセントダイオード（ＳＬＤ：Super Luminescent Diode）が使用できる。なお、光源２は、パルスレーザでもよい。光源２には、コリメートレンズ１１、光源２からの光を直線偏光にする偏光子３、進相軸を４５°の方向にセットされたＥＯ変調器（偏光変調器、電気光学変調器）４、集光レンズ１３及びファイバーカプラー５が、順次、接続されている。

ＥＯ変調器４は、進相軸を４５°の方向に固定して、該ＥＯ変調器４にかける電圧を正弦的に変調することで、進相軸とそれに直交する遅相軸との間の位相差（リタデーション）を連続的に変えるもので、これにより、光源２から出て偏光子３で（縦）直線偏光となった光がＥＯ変調器４に入射すると、上記変調の周期で、直線偏光→楕円偏光→直線偏光………などのように変調される。ＥＯ変調器４は、市販されているＥＯ変調器を使用すればよい。

ファイバーカプラー５には分岐するファイバー９を介して、参照アーム６と試料アーム７が接続されている。参照アーム６には、偏波コントローラ（polarization controller）１０、コリメートレンズ１１、偏光子１２、集光レンズ１３及び参照鏡（固定鏡）１４が、順次、設けられている。参照アーム６の偏光子１２は、上記のとおり偏光状態を変調しても参照アーム６から戻ってくる光の強度が変化しないような方向を選択するために用いている。この偏光子１２の方向（直線偏光の偏光方向）の調整は偏波コントローラ１０とセットで行う。

試料アーム７では、偏波コントローラ１５、コリメートレンズ１１、固定鏡２４、ガルバノ鏡１６、集光レンズ１３が、順次、設けられ、ファイバーカプラー５からの入射ビームが２軸のガルバノ鏡１６により走査されて試料１７に照射される。試料１７からの反射光は物体光として再びファイバーカプラー５に戻り、参照光と重畳されて干渉ビームとして分光器８に送られる。

分光器８は、順次接続される偏波コントローラ１８、コリメートレンズ１１、（偏光感受型体積位相ホログラフィック）回折格子１９、フーリエ変換レンズ２０、偏光ビームスプリッター２１及び２つの光検出器２２、２３を備えている。この実施例では、光検出器２２、２３として、ラインＣＣＤカメラ（１次元ＣＣＤカメラ）を利用する。ファイバーカプラー５から送られてくる干渉ビームは、コリメートレンズ１１でコリメートされ、回折格子１９によって干渉スペクトルに分光される。

回折格子１９で分光された干渉スペクトルビームは、フーリエ変換レンズ２０でフーリエ変換され偏光ビームスプリッター２１で水平及び垂直成分に分けられ、それぞれ２つラインＣＣＤカメラ（光検出器）２２、２３で検出される。この２つラインＣＣＤカメラ２２、２３は、水平および垂直偏光信号両方の位相情報を検知するために使われるので、２つのラインＣＣＤカメラ２２、２３は同一の分光器の形成に寄与するものでなくてはならない。

なお、光源２、参照アーム６、試料アーム７及び分光器８には、それぞれ偏波コントローラ１０、１５、１８が設けられているが、これらは、光源２から参照アーム６、試料アーム７、分光器８に送られるそれぞれのビームの初期偏光状態を調整して、ＥＯ変調器４で連続的に変調された偏光状態が、参照光と物体光においても互いに一定の振幅と一定の相対偏光状態の関係が維持され、さらにファイバーカプラー５に接続された分光器８において一定の振幅と一定の相対偏光状態を保たれるようにコントロールする。

また、２つラインＣＣＤカメラ２２、２３を含む分光器８を校正するときはＥＯ変調器４は止める。参照光をブロックし、スライドガラスと反射鏡を試料アーム７におく。この配置は水平および垂直偏光成分のピークの位置が同じであることを保証する。そして、スライドガラスの後ろの面と反射鏡からのＯＣＴ信号は２つの分光器８で検知される。ＯＣＴ信号のピークの位相差はモニターされる。

この位相差はすべての光軸方向の深さでゼロであるべきである。次に、信号は２つラインＣＣＤカメラ２２、２３を含む分光器８で複素スペクトルを得るために、ウィンドウされ逆フーリエ変換される。この位相差はすべての周波数でゼロであるべきなので、これらの値をモニターすることによって２つラインＣＣＤカメラ２２、２３の物理的な位置は位相差が最小になるようにアライメントされる。

本実施の形態の偏光感受光画像計測装置１では、光源２からの光を直線偏光し、この直線偏光されたビームをＥＯ変調器４により連続的に偏光状態の変調を行う。即ち、ＥＯ変調器４は、進相軸を４５°の方向に固定して、該ＥＯ変調器４にかける電圧を正弦的に変調することで、進相軸とそれに直交する遅相軸との間の位相差（偏光角：リタデーション）を連続的に変えるもので、これにより、光源２から出て直線偏光子で（縦）直線偏光となった光がＥＯ変調器４に入射すると、上記変調の周期で、直線偏光→楕円偏光→直線偏光………などのように変調される。

直線偏光された偏光ビームをＥＯ変調器４により連続的に偏光状態の変調を行うと同時に、Ｂスキャンを同期して行う。即ち、１回のＢスキャンの間に、ＥＯ変調器４による偏光の連続的な変調を複数周期行う。ここで、１周期とは、偏光角（リターデーション）φが０〜２πと変化する期間である。要するに、この１周期の間に、偏光子からの光の偏光が、直線偏光（垂直偏光）→楕円偏光→直線偏光（水平偏光）………などのように連続的に変調する。

このように偏光ビームの偏光を連続的に変調しながら、試料アーム７では、入射ビームをガルバノ鏡１６により試料１７に走査してＢスキャンを行い、分光器８において、その反射光である物体光と参照光の干渉スペクトルについて、その水平偏光成分および垂直偏光成分を２つのラインＣＣＤカメラ２２、２３で検出する。これにより、１回のＢスキャンによって、それぞれ水平偏光成分及び垂直偏光成分に対応する２枚のＡ−Ｂスキャン画像が得られる。

１回のＢスキャンの間に、偏光ビームの偏光の連続的な変調を複数周期行うが、各周期（１周期）の連続的な変調の間に２つのラインＣＣＤカメラ２２、２３で検出した水平偏光成分および垂直偏光成分それぞれの偏光情報が１画素分の偏光情報となる。１周期の連続的な変調の間に２つのラインＣＣＤカメラ２２、２３で偏光情報を検出タイミング信号に同期して行い、１周期に検出回数（取込回数）を、４回、８回等、適宜決めればよい。

１回のＢスキャンの間に得た２枚のＡ−Ｂスキャン画像のデータを、Ｂスキャン方向に１次元フーリエ変換を行う。すると、０次、１次、−１次のピークが出る。ここで、０次のピークをそれぞれ抽出し、そのデータのみを用いて逆フーリエ変換すると、Ｈ０、Ｖ０画像が得られる。同様に、１次のピークをそれぞれ抽出し、そのデータのみを用いて逆フーリエ変換すると、Ｈ１、Ｖ１画像が得られる。

Ｈ０、Ｈ１画像およびＶ０、Ｖ１画像から、試料１７の偏光特性であるジョーンズマトリックスを求めることができる。すなわち、Ｈ０、Ｈ１画像から、ジョーンズマトリックスのＪ（１，１）成分およびＪ（１，２）成分を求める事ができ、Ｖ０、Ｖ１画像から、ジョーンズマトリックスのＪ（２，１）成分およびＪ（２，２）成分を求める事ができる。

このようにして、４つの偏光特性を含む情報が得られる。そして、この４つの情報をそれぞれ、通常のＦＤ−ＯＣＴと同様にＡスキャン方向にフーリエ変換すると、１次のピークが試料１７の深さ方向の情報を有し、しかもそれぞれ偏光特性に応じた４枚のＡ−Ｂ画像に対応する資料画像データが得られる。このような複数の偏光特性に応じたＡ−Ｂ画像（断面画像）の取得は、いわゆる偏光感受型ＯＣＴ（ＰＳ−ＯＣＴ）をベースとしたジョーンズマトリックスを用いる「ＪＭ−ＯＣＴ」によるものである。

本実施の形態の画像生成方法は、たとえば、上記したようなＪＭ−ＯＣＴにより得られる複数のＡ−Ｂ画像に対応する試料画像データから、光学的特徴が異なる複数の試料断面画像を生成するものである。なお、本実施の形態の画像生成方法は、「ＪＭ−ＯＣＴ」により得られた画像データへの適用に限られるものではなく、一般的な光コヒーレンストモグラフィー（ＯＣＴ）により取得された単一または複数の試料画像データに適用することが可能である。たとえば、「偏光感受型ＯＣＴ（ＰＳ−ＯＣＴ）」、「ＯＣＴアンギオグラフィー（ＯＣＴ−Ａ）」、「局所減衰係数トモグラフィー」、または、これらの機能を併せ持つ「マルチファンクショナルＯＣＴ」で得られた単一または複数の試料画像データに適用可能である。

本実施の形態の画像生成方法は、試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するステップと、スーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成するステップと、画素群データに基づき、複数の試料断面画像を生成するステップと、を有する。

本実施の形態の画像生成方法によれば、各画素をクラスタリングしてスーパーピクセルを生成し、当該スーパーピクセルを代表する画素群データを用いて試料断面画像を生成するため、オリジナル画像の鮮明さを維持しつつも、スーパーピクセル領域を最適化して画像の画質を改善することができる。

なお、本実施の形態における画素クラスタリングは、画素データの光学的特徴類似性および空間近接性に基づき実施される。この点は、ＳＬＩＣ(Simple Linear Iterative Clustering)アルゴリズムによるスーパーピクセルが、カラー画像の位置座標（空間近接性）と色空間座標（色類似性）に基づき生成される点と異なる。特に、ＳＬＩＣアルゴリズムにおいては、（Ｌ，ａ，ｂ）や（Ｌ^＊，ａ^＊，ｂ^＊）等画像の色パラメータが既に重み調整された表色系を前提としているのに対し、本実施の形態の画素クラスタリングにおける光学的特徴類似性は、(1) 光学的特徴量の相対的な大きさが調整されておらず、光学特徴量の値のスケールが独立している点、(2) 光学的特徴量は必ずしも組織の物理的な特徴に対して線形ではない点（たとえば、後述するＤＯＰＵはメラニン量に対応していることは既知であるものの、メラニン量に線形に比例しているわけではない。）、がＳＬＩＣアルゴリズムと明らかに相違する。

前記した光学的特徴類似性の基礎となる光学的特徴は、ＯＣＴ信号の散乱度合いに関連する光学的特徴に分類される第１特徴群、ＯＣＴ信号の偏光度合いに関連する光学的特徴に分類される第２特徴群、ＯＣＴ信号の偏光均一性に関連する光学的特徴に分類される第３特徴群、および、ＯＣＴ造影（ＯＣＴ−Ａ）に関連する光学的特徴に分類される第４特徴群、から任意に選択された単一または複数の光学的特徴とすることができる。

前記した「第１特徴群」に含まれる光学的特徴を具体的に示す特徴量として、「信号強度」、「信号振幅」、「信号減衰率」および「信号吸光度」、並びに、これらの「分光値」（「分光信号強度」、「分光信号振幅」、「分光信号減衰率」および「分光信号吸光度」）が例示できる。前記した「第２特徴群」に含まれる光学的特徴を具体的に示す特徴量として、「複屈折」、「偏光位相差」、「偏光位相差の深さ方向スロープ」および「局所偏光位相差」が例示できる。前記した「第３特徴群」に含まれる光学的特徴を具体的に示す特徴量として、「偏光均一度（ＤＯＰＵ）」、「ジョーンズ行列（Jones matrix）のシャノンエントロピー」、「ミュラー行列（Muller matrix）の偏光解消成分」、「ストークスベクトルで表した検出光の円分散」が例示できる。前記した「第４特徴群」に含まれる光学的特徴を具体的に示す特徴量として、「ＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）」、「光コヒーレントアンギオグラフィー（Optical coherence angiography）」、「時間相関画像」、「ドップラーＯＣＴ信号」、「ドップラー分散信号」、「位相分散・標準偏差信号」、「強度分散・標準偏差信号」、「スペックルコントラスト信号」が例示できる。これら第１乃至第４特徴群からの光学的特徴の任意の選択は、第１乃至第４特徴群の何れか一つの特徴群からの単一または複数の光学的特徴の選択でもよく、第１乃至第４特徴群のうち複数の特徴群のそれぞれからの単一または複数の光学的特徴の選択でもよい。

スーパーピクセルの生成において、前記した光学的特徴に対応する特徴量および空間座標を指標とする多次元空間における画素の位置または２点間距離に基づき、スーパーピクセルをリシェイプすることができる。たとえば、スーパーピクセルごとの多次元空間における重心を計算し、判断対象の画素との距離が最も近い重心を有するスーパーピクセルに画素を属させるようリシェイプすることができる。このようなリシェイプを行うことで、スーパーピクセルの空間形状を組織形状等の空間構造に合わせることができ、画像を鮮明にすることができる。

また、リシェイプの結果、属する画素数が所定画素数以下となった場合、当該所定画素数以下となるスーパーピクセルを、隣接する最も大きなスーパーピクセルに併合するようリシェイプすることができる。このように小さなスーパーピクセルを大きなスーパーピクセルに併合することで、必要以上にスーパーピクセルが細分化されることを防止し、局所領域における統計精度を高めることができる。

多次元空間における２点ａ，ｂ間の距離Ｄｆとして、数１による定義が例示できる。
但し、Ｄ_ｏｐｔは、２点ａ，ｂ間の光学的特徴距離であり、数２により定義できる。Ｄ_ｓｐｃは、２点ａ，ｂ間の空間距離であり、数３により定義できる。ｍは、コンパクトネス因子であり、Ｓは、初期スーパーピクセルのインターバルである。インターバルＳは初期スーパーピクセルの配置間隔に相当する概念であり、初期スーパーピクセルの一次元方向における画素数に対応する。つまり画像領域全体に含まれる画素数をＮ、当該画像領域をＫ個のスーパーピクセルでカバーすると仮定すると、Ｋ＝Ｎ／Ｓ^２で計算され、１つの初期スーパーピクセルに含まれる画素数はＳ^２となる。コンパクトネス因子ｍをインターバルＳで規格化した値ｍ／Ｓは、光学的特徴距離Ｄ_ｏｐｔと空間距離Ｄ_ｓｐｃとの間の重みに対応し、ｍが大きいと多次元空間における２点間の距離Ｄｆに対する空間距離Ｄ_ｓｐｃの寄与が大きくなり、相対的に光学的特徴距離Ｄ_ｏｐｔの寄与が小さくなる。その結果、ｍが大きいと、光学的特徴量の変化が距離Ｄｆに影響せず、リシェイプにおけるスーパーピクセルの空間的形状変化が生じにくくなる。その結果、スーパーピクセルの空間形状が、画像領域における微細な構造から乖離し、画像の鮮明さが失われる可能性がある。逆に、コンパクトネス因子ｍが小さすぎると、スーパーピクセルが必要以上に細分化され、局所領域における統計的正確さを失う可能性がある。よって、コンパクトネス因子ｍは適切な値が存在し、そのような適切な値の範囲でコンパクトネス因子ｍを選択する必要がある。コンパクトネス因子ｍは、後に説明する数６に示すＶ_ｉが最少となる範囲で選択することが好ましい。

数２および数３は、各々、光学的特徴距離Ｄ_ｏｐｔおよび空間距離Ｄ_ｓｐｃの定義の一例である。
ここで、ａ_ｉおよびｂ_ｉは、それぞれ、多次元空間における点ａのｉ番目の要素および点ｂのｉ番目の要素であり、ｗ_ｉは、ａ_ｉおよびｂ_ｉ間の重みである。ｉ_{opt_l}およびｉ_{opt_h}は、それぞれ、点ａ，点ｂに係る要素のうち光学的特徴に係る要素（以下「光学的特徴要素」という。）の最小要素番号および最大要素番号である。ｉ_{spc_l}およびｉ_{spc_h}は、それぞれ、点ａ，点ｂに係る要素のうち空間座標に係る要素（以下「空間座標要素」という。）の最小要素番号および最大要素番号である。

また、上記数２における重みｗ_ｉを、数４に示すコスト関数Ｅ（ｗ）が最少になるようリシェイプを繰り返し、決定することができる。
但し、Ｃ_ｉは、ｉ番目の光学的特徴要素の寄与度であり、数５に示すように、ｉ番目の光学的特徴要素についてのスーパーピクセル内分散Ｖ_ｉのリシェイプによる変化率（リシェイプ後の値Ｖ_ｉ ^reshapedをリシェイプ前の初期値Ｖ_ｉ ^initialで割った値）の逆数で定義する。スーパーピクセル内分散Ｖ_ｉは数６で定義できる。Ｃバー（記号Ｃの上に「バー（横線）」を付したもの。以下「バー」付記号につき同様に表現する。）は、全てのＣ_ｉの平均であり、Ｎ_optは、光学的特徴要素の数である。
ここで、Ｋは、画像領域内のスーパーピクセル数である。σ^２ _ｉ，ｋは、ｋ番目のスーパーピクセルにおけるｉ番目の光学的特徴要素の分散であり、数７により計算できる。なお、Ｃ_ｉの逆数は、リシェイプによってどの程度スーパーピクセル内分散Ｖ_ｉが低下したかを示す指標となることから、各光学的特徴についての１／Ｃ_ｉの平均は、スーパーピクセルの評価指標として用いることができる。よって、これを「スーパーピクセル内平均乱雑度」としてスーパーピクセルの評価指標に用いるものとする。
ここで、ｓは、ｋ番目のスーパーピクセル内の画素数である。ｘ_i,j,kは、ｋ番目のスーパーピクセル内のｊ番目の画素におけるｉ番目の光学的特徴要素の値（光学特徴値）である。ｘ_i,kバーは、ｋ番目のスーパーピクセルにおけるｉ番目の光学特徴値の平均（平均光学特徴値）である。

以上のように重みｗ_ｉを決定し、スーパーピクセルのリシェイプを繰り返すことで、スーパーピクセルの形状が、層構造のような生体組織の微細構造に適合するようになり、同時に光学特徴値のスーパーピクセル内での分散値の全スーパーピクセルについての総計が最少になるよう収束する。この結果、スーパーピクセルの形状および大きさは、オリジナル画像の微細構造を維持しつつ、全ての光学的特徴において妥当な統計的正確さをバランスよく実現するよう、収束する。この結果、トレードオフの関係にある画像の鮮明さと統計的な正確さとを合理的に調整し、鮮明さと統計的正確さの両方に優れた断面画像を生成することができる。

なお、スーパーピクセルを生成する最初のステップとして、試料断面画像が生成される画像領域を埋め尽くす初期スーパーピクセルを生成することができる。この場合、初期スーパーピクセルのそれぞれが、均一な空間形状を有することが好ましい。均一な空間形状として、三角形、長方形、正方形、正六角形が例示できる。

また、光学的特徴として、信号強度（Ｉ）、ローカル複屈折（ＢＲ）、偏光均一度（ＤＯＰＵ）およびＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）の４つを選択した場合、多次元空間における指標は、これら４つの光学的特徴に加え、試料断面画像における画素位置を示すＢスキャン方向座標（ｘ）およびＡスキャン方向座標（ｚ）を有する６次元となる。当該６次元空間における点ａをベクトル表記した場合、
ａ＝［ａ_Ｉ，ａ_ＢＲ，ａ_ＤＯＰＵ，ａ_{ＯＣＴ−Ａ}，ａ_ｘ，ａ_ｚ］^Ｔ
となり、点ｂは、
ｂ＝［ｂ_Ｉ，ｂ_ＢＲ，ｂ_ＤＯＰＵ，ｂ_{ＯＣＴ−Ａ}，ｂ_ｘ，ｂ_ｚ］^Ｔ
となる。点ａ，ｂの１番目〜４番目の要素は、それぞれ、Ｉ，ＢＲ，ＤＯＰＵ，ＯＣＴ−Ａの光学的特徴に対応し、５番目および６番目の要素は、それぞれ、ｘ座標，ｚ座標に対応する。この場合、数２のＤ_ｏｐｔおよび数３のＤ_ｓｐｃは、それぞれ、数８および数９のようになり、数４のＥ（ｗ）は、数１０のようになる。

本実施の形態の画像処理方法を、眼科診断用に取得したＪＭ−ＯＣＴ画像データに適用した例を示す。
（試料画像データの取得）
ＪＭ−ＯＣＴを用い、試料画像データを取得した。ＯＣＴ装置におけるプローブ光（光源）の中心波長を１．０６μｍとし、スキャンレートを１００，０００Ａ−ライン／ｓ、軸分解能を６．２μｍとした。感度を９１ｄＢとし、二人の健常者の斑紋および視神経乳頭（ＯＮＨｓ）を試料として、６．０ｍｍレンジの水平方向スキャン（Ｂスキャン）を連続１６回行い、試料画像データを取得した。１回のＢスキャンに含まれるＡライン数（Ａスキャンのライン数）は４９０とした。得られた１６回分のＢスキャンデータは、複合的に平均化し、非特許文献２〜５に記載されたＪＭ−ＯＣＴを適用して、信号強度（Ｉ）、ローカル複屈折（ＢＲ）、偏光均一度（ＤＯＰＵ）およびＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）の各光学的特徴に対応する試料画像データを得た。

試料断面画像が生成される画像領域の全面に、正六角形の初期スーパーピクセルを、Ｓ＝６画素となるよう配置した。１画像領域内の初期スーパーピクセルの数Ｋは、オリジナル画像の画素数Ｎの１／３６となり、本実施例の場合、Ｋ＝６５３３個であった。

重みｗ_ｉにランダムな値を割り当て、数１、数８および数９を用いて各画素とスーパーピクセルの重心との距離を計算し、判断対象の画素が最も近い重心をもつスーパーピクセルに属するようスーパーピクセルをリシェイプした。同時に数１０、数５〜７を用いてコスト関数Ｅ（ｗ）を計算し、Ｅ（ｗ）が小さくなるようにｗ_ｉに変位を与え、スーパーピクセルのリシェイプを繰り返した。これによりｗ_ｉの最適化を実行した。

図２は、信号強度（Ｉ）、ローカル複屈折（ＢＲ）、偏光均一度（ＤＯＰＵ）およびＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）のそれぞれについての重みの値がリシェイプの繰り返しにより変化する様子を示したグラフであり、（ａ）、（ｂ）および（ｃ）のそれぞれは、ランダムに与えたｗ_ｉ初期値を独立な３通りについて示したものである。（ａ）〜（ｃ）の何れの初期値の場合であっても、Ｉ，ＢＲ，ＤＯＰＵ，ＯＣＴ−Ａの各重みｗ_ｉは一定の値に収束することがわかった。また、その収束は概ね１０回の繰り返しで達成されることもわかった。

図３は、繰り返し数に対するコスト関数の変化を示したグラフであり、図４は、繰り返し数に対するＩ，ＢＲ，ＤＯＰＵ，ＯＣＴ−Ａの各寄与度の変化を示したグラフである。図３から、リシェイプの繰り返しによりコスト関数が大きく低下していることがわかる。また図４から、Ｉ，ＢＲ，ＤＯＰＵ，ＯＣＴ−Ａの各光学的特徴の寄与度が均等であることがわかる。

図５は、コンパクトネス因子がスーパーピクセルのリシェイプに与える影響を説明するための図である。図５において、上から１行目の写真（ａ）〜（ｅ）は、各スーパーピクセルまたは画素の平均信号強度（Ｉ）画像であり、２行目の写真（ｆ）〜（ｉ）は、１行目写真それぞれのスーパーピクセル領域が明確に認識できるようランダムにグレー表記したものである。３行目の写真（ｊ）〜（ｎ）は、１行目写真それぞれの白枠内を拡大して示したもの、４行目の写真（ｏ）〜（ｒ）は、２行目写真それぞれの白枠内を拡大して示したものである。また、左から１列目の写真（ａ）、（ｆ）、（ｊ）および（ｏ）はコンパクトネス因子が１００の場合、２列目の写真（ｂ）、（ｇ）、（ｋ）および（ｐ）はコンパクトネス因子が７０の場合、３列目の写真（ｃ）、（ｈ）、（ｌ）および（ｑ）はコンパクトネス因子が４０の場合、４列目の写真（ｄ）、（ｉ）、（ｍ）および（ｒ）はコンパクトネス因子が１０の場合、５列目の写真（ｅ）および（ｎ）はオリジナル画像を示す。

図５から、コンパクトネス因子が１００の場合、スーパーピクセルの形状が初期状態の正六角形から形状も大きさも大きく変化していないことがわかる。一方、コンパクトネス因子が１０の場合、スーパーピクセルの形状は初期状態が大きく変わり、オリジナル画像と比較しても遜色ない程度に微細な組織の層構造を再現していることがわかる。

図６は、コンパクトネス因子に対するスーパーピクセル内平均乱雑度の変化を示したグラフである。コンパクトネス因子が１０に至るまでは、スーパーピクセル内平均乱雑度が低下し、スーパーピクセルの形状が組織構造と良好に合致していることがわかる。ただし、コンパクトネス因子が０になるとスーパーピクセル内平均乱雑度は逆に大きくなり好ましくない。よって、コンパクトネス因子には適切な範囲が存在し、実際の計算においては当該適切な範囲でコンパクトネス因子を選択することが好ましい。本実施例では、コンパクトネス因子の適切な範囲は１０周辺であり、コンパクトネス因子として１０を選択した。

図７は、視神経乳頭（ＯＮＨｓ）部の生体試料画像である。図７において、左から１列目に信号強度（Ｉ）、２列目にＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）、３列目にローカル複屈折（ＢＲ）、４列目に偏光均一度（ＤＯＰＵ）の試料断面画像を示す。また、上から１行目の写真（ａ）〜（ｄ）はオリジナル画像を、２行目の写真（ｅ）〜（ｈ）はリシェイプ後のスーパーピクセルを適用したものの試料断面画像を示す。３行目の写真（ｉ）〜（ｔ）は、各光学的特徴（Ｉ、ＯＣＴ−Ａ、ＢＲおよびＤＯＰＵ）における拡大写真であって、オリジナル画像（（ｉ）、（ｌ）、（ｏ）および（ｒ））、初期スーパーピクセルを配置したのみでリシェイプ前のスーパーピクセルを適用した画像（（ｊ）、（ｍ）、（ｐ）および（ｓ））、リシェイプ後のスーパーピクセルを適用した画像（（ｋ）、（ｎ）、（ｑ）および（ｔ））を示す。

図７の信号強度（Ｉ）に係る画像を観察すると、リシェイプ後のスーパーピクセルを適用した画像（ｋ）において、網膜色素上皮を含む網膜の微細な層構造が明瞭に表現されていることがわかる。画像（ｋ）の明瞭さは、オリジナル画像（ｉ）の明瞭さに引けを取らないと思われる。また、偏光均一度（ＤＯＰＵ）に係る画像を観察すると、オリジナル画像（ｒ）では不明瞭であるのに対し、リシェイプ後のスーパーピクセルを適用した画像（ｔ）では信号強度（Ｉ）の場合と同様に、網膜色素上皮が明瞭に認識できる。また、ＯＣＴ造影相関マッピング（ＯＣＴ−Ａ）に係る画像を観察すると、オリジナル画像（ｌ）では不明瞭であるのに対し、リシェイプ後のスーパーピクセルを適用した画像（ｎ）では血管構造が明瞭に表現されていることがわかる。さらに、ローカル複屈折（ＢＲ）に係る画像を観察すると、オリジナル画像（ｏ）では構造が判別不能であるのに対し、リシェイプ後のスーパーピクセルを適用した画像（ｑ）では強膜構造が明瞭に表現されていることがわかる。以上のとおり、本実施例の画像処理方法を用いれば、いろいろな種類の生体組織に応じた微細な組織構造を、明瞭に表示することが可能になる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

なお、上記実施の形態では、主に画像処理方法について説明したが、本願発明は画像処理システムあるいはプログラムとして把握することも可能である。

すなわち、本願発明は、光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成システムであって、試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成部と、スーパーピクセル生成部で生成したスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成部と、画素群データ生成部で生成した画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成部と、を有する画像生成システムとして把握することができる。

また、本願発明は、光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成用のコンピュータに、試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成機能と、スーパーピクセル生成機能により生成されたスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成機能と、画素群データ生成機能により生成された画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成機能と、を実現させるためのプログラムとして把握することができる。

１…偏光感受光画像計測装置、２…光源、３、１２…偏光子、４…ＥＯ変調器、５…ファイバーカプラー、６…参照アーム、７…試料アーム、８…分光器、９…ファイバー、１０、１５、１８…偏波コントローラ、１１…コリメートレンズ、１３…集光レンズ、１４…参照鏡（固定鏡）、１６…ガルバノ鏡、１７…試料、１９…回折格子、２０…フーリエ変換レンズ、２１…偏光ビームスプリッター、２２…ラインＣＣＤカメラ、２２、２３…光検出器、２４…固定鏡。

Claims (11)

1. 光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成方法であって、
   前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するステップと、
   前記スーパーピクセルに含まれる各画素の前記画素データに基づき、当該スーパーピクセルを代表する画素群データを生成するステップと、
   前記画素群データに基づき、前記複数の試料断面画像を生成するステップと、
   を有する画像生成方法。
2. 前記光学的特徴類似性の基礎となる光学的特徴が、ＯＣＴ信号の散乱度合いに関連する光学的特徴に分類される第１特徴群、ＯＣＴ信号の偏光度合いに関連する光学的特徴に分類される第２特徴群、ＯＣＴ信号の偏光均一性に関連する光学的特徴に分類される第３特徴群、および、ＯＣＴ造影（ＯＣＴ−Ａ）に関連する光学的特徴に分類される第４特徴群、から任意に選択された単一または複数の光学的特徴である
   請求項１に記載の画像生成方法。
3. 前記スーパーピクセルを生成するステップが、
   前記光学的特徴に対応する特徴量および空間座標を指標とする多次元空間における前記画素の位置または２点間距離に基づき、前記スーパーピクセルをリシェイプするステップを有する
   請求項１または請求項２に記載の画像生成方法。
4. 前記リシェイプするステップが、
   前記スーパーピクセルごとの前記多次元空間における重心を計算するステップを有し、
   判断対象の画素との距離が最も近い重心を有するスーパーピクセルに前記画素を属させるようリシェイプする
   請求項３に記載の画像処理方法。
5. リシェイプの結果、属する画素数が所定画素数以下となった場合、当該所定画素数以下となるスーパーピクセルを、隣接する最も大きなスーパーピクセルに併合するようリシェイプする
   請求項４に記載の画像処理方法。
6. 前記多次元空間における２点ａ，ｂ間の距離Ｄ_ｆが、数１により定義される
   請求項３〜５の何れか一項に記載の画像処理方法。
   但し、Ｄ_ｏｐｔは、２点ａ，ｂ間の光学的特徴距離であり、数２により定義される。Ｄ_ｓｐｃは、２点ａ，ｂ間の空間距離であり、数３により定義される。ｍは、コンパクトネス因子であり、Ｓは、初期スーパーピクセルのインターバルである。ｍ／Ｓは、光学的特徴距離Ｄ_ｏｐｔと空間距離Ｄ_ｓｐｃとの間の重みに対応する。
   但し、ａ_ｉおよびｂ_ｉは、それぞれ、多次元空間における点ａのｉ番目の要素および点ｂのｉ番目の要素であり、ｗ_ｉは、ａ_ｉおよびｂ_ｉ間の重みである。ｉ_{opt_l}およびｉ_{opt_h}は、それぞれ、点ａ，点ｂに係る要素のうち光学的特徴に係る要素（以下「光学的特徴要素」という。）の最小要素番号および最大要素番号である。ｉ_{spc_l}およびｉ_{spc_h}は、それぞれ、点ａ，点ｂに係る要素のうち空間座標に係る要素（以下「空間座標要素」という。）の最小要素番号および最大要素番号である。
7. 数４に示すコスト関数Ｅ（ｗ）を最少にするよう前記リシェイプを繰り返し、前記数２における重みｗ_ｉが決定される
   請求項６に記載の画像処理方法。
   但し、Ｃ_ｉは、ｉ番目の光学的特徴要素の寄与度であり、数５に示すように、ｉ番目の光学的特徴要素についてのスーパーピクセル内分散Ｖ_ｉのリシェイプ後の値Ｖ_ｉ ^reshapedを初期値Ｖ_ｉ ^initialで規格化したものの逆数で定義される。スーパーピクセル内分散Ｖ_ｉは数６で定義される。Ｃバー（記号Ｃの上に「バー（横線）」を付したもの。以下「バー」付記号につき同様に表現する。）は、全てのＣ_ｉの平均であり、Ｎ_optは、光学的特徴要素の数である。
   但し、Ｋは、画像領域内のスーパーピクセル数である。σ^２ _ｉ，ｋは、ｋ番目のスーパーピクセルにおけるｉ番目の光学的特徴要素の分散であり、数７により定義される。
   但し、ｓは、ｋ番目のスーパーピクセル内の画素数である。ｘ_i,j,kは、ｋ番目のスーパーピクセル内のｊ番目の画素におけるｉ番目の光学的特徴要素の値（光学特徴値）である。ｘ_i,kバーは、ｋ番目のスーパーピクセルにおけるｉ番目の光学特徴値の平均（平均光学特徴値）である。
8. 前記数１におけるされる
   請求項６または請求項７に記載の画像処理方法。
9. 前記スーパーピクセルを生成するステップが、前記リシェイプするステップの前に、前記試料断面画像が生成される画像領域を埋め尽くす初期スーパーピクセルを生成するステップをさらに有し、
   前記初期スーパーピクセルのそれぞれが、均一な空間形状を有する
   請求項３から請求項８の何れか一項に記載の画像処理方法。
10. 光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成システムであって、
    前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成部と、
    前記スーパーピクセル生成部で生成したスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成部と、
    前記画素群データ生成部で生成した画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成部と、
    を有する画像生成システム。
11. 光コヒーレンストモグラフィー（ＯＣＴ）により取得した単一または複数の試料画像データから、光学的特徴が異なる複数の試料断面画像を生成する画像生成用のコンピュータに、
    前記試料画像データに含まれる画素データの光学的特徴類似性および空間近接性に基づき、各画素データに対応した画素（ピクセル）をクラスタリングし、スーパーピクセルを生成するスーパーピクセル生成機能と、
    前記スーパーピクセル生成機能により生成されたスーパーピクセルに含まれる各画素の画素データに基づき、当該スーパーピクセルを代表する画素群データを生成する画素群データ生成機能と、
    前記画素群データ生成機能により生成された画素群データに基づき、複数の試料断面画像を生成する試料断面画像生成機能と、
    を実現させるためのプログラム。