JP3975668B2 - 特徴量正誤判定方法および画像処理装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は放射線画像における被写体の撮影部位または撮影方向を認識するための技術の改良に関し、特に、その認識に利用する特徴量の正誤判定を行う技術に関する。
【０００２】
【従来の技術】
近年、放射線画像を直接ディジタル画像として撮影できる装置が開発されている。たとえば、被写体に照射された放射線量を検出し、その検出量に対応して形成される放射線画像を電気信号として得る装置では、輝尽性蛍光体を用いたディテクタを用いる方法が特開昭５５−１２４２９号公報、特開昭６３−１８９８５３号公報など、多数開示されている。
【０００３】
このような装置では、シート状の基板に輝尽性蛍光体を塗布、あるいは蒸着等によって固着したディテクタに、いったん被写体を透過した放射線を照射して輝尽性蛍光体に放射線を吸収させる。その後、この輝尽性蛍光体を光または熱エネルギーで励起することにより、この輝尽性蛍光体が上記吸収によって蓄積している放射線エネルギーを蛍光として放射させ、この蛍光を光電変換して画像信号を得るようにしている。
【０００４】
一方、照射された放射線の強度に応じた電荷を光導電層に生成し、生成された電荷を二次元的に配列された複数のコンデンサに蓄積し、それら蓄積された電荷を取り出すことにより得られる放射線画像検出装置が提案されている。このような放射線画像形成装置はフラットパネルディテクタ（ＦＰＤ）と呼ばれる。
【０００５】
このＦＰＤとしては、特開平９−９００４８号公報に記載されているように、照射された放射線強度に応じた蛍光を発する蛍光体と、蛍光体から発する蛍光を直接または縮小光学系を介して受光し、光電変換を行うフォトダイオードやＣＣＤのような光電変換素子の組み合わせによって実現されるものが知られている。また特開平６−３４２０９８号公報に記載されているように、照射された放射を直接電荷に変挽するものも知られている。
【０００６】
これらの装置では、放射線画像を診断に適した階調で表現するために、医師が注目する部分（関心領域）について見やすくなるよう、前記のような装置で得られた画像を自動的に階調変換することが望ましい。このような自動階調変換を行うために、画像データの統計的特徴（データの最大値・最小値・ヒストグラム等）から、入力信号備に対する出力信号値を規定したルックアップテーブル（ＬＵＴ）等、処理条件を決定し、画像全体に対して階調変換処理を施すことが行われる。また、細部の構造を見やすくするため、エッジ強調処理を行ったり、被写体の信号領域を狭めて、濃度の高い部分と低い部分を同時に観察しやすくするためのダイナミックレンジ圧縮処理等も行われる。
【０００７】
しかし、診断に利用する放射線撮影では、撮影対象となる部位が頭部から四肢まで多岐に渡り、それぞれによって医師が注目する領域も異なるため、診断に最適な画像を得るための画像処理条件は、撮影部位毎に異なるものとなる。また、同様に、撮影方向によっても、処理条件は異なるものとなる。
【０００８】
そのため、従来これらの装置では、画像処理を行う前に、最適な処理条件を選択するため、被写体の撮影部位、方向等を入力する必要があった。一部の病院では、病院情報システム（ＨＩＳ）や放射線科情報システム（ＲＩＳ）を備えているところもあり、放射線撮影のオーダー情報から直接撮影部位情報や撮影方向情報を取得できるため、特に放射線技師等の操作無く、最適な処理条件を選択可能である。しかし、多数の病院ではこのようなシステムを備えていないため、技師等が手入力にてこれらの情報を入力する必要がある。また、緊急時の撮影においても、迅速に撮影を行うために、上記のＨＩＳやＲＩＳを備えた病院でも、技師等が被写体の部位情報等を手入力する場合もある。
【０００９】
しかし、一般に撮影される部位は１００種類以上も有り、この中から毎回撮影を行う度に上記入力作業を行うことは煩雑であり、放射線撮影を行う放射線技師の負担となっていた。
【００１０】
そこで、撮影された画像を読み取って自動的に被写体の部位、方向を認識して、最適な処理条件を選択することが、技師の負担を軽くするために求められている。
【００１１】
上記に鑑み、被写体の撮影部位、撮影方向を自動的に判定する方法として、たとえば特開平４−１４１１５３号公報、特開平４−１４４５４６号公報等に記載の技術が開示されている。
【００１２】
これらは画像の中央プロファイルや、ヒストグラム等複数の特徴量を用い、各々の特徴量別に前記判定を行い、それら判定結果から確信度の高いもの、または多数決により最終的な判定結果を得るものである。
【００１３】
【発明が解決しようとする課題】
一方、被写体の撮影部位および方向を判別するために、被写体の外形形状や、骨部、肺野輪郭等の情報を抽出できれば、非常に有用である。そのため、たとえば画像から被写体が撮影されている領域だけを抽出し、その領域の外形形状を調べて特徴量を求めたり、近傍画素間の差分値等求めてエッジを抽出することにより、特徴量を求めて撮影部位等の認識に利用することが考えられる。しかし、このような画像データからの認識により特徴量を抽出する方法では、いつも正しく特徴量を抽出できるとは限らない。もし、本来なら当該被写体では有りえないような特徴量を誤って抽出してしまい、そのままその特徴量を用いて撮影部位等の認識を行うと、最終的な認識結果も誤ったものとなってしまう。
【００１４】
本発明は、放射線画像に対して、複数の特徽量を求め、それら特徴量を互いに組み合わせることにより、正誤判定を行って誤った特徴量を削除し、精度良く被写体の撮影部位や撮影方向を認識する方法（特徴量正誤判定方法）および装置（画像処理装置）を提供するものである。
【００１５】
【課題を解決するための手段】
すなわち、前記した課題を解決する本発明は、放射線撮影において、被写体の撮影部位および方向を認識するために必要な特徴量の抽出において、あるカテゴリーに属する特徴量と、他のカテゴリーに属する特徴量とを組み合わせ、有りえない組み合わせのときには、一方または双方の特徴量を誤って検出されたものとみなすことにより、被写体の部位、方向認識の精度を向上する。
【００１６】
より具体的には、以下の（１）〜（３）の通りである。
（１）請求項１記載の発明は、被写体を透過した放射線量を検出し、その検出量に対応した放射線画像に対し、被写体が撮影されている被写体領域を抽出することにより、被写体の撮影部位または撮影方向を特定するために使用する特徴量を抽出する複数の特徴量抽出ステップと、前記複数の特徴量抽出ステップから得られた複数の特徴量の組み合わせは形状ベクトルおよびエッジパターンベクトルの組合せで構成されており、削除対象として予め記憶されている組合せと比較して同一の組合せとなる特徴量を削除することにより、該特徴量の正誤判定を行う特徴量正誤判定ステップと、を有し、前記複数の特徴量抽出ステップは、前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化から特徴量を抽出するエッジ特徴量抽出ステップと、前記被写体領域抽出ステップによって抽出された被写体領域の外形形状から特徴量を抽出する外形特徴量抽出ステップとを有する、ことを特徴とする特徴量正誤判定方法である。
【００１７】
また、請求項４記載の発明は、被写体を透過した放射線量を検出し、その検出量に対応した放射線画像に対し、被写体が撮影されている被写体領域を抽出することにより、被写体の撮影部位または撮影方向を特定するために使用する特徴量を抽出する複数の特徴量抽出手段と、前記複数の特徴量抽出手段から得られた複数の特徴量の組み合わせは形状ベクトルおよびエッジパターンベクトルの組合せで構成されており、削除対象として予め記憶されている組合せと比較して同一の組合せとなる特徴量を削除することにより、該特徴量の正誤判定を行う特徴量正誤判定手段と、を有し、前記複数の特徴量抽出手段は、前記被写体領域抽出手段によって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化から特徴量を抽出するエッジ特徴量抽出手段と、前記被写体領域抽出手段によって抽出された被写体領域の外形形状から特徴量を抽出する外形特徴量抽出手段とを有する、ことを特徴とする画像処理装置。
【００１８】
これらの発明では、放射線画像に対して被写体の撮影部位または撮影方向を特定するために使用する特徴量を複数の特徴抽出ステップで抽出し、前記複数の特徴抽出ステップから得られた複数の特徴量の組み合わせによる特徴量正誤判定ステップで該特徴量の正誤判定を行うようにしている。
【００１９】
このようにして複数の特徴量の組み合わせにより、特徴の正誤判定を行うことによって、撮影部位または方向を精度良く認識することができる。
【００２０】
また、請求項７記載の発明は、被写体を透過した放射線量を検出し、その検出量に対応した放射線画像に対し、被写体が撮影されている被写体領域を抽出する被写体領域抽出手段を有し、前記被写体領域抽出手段によって抽出された被写体領域から複数の特徴量を抽出する、ことを特徴とする請求項６記載の画像処理装置である。
【００２１】
これらの発明では、放射線画像に対して被写体が撮影されている被写体領域を抽出する被写体領域抽出ステップを有し、前記被写体領域抽出ステップによって抽出された被写体領域から複数の特徴量を抽出するようにしている。
【００２２】
このようにして画像から被写体領域だけを抽出して特徴量を調べることにより、照射野外の不要な信号に惑わされなくなり、さらに精度良く撮影部位または方向を認識することができる。
【００２５】
これらの発明では、前記複数の特徴量抽出ステップは、前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化から特徴量を抽出し、抽出された被写体領域の外形形状から特徴量を抽出するようにしている。
【００２６】
このようにして被写体の外形形状、およびエッジパターンを特徴量としてその組合せで正誤判定を行うことにより、被写体の輪郭と内部構造を調べた結果が矛盾することがなくなり、精度良く撮影部位または方向を認識することができる。
【００２７】
（２）請求項２記載の発明は、前記エッジ特徴量抽出ステップは、前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化量が、所定の条件を満たす画素を抽出するエッジ検出ステップと、前記エッジ検出ステップによって抽出された画素の空間分布に基づいて被写体の特徴量を抽出するエッジパターン検出ステップとを有する、ことを特徴とする請求項１記載の特徴量正誤判定方法である。
【００２８】
また、請求項５記載の発明は、前記エッジ特徴量抽出手段は、前記被写体領域抽出手段によって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化量が、所定の条件を満たす画素を抽出するエッジ検出手段と、前記エッジ検出手段によって抽出された画素の空間分布に基づいて被写体の特徴量を抽出するエッジパターン検出手段とを有する、ことを特徴とする請求項４記載の画像処理装置である。
【００２９】
これらの発明では、前記エッジ特徴量抽出ステップは、前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化量が、所定の条件を満たす画素を抽出し、抽出された画素の空間分布に基づいて被写体の特徴量を抽出するようにしている。
【００３０】
このようにしてエッジパターンから被写体の特徴をより良く示す特徴量を抽出することにより、他の特徴量との組み合わせによる正誤判定の精度を向上させることができる。
【００３１】
（３）請求項３記載の発明は、前記外形特徴量抽出ステップは、前記被写体領域の境界を検出する領域境界点検出ステップと、前記領域境界点検出ステップによって検出された複数の領域境界点から、前記被写体領域の境界の位置変化量を算出する位置変化量算出ステップと、前記位置変化量算出ステップによって算出された位置変化量から外形形状を特定する形状特定ステップとを有し、前記領域境界点検出ステップは、画像を水平もしくは垂直方向の一方または両方について、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を用い、各走査線上のある注目画素について、該注目画素が前記被写体領域に含まれるとともに該注目画素の任意の近傍画素が前記被写体領域に含まれない場合には該注目画素を領域境界点として抽出し、前記位置変化量算出ステップは、全てまたは任意の複数の領域境界点について、隣接する他の領域境界点との位置変化量を求め、前記形状特定ステップは、複数の前記位置変化量から予め準備した複数のパターンに分類することにより外形形状を特定する、ことを特徴とする請求項１記載の特徴量正誤判定方法である。
【００３２】
また、請求項６記載の発明は、前記外形特徴量抽出手段は、前記被写体領域の境界を検出する領域境界点検出手段と、前記領域境界点検出手段によって検出された複数の領域境界点から、前記被写体領域の境界の位置変化量を算出する位置変化量算出手段と、前記位置変化量算出手段によって算出された位置変化量から外形形状を特定する形状特定手段とを有し、前記領域境界点検出手段は、画像を水平もしくは垂直方向の一方または両方について、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を用い、各走査線上のある注目画素について、該注目画素が前記被写体領域に含まれるとともに該注目画素の任意の近傍画素が前記被写体領域に含まれない場合には該注目画素を領域境界点として抽出し、前記位置変化量算出手段は、全てまたは任意の複数の領域境界点について、隣接する他の領域境界点との位置変化量を求め、前記形状特定手段は、複数の前記位置変化量から予め準備した複数のパターンに分類することにより外形形状を特定する、ことを特徴とする請求項４記載の画像処理装置である。
【００３３】
これらの発明では、前記外形特徴量抽出ステップは、画像を水平もしくは垂直方向の一方または両方について、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を用い、各走査線上のある注目画素について、該注目画素が前記被写体領域に含まれるとともに該注目画素の任意の近傍画素が前記被写体領域に含まれない場合には該注目画素を領域境界点として抽出し、全てまたは任意の複数の領域境界点について、隣接する他の領域境界点との位置変化量を求め、複数の前記位置変化量から予め準備した複数のパターンに分類することにより外形形状を特定するようにしている。
【００３４】
このようにして被写体の外形形状から被写体の特徴をより良く示す特徴量を抽出することにより、他の特徴量との組み合わせによる正誤判定の精度を向上させることができる。
【００３５】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態例を詳細に説明する。
（１）全体構成：
以下、画像処理装置の構成を大まかなブロックに従って説明する。なお、本実施の形態例の画像処理装置の各手段は、ハードウェアやファームウェア、またはソフトウェアで構成することが可能である。このため、各手段の処理手順に沿った機能ブロック図を示す。なお、この機能ブロック図は、画像処理方法の実施の形態例を理解するためのフローチャートとしても用いることができる。
【００３６】
放射線画像形成手段１０により得られた放射線画像を、縮小画像生成手段２０に送信する。縮小画像生成手段２０で生成された間引き画像を被写体領域抽出手段３０、外形特徴量抽出手段４０、エッジ特徴量抽出手段５０、その他の特徴抽出手段へ送信する。その他の特徴抽出手段としては、濃度分布を調べるものや、被写体のサイズを調べるものが挙げられる。
【００３７】
被写体領域抽出手段３０では、画像中、被写体が実際に撮影されている領域を抽出し、その領域を示す領域表示画像を外形特徴量抽出手段４０、エッジ特徴量抽出手段５０、その他の特徴抽出手段へ送信する。外形特徴量抽出手段４０では、間引き画像、および領域表示画像を用いて被写体の外形形状を示す特徴量を抽出する。
【００３８】
エッジ特徴量抽出手段５０では、間引き画像、および領域表示画像を用いて、主に被写体内部の構造物を示す特徴量を抽出する。外形特徴量抽出手段４０、およびエッジ特徴量抽出手段５０で得られた特徴量は、それぞれ正誤判定手段６０へ送られる。
【００３９】
正誤判定手段６０では、送られてきた特徴量の組合せを基に正誤判定処理を行い、正しいと判断した特徴量のみを被写体認識手段７０へ送る。被写体認識手段７０では、送られてきた特徴量を基に被写体の部位、および撮影方向を認識する。
【００４０】
（２）放射線画像形成：
図１に示すように、放射線画像形成手段１０により、照射された放射線量の対数に比例した信号値を有する画像が取得され、縮小画像生成手段２０に送られる。この放射線画像形成手段１０としては、前述したＦＰＤを使用したものや、輝尽性蛍光体プレートを読み取って放射線画像を生成する既知の装置を使用することができる。
【００４１】
以降の処理については、専用のハードウェアを構成することにより、電子回路として実現することができる。また、ソフトウェアとして実現することも可能である。
【００４２】
以降の処理に必要な時間を短縮するため、縮小画像生成手段２０により、原画像からサンプリングをして画素数を縮小させた間引き画像を作成し、この間引き画像を被写体領域抽出手段３０、外形特徴量抽出手段４０、エッジ特徴量抽出手段５０へそれぞれ転送する。
【００４３】
以降の処理は、この間引き画像を用いて行う。間引き画像は、できるだけ画素数の少ない方が処理時間短縮のために望ましいが、被写体の特徴が判別できる程の情報量は備えている必要があるため、１mm平方から５mm平方程度の画素サイズとなることが望ましい。なお、ハードウェアの能力に余裕がある場合には、間引き画像を用いる代わりに、原画像を用いて処理してもよい。その場合は、放射線画像生成手段１０から原画像を直接被写体領域抽出手段３０、外形特徴量抽出手段４０、エッジ特徴量抽出手段５０へ転送する。
【００４４】
なお、この実施の形態例では、間引き画像を用いて処理を行うものとして以下の実施の形態例について説明する。
（３）被写体領域抽出：
被写体領域抽出手段３０では、図２に示すように、画像中に存在する被写体領域を抽出し、その情報を外形特徴量抽出手段４０、エッジ特徴量抽出手段５０へ送信する。
【００４５】
（3a）画像を複数の小領域に分割する（図２（ａ））。
（3b）各小領域内毎に、該小領域に含まれる画素信号値の平均信号値をしきい値Ｔｈ１としてそれぞれ求める。
【００４６】
（3c）各小領域毎に、しきい値Ｔｈ１より信号値の低い画素を被写体領域として検出する（図２（ｂ））。
（3d）各小領域で得られた被写体領域の平均信号値を求め、しきい値Ｔｈ２とする。
【００４７】
（3e）画像全体で、しきい値Ｔｈ２よりも信号値の低い画素を被写体領域として検出する（図２（ｃ））。
（3f）照射野外領域を検出された被写体領域から除くために、照射野外領域の境界線を求め、その境界線と、近い方の画像端までの間を、照射野外領域として取り除く（図２（ｄ））。
【００４８】
（3g）照射野外領域の境界線は次のように求める。まず、被写体領域の境界に位置する画素を境界点として検出する。そして、同方向の境界点が多数並ぶ直線を境界候補線として検出する。境界候補線は、任意の２点の境界点から直線の方程式を計算し、その直線上に存在する境界点の個数が、所定のしきい値Ｔｈ３以上なら検出する。そして、境界候補線から画像端までの間が、ほぼ被写体領域となっている場合、その境界候補線は、照射野外領域境界線として、画像端までの間の被写体領域を、照射野外領域として取り除く。
【００４９】
また、被写体領域を抽出する他の手段としては、以下の方法が考えられる。特開昭６３−２５９５３８号公報、特開昭６３−２４４０２９号公報、特開平５−７５７９号公報等に記載された方法により、照射野野領域を検出した後、照射野領域内の画素信号値のヒストグラムの形状から、放射線が直接照射された領域に相当する信号値を見つけ、それらの信号値に相当する領域を照射野から除外した残りの照射野領域を被写体領域とする。
【００５０】
上記手段によって得られた被写体領域は、領域表示画像によって示される。領域表示画像は、間引き画像と同サイズの画像として与えられ、被写体領域に含まれる画素は‘１’、被写体領域外の画素は‘０’、前記照射野外領域境界線上に位置する画素は‘２’の画素値となるように設定する。
【００５１】
被写体領域が互いに連結することのない、複数の領域からなる場合、このうちの最大の領域のみを抽出する。被写体領域数の算出、および各領域の分類については、たとえば従来からよく用いられるラベリング処理等を利用することができる。
【００５２】
こうして被写体領域が複数の領域に分類された場合、各領域に含まれる画素の数をそれぞれカウントし、画素数が最大となる領域のみを改めて被写体領域とし、領域表示画像を更新する。この領域表示画像は、外形特徴量抽出手段４０、エッジ特徴量抽出手段５０へ送られる。
【００５３】
（４）外形特徴量抽出：
外形特徴量抽出手段４０は、図３に示すように、前記被写体領域抽出手段３０によって得られた被写体領域の外形に基づいて、被写体の部位、および方向を判定するために有用な情報を取得する。そこで、被写体領域の領域端を検出して特徴的な領域端の位置変化を見つけ、その結果から特徴量を抽出する。
【００５４】
外形特徴量抽出手段４０は、領域境界点検出手段４１、位置変化量算出手段４２、および形状特定手段４３からなる。これらの動作について以下に説明する。
（４−１）領域境界点検出：
（4-1-a）領域境界点検出手段４１（図３参照）は、被写体領域を示す領域表示画像に対し、水平方向かつ等間隔に、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を設定する。
【００５５】
（4-1-b）各走査線上で、画像左端から順に１画素ずつ右側へ移動しながら画素値を調べ、画素値が最初に‘０’または‘２’から‘１’に変わる位置の画素を領域境界点（左）として検出する。その後、今度は同じ走査線上で画像右端から順に１画素ずつ左側へ移動しながら画素値を調べ、画素値が最初に‘０’または‘２’から‘１’に変わる位置の画素も領域境界点（右）として検出する。もし、画像端での画素値が‘１’の場合は、その走査線上での画像端の画素を領域境界点とする。検出された各領域境界点は、その座標値と、（左）または（右）のいずれに属するかを示す情報が位置変化量算出手段４２に送られる。
【００５６】
（４−２）位置変化量算出：
位置変化量算出手段４２は、前記領域境界点検出手段４１によって得られた領域境界点について、（左）または（右）のグループ毎に、隣接する領域境界点との水平座標値の差を計算する。
【００５７】
次に、前記水平座標値の差から、前記グループ毎に水平座標について被写体領域形状が‘凸’となる極大点（（左）グループなら、水平座標が局所的に最も左側となる点、（右）グループなら水平座標が局所的に最も右側となる点に相当）、被写体領域形状が‘凹’となる極小点（（左）グループなら、水平座標が局所的に最も右側となる点、（右）グループなら水平座標が局所的に最も左側となる点に相当）を求める。また、これら極点（極大、極小点）についてその近傍での凹凸度合を調べる。
【００５８】
極点の位置、および凹凸度合は、以下のように算出する。以下に説明する方法は、（左）グループ、（右）グループとも同様に利用できるので、片方のグループについてのみ説明する。
【００５９】
（4-2-1）極点位置検出：
被写体領域の最上方および最下方に存在する領域境界点以外の領域境界点について、被写体領域上方より順に以下の処理を行う。
【００６０】
当該領域境界点ｐ０とその上方に存在する隣接領域境界点ｐ１との水平座標の差分値ｓ１を求める。同様に、当該領域境界点ｐ０とその下方に存在する隣接領域境界点ｐ２との水平座標の差分値ｓ２を求める。
【００６１】
次に、ｓ１×ｓ２の符号を調べ、所定の条件を満たす場合、極点を検出する。ｓ１×ｓ２＜０のとき、当該領域境界点ｐ０を極点とする。ｓ１×ｓ２＝０のときで、かつｓｊ（ｊ＝１，２）の一方のみ０のとき、差分値が０である方向（上または下）に対し、ｐ０とその近傍に存在する他の領域境界点について、ｐ０から離れる方向へ、順番に水平座標の差分値を計算していく。そして最初に差分値が０以外となったとき、改めてその差分値をｓｊとする。そしてもう一度ｓ１×ｓ２を計算する。このときｓ１×ｓ２＜０となれば、前記ｐ０と、ｓｊが初めて０以外の値となったときの領域境界点の中点を極点とする。
【００６２】
（4-2-2）凹凸度合：
まず、極点から上方に隣接領域境界点間の水平座標の差分値を順次調べてゆき、その差分値が極点上方近傍での差分値と逆符号となるか、０となる点ａを求める。また同様に、極点から下方に隣接領域境界点間の水平座標の差分値を順次調べてゆき、その差分値が極点下方近傍での差分値と逆符号となるか、０となる点ｂを求める。
【００６３】
これら点ａ、点ｂについて、極点近傍の差分値と逆符号になる点が見つからない場合、被写体が存在している垂直座標のそれぞれ最も上方、下方の点を点ａ、点ｂとする。
【００６４】
これらの点ａ、ｂの水平座標の平均値と当該極点の水平座標の差を深度、および点ａ、ｂ間の垂直座標の差を幅としてそれぞれ極点の凹凸度合を表す指標とする。
【００６５】
上記点ａ、点ｂの求め方として、差分値を基準とする代わりに、水平座標の２次微分値を基準としてもよい。２次微分値を基準にする場合も、極点近傍の２次微分値と逆符号となるか‘０’となる点を点ａ、点ｂとする。ただし、差分によって求めた凹凸度合と、２次微分値によって求めた凹凸度合を混在させないようにする。
【００６６】
この凹凸度合を調べる際、微小な変化を検出して大局的な変化を誤らないよう、上記差分値を計算する領域境界点間の距離をある程度離す等の工夫をすることが望ましい。たとえば、垂直方向（領域境界点を検出する際の走査線と直交する方向）の被写体領域の長さを１０〜３０等分した等分線上にある領域境界点のみを用いたり、隣接する複数の領域境界点の平均水平座標を求め、その平均水平座標を基準に上記差分値を求める、等の方法がある。
【００６７】
また、被写体領域と照射野端とが接するところでは、本来の被写体の形状と異なって、凸型の形状となってしまうことがある（図４参照）。そのため、極点が極大点で、かつ被写体領域と照射野端とが接する場合には、この当該極点は検出しなかったものとみなし、深度、幅とも‘０’とする。
【００６８】
被写体領域と照射野端とが接するかどうかの判断は、極点近傍かつ上方、または下方のどちらかにある複数の領域境界点において、所定の距離以内（１〜３画素程度）に照射野端を示す、領域表示画像の画素値が‘２’となる画素があれば、被写体領域と照射野端は接していると判断する。
【００６９】
（４−３）算出結果その他：
上記位置変化量算出手段４２により求められた極点のうち、凹凸度合の大きいものが外形形状をほぼ代表すると考えられる。そこで上記（左）または（右）のグループ毎に、深度の絶対値が大きいものから順に所定数（１〜３個程度が望ましい）だけを抽出し、極点の位置、凹凸のいずれか、深度、幅の情報を１セットとして、外形形状情報とする。
【００７０】
また上記の被写体の水平方向の位置変化と同様に、垂直方向の位置変化についても極点を求め、外形形状情報として形状特定手段４３に送信する。
（４−４）形状特定：
形状特定手段４３では、得られた外形形状情報から、予め準備した複数のパターンに分類することにより、外形形状を特定する。放射線撮影における人体の外形形状は、その被写体となる部位により、異なる特徴を有する。
【００７１】
例として図５（ａ）に示すような頭部画像では、（左）および（右）の各グループから得られた位置変化量情報を画像上端から下端側へ調べていくと、ともに途中で画像左端、および右端に近づくよう変化した後、また画像端から遠ざかるような変化をするため、外形形状を“樽型”と分類できる。
【００７２】
一方、図５（ｂ）に示すような頚部画像では、逆に途中で一度画像端から遠ざかり、再び画像端に近づくような変化することが分かる。このような場合、外形形状は“砂時計型”と分類できる。
【００７３】
また、図５（ｃ）に示すような腹部画像では、領域境界点の水平方向の位置変化はあまりなく、外形形状は“矩形型”と分類できる。さらに、図５（ｄ）に示すような膝関節画像では、途中で折れ曲がった形をしているので、“ブーメラン型”と分類できる。
【００７４】
その他にも“扇型”（肩関節等）、“枝分かれ型”（手指等）、“片凸型”（踵等）、“三角形型”（鎖骨等）が考えられる。
外形形状情報を用いて、被写体の外形を上記に示したような幾つかのパターンのうち、最適と思われる形状に分類する。
【００７５】
たとえば、“樽型”と分類するための条件としては、以下のように定義される。
・最も幅の広い極点は、（左）（右）とも凸，
・上記両極点の位置は、それぞれ被写体を上下方向に３等分したときの中心部に存在，
・上記両極点の深度は、ともに被写体左右方向の平均幅の１０％以上，
同様に、“砂時計型”と分類するための条件としては、以下のように定義される。
・最も幅の広い極点は、（左）（右）とも凹，
・上記両極点の位置は、それぞれ被写体を上下方向に３等分したときの中心部に存在，
・上記両極点の深度は、ともに被写体左右方向の平均幅の１０％以上，
また、“ブーメラン型”と分類するための条件としては、以下のように定義される。
・最も幅の広い極点は、（左）（右）一方が凸、他方が凹，
・上記両極点の深度は、ともに被写体左右方向の平均幅の２０％以上，
さらに、“矩形型”と分類するための条件としては、以下のように定義される。
・最も深度の深い極点は、（左）（右）ともに被写体左右方向の平均幅の１０％未満，
なお、上記に示した分類条件はあくまでも一例にすぎず、他にも同様なものが考えられる。
【００７６】
こうして分類された結果は、分類結果を表す形状ベクトルＳの各要素に関連づけて記憶される。形状ベクトルＳは、上記分類結果に対応する要素のみ“０”以外の値を持つことで表す。たとえば、“樽型”、“砂時計型”、“ブーメラン型”、“矩形型”に対応する要素番号をそれぞれ‘０’、‘１’、‘２’、‘３’と設定しておく。そして、分類結果が“樽型”であれば、Ｓ［０］＝１とし、“砂時計型”であれば、Ｓ［１］＝１というように記憶される。この形状ベクトルＳが外形形状特徴量として出力され、正誤判定手段６０へ送られる。
【００７７】
（５）エッジ特徴量抽出：
骨部と軟部の境界や、肺野の輪郭等では、構造物の組成の差異により、放射線の吸収量が異なるために、その境界を挟んだ領域では大きく画素の信号値が異なる。そのため、近傍画素間の信号変化を調べることにより、これら構造物の存在を把握することができる。
【００７８】
ここで、エッジ特徴量抽出手段５０は、エッジ抽出手段５１、エッジ集中度計算手段５２、エッジパターン認識手段５３からなる。
以下順次説明する。
【００７９】
（５−１）エッジ抽出：
エッジ抽出手段５１にて、近傍画素間の信号変化を求める方法としては、１次微分に基づく方法や、２次微分こ基づく方法がある。特に２次微分を用いると、単調的な人体の厚み変化等は検出し難くなり、組成の変化をより忠実に捉えられる。そこでこのエッジ抽出手段５１では、２次微分に相当する演算処理により、近傍画素間の信号変化を抽出する。
【００８０】
（5-1-a）前記間引き画像において、被写体領域に含まれる各画素Ｐx,y（x：水平方向座標値、y：垂直方向座標値）に対し、図６（ａ）（ｂ）に示す２種類の各フィルタを用いて演算処理を実施する。演算結果として得られるエッジ強度情報Ｑx,yは、以下のように表される。
Ｑx,y＝ａmax（ΣΣＰx+i,y+jＭｎi,j）
ここでＭｎi,jは各フィルタ（ｎ＝１，２）の値を表す。
また、ａmax（）は、前記各フィルタを用いて演算した結果のうち、絶対値について比較し、最大となる絶対値をＱx,yとすることを示す。
【００８１】
また、Ｍｎi,jの各画素毎の値は図５に示す各フィルタの個々のマス内に記した数値とする。
さらに、画像端部で上記演算を実施する際、フィルタ値を乗ずるべき画素が画像外となって存在しないときには、その画像外となる画素に、仮想的にそのフィルタ演算の中心画素の値を代入して演算処理を行う。
【００８２】
（5-1-b）さらに、上記演算処理によって、ａmax（）で選択されたフィルタに相当する番号ｎを、エッジ方向情報Ｄx,yに、
Ｄx,y＝ｎ，
として各画素毎に記憶する。エッジ方向情報Ｄx,yは、その画素におけるエッジの方向を表す指標となる。たとえばｎ＝１のとき、水平方向のエッジとなり、ｎ＝２のときには、垂直方向のエッジを表す。
【００８３】
(5-1-c）骨部のエッジ等の重要な情報を有する画素では、近傍画素間の信号変化が大きい。そこで上記エッジ強度情報Ｑx,yから、エッジ強度の大きな画素だけを抽出することにより、重要なエッジ情報を得ることができる。
【００８４】
そこで、上記Ｑx,yの値を画像全体で集計し、各画素についてＱx,yの値が大きい方から全体のα％に属するか否かを判別し、その結果をエッジ選択情報Ｌx,yに保存する。ここで、Ｌx,yは、以下の値で表される。
・Ｌx,y＝１，
（Ｑx,yが値の大きい方から順に、全体のα％以内の場合）
・Ｌx,y＝０，
（Ｑx,yが値の大きい方から順に、全体のα％以内でない場合）
上記のα％は、必要なエッジ情報を正しく得るために５％〜４０％であることが望ましい。
【００８５】
また比較的、被写体が小さい程その中に含まれる骨部領域が増えると考えられるので、上記αの値は、被写体領域の大きさにより変更し、被写体領域が小さいほどαの値は大きくなるようにすることが望ましい。被写体領域の大きさは、前記領域表示画像において、画素値‘１’の画素数の総計を求めることにより評価できる。
【００８６】
この手段において得られたエッジ方向情報Ｄx,y、エッジ選択情報Ｌx,yおよびエッジ強度情報Ｑx,yは、それぞれ信号変化情報としてエッジ集中度計算手段５２へ送られる。
【００８７】
（５−２）エッジ集中度計算：
エッジ集中度計算手段５２では、得られたエッジ方向情報Ｄx,y、エッジ選択情報Ｌx,y、エッジ強度情報Ｑx,yから、エッジの連続性、集中度を調べる。
【００８８】
人体を放射線撮影すると、その被写体となる部位、及び撮影方向により、特徴的なパターンを有する。例として図７（ａ）に示す脚部画像のような四肢骨が被写体となっている場合、骨の境界線に沿って、比較的強度が大きく、また境界線に直交する方向の成分を有するエッジが連続して存在することになる。このような同方向の連続したエッジは、肺野の輪郭や、顎骨のエッジ等にも現れる。
【００８９】
また図７（ｂ）に示す腰椎画像のように、脊椎を主な被写体とする場合には、脊椎が小さな骨の集合であるために、脊椎部分に強度の大きなエッジが集中するものの、それらエッジの方向には統一性が無い。
【００９０】
そこで、以下に示すよう、
“連続した同方向エッジ”（四肢骨、肺野輪郭等に現れる）、
“方向性のないエッジ集中線”（脊椎部分に現れる）、
といったエッジの連続性や集中度を求めることにより、被写体の部位を認識するために有用な情報を得ることができる。
【００９１】
（5-2-a）連続した同方向エッジの抽出：
（5-2-a-1）Ｌx,y＝１である注目画素Ｉx,yにおいて、Ｄx,yに示されるエッジ方向と直交する方向の両隣接画素Ｉi,j、Ｉk,lについて、同方向のエッジ成分を持ち、かつＩx,yと同様にＬi,j＝１、Ｌk,l＝１であるとき、Ｌx,yの値を‘１’増加する。
【００９２】
（5-2-a-2）次に、Ｌx,y＝２である注目画素Ｊx,yについて、上記（5-2-a-1）と同様、Ｄx,yに示されるエッジ方向と直交する方向の両隣接画素Ｊi,j、Ｊk,lについて、同方向のエッジ成分を持ち、かつＪx,yと同様にＬi,j＝２、Ｌk,l＝２であるとき、Ｌx,yの値をさらに，‘１’増加する。
【００９３】
（5-2-a-3）
そして、上記（5-2-a-2）の処理をさらにｍ回繰り返す。すると、（ｍ＋２）個以上連続して同方向かつ一定以上の強度を有するエッジが連続していると、その連続したエッジの中心の画素において、Ｌx,y＝ｍ＋１となる。そこで、予め設定したしきい値Ｔhd１と、任意の画素についてＬx,yの値を比較し、
Ｌx,y＞Ｔhd１ …▲１▼
となるとき、“連続した同方向エッジ”というパターンを抽出する。
【００９４】
ここで、しきい値Ｔhd１は、被写体の実寸で約５〜２０cmに相当する値となることが望ましい。
ここで抽出されたパターンは、配列Ａ１［ｕ］（ｕ＝０，１，…）に、そのパターンの中心画素の座標値（上記▲１▼式を満たす画素の座標値、近接して複数存在するときはそのうちどれか１画素の値）として記憶される。また、抽出されたパターンの個数は、配列Ｂ［ｖ］のｖ＝０の要素に記憶される。
【００９５】
また、処理における計算時間を短縮するため、以上の（5-2-a-1）〜（5-2-a-3）に示した方法の代わりに、以下に説明する方法をとってもよい。
（5-2-a-4）画像を複数の小領域に分割する。個々の小領域は、３×３画素〜１０×１０画素程度が望ましい。
【００９６】
（5-2-a-5）各小領域毎に、当該小領域に含まれる画素についてＬx,y＝１となる画素数を、Ｄx,yに示されるエッジ方向毎に集計し、Ｃｎ（ｎ＝１，２）に記憶する。ここでｎは、上記Ｄx,yが有するエッジ方向の指標と同一とする。
【００９７】
（5-2-a-6）以上の（5-2-a-5）の集計結果に基づき、任意の小領域について、ある特定方向ｍ（ｍ＝１，２）のエッジ成分数Ｃｍが多数を占め、かつ一定以上の値を有すると共に、同様の小領域が近接して複数存在するとき、それら小領域中に“連続した同方向エッジ”というパターンが含まれるとする。
【００９８】
この場合、上記配列Ａ１には、当該小領域に含まれる任意の画素（例：領域の中心、Ｌx,y＝１を満たす画素の重心）を記憶する。
（5-2-a-7）さらに、上記（5-2-a-1）〜（5-2-a-3）の方法と、（5-2-a-4）〜（5-2-a-6）の方法とを融合し、（5-2-a-1）〜（5-2-a-3）で求めたＬx,y＞ａ（ａ：０より大きな任意の値）が多数存在する小領域に、“連続した同方向エッジ”、というパターンが含まれるとしてもよい。
【００９９】
（5-2-b）方向性の無いエッジ集中線の抽出：
（5-2-b-1）まず、画像を複数の小領域に分割する。個々の小領域は、３×３画素〜１０×１０画素程度が望ましい。
【０１００】
（5-2-b-2）分割した各小領域毎に、当該小領域に含まれる画素についてＬx,y＝１となる画素数を、Ｄx,yに示されるエッジ方向毎に集計し、Ｃｎ（ｎ＝１，２）に記憶する。ここでｎは、上記Ｄx,yが有するエッジ方向の指標と同一とする。また、各Ｃｎの合計をＣ０に記憶する。
【０１０１】
（5-2-b-3）以上の記憶のＣ０が予め定めたしきい値Ｔhd２より大きな値となる小領域が、直線的に連続してＴhd３個以上存在するとき、それらの小領域を抽出する。
【０１０２】
（5-2-b-4）以上の（5-2-b-3）で抽出された各小領域毎のＣｎを、ｎの値毎に集計し、特定方向のみのエッジ成分が多くなければ、それら抽出された小領域が示す部分に、“方向性のないエッジ集中線”というパターンを検出する。
【０１０３】
抽出されたパターンは、配列Ａ２に、上記抽出された小領域のうち、両端部に存在する小領域内の特定画素の座標値をそれぞれ記憶する。また、配列Ｂ［ｖ］のｖ＝１の要素に、‘１’という値が記憶される。“方向性のないエッジ集中線”が検出できないときは、Ｂ［１］＝０とする。
【０１０４】
（5-2-b-5）上記（5-2-a-6）や（5-2-b-4）において、複数のエッジ方向成分のうち、特定方向のエッジ方向成分が多いかどうか判別するための手段としては、χ自乗検定のような統計的方法や、特定方向成分の数が全体数のうち一定の割合以上を占めるかどうか、といった単純な判定による方法がある。
【０１０５】
（５−３）特徴量の抽出：
前記エッジ集中度計算手段５２によって得られたパターンに基づいて、エッジパターン認識手段５３によって特徴量を抽出することができる。単純には、上記Ａ１、Ａ２、Ｂの値をそのまま特徴量として抽出してもよい。
【０１０６】
しかし、検出されたパターンの数や位置の組み合わせを考慮することによって、より有意義な特徴量を抽出することができる。
たとえば、四肢骨のように比較的長さのある骨の場合、骨の両サイドについて“連続した同方向エッジ”のパターンが検出される。そこで、“連続した同方向エッジ”が、近接して略平行に２本存在するとき、エッジパターンをたとえば“長い骨”として抽出する。
【０１０７】
また一方、頚椎では、顎骨の輪郭で“連続した同方向エッジ”が１本だけ存在する。さらに胸部では、肺野の輪郭で“連続した同方向エッジ”が検出され、それらは離れた位置に存在することとなる。そこでエッジパターンを“輪郭”として抽出する。さらにその抽出された“連続した同方向エッジ”の本数や、被写体の長手方向に対する向き等で分類してもよい。
【０１０８】
さらに、腰椎等では、“方向性の無いエッジ集中線”が脊椎部分で検出できるので、“方向性の無いエッジ集中線”があるとエッジパターンを“脊椎”とする。これに加え、被写体領域中に占める“方向性の無いエッジ集中線”の位置でパターンを分類してもよい。この“長い骨”や“輪郭”、“脊椎”といった分類結果は、形状ベクトルＳと同様なエッジパターンベクトルＥに記憶される。
【０１０９】
そして、このエッジパターンベクトルＥをエッジ特徴量抽出手段５０の出力とし、正誤判定手段６０に送信する。
（６）正誤判定：
外形特徴量抽出手段４０から得られた特徴量、エッジ特徴量抽出手段５０から得られた特徴量は、正誤判定手段６０において相互に組み合わされ、正しいかどうかの判断がなされる。正しいと判断された特徴量のみが被写体認識手段７０へ出力され、撮影部位等の判断に利用される。
【０１１０】
正誤判定手段６０は、組合せ判定手段６１、組合せ記憶手段６２、特徴量削除手段６３からなる。以下に順次説明する。
（６−１）組合せ判定および組合せ記憶：
組合せ判定手段６１は、前記形状ベクトルＳ、およびエッジパターンベクトルＥを、それぞれ組合せ記憶手段６２に転送する。組合せ記憶手段６２では、送信されたきたそれぞれのベクトルの‘０’でない要素の組合せと、削除対象として記憶されている組合せとが同一かどうか比較する。もし同一であれば、組合せ判定手段６１へ同一な組合せが存在することを示し、かつ削除する特徴量を示す信号を返す。同一な組合せが存在しないときは、その旨を示す信号を返す。
【０１１１】
もし、同一な組合せが存在しない信号が送信されてきた場合は、全ての特徴量が正しいと判断し、全ての特徴量を被写体認識手段７０へ送信する。
逆に、同一な組合せが存在する信号が返信されてきた場合、前記削除する特徴量を示す信号と共に、全ての特徴量を特徴削除手段６３に送信する。
【０１１２】
（６−２）特徴量削除：
特徴量削除手段６３では、前記削除する特徴量を示す信号に基づいて特徴量を選択し、これを削除する。組合せ記憶手段６２に予め記憶しておくべき削除する特徴量については、たとえば経験的に決定する。たとえば、外形形状による特徴量が“樽型”（頭部を示す）と判断された結果が、非常に信頼性が高ければ、信号変化による特徴量として“長い骨”が抽出されていると、この“長い骨”という特徴量を誤りと判定する。
【０１１３】
（６−３）正誤判定その他：
以上のようにして複数の特徴量の組み合わせにより、特徴の正誤判定を行うことによって、撮影部位または方向を精度良く認識することができる。
【０１１４】
なお、以上本実施の形態例では、被写体の外形形状、およびエッジパターンの組合せによる正誤判定について述べてきたが、異なる特徴量の組合せによる正誤判定は、これに限るものではない。
【０１１５】
たとえば、特開平４−１４１１５３号公報や特開平１１−８５９５０号公報に記載されている画像のプロファイルやヒストグラム等、濃度分布を調べることによって得た濃度特徴量と、前記外形形状の組合せ、また該濃度特徴量と前記エッジパターンの組合せ、さらに被写体領域の大きさ（たとえば前記領域表示画像で‘１’となる画素の数で表す）を特徴量とし、これと前記外形形状やエッジパターン、濃度特徴量を組み合わせることも考えられる。
【０１１６】
（７）正誤判定以降：
診断用画像においては、被写体の撮影部位または撮影方向によって診断に適した画像とするために行う画像処理は異なることが多々ある。そのため、予め複数の画像処理条件を準備しておき、画像処理条件記憶手段９０の中に記憶しておく。被写体認識手段７０では、前記正誤判定手段６０から送信された特徴量に基づき、被写体の撮影部位および撮影方向を認識する。認識結果は画像処理条件選択手段８０に送られる。画像処理条件選択手段８０は、前記認識結果に基づき、前記画像処理条件記憶手段９０から、最適な画像処理条件を選択する。選択された画像処理条件は、画像処理手段１００へ送られる。画像処理手段１００では、放射線画像形成手段１０より送られた原画像に対し、前記画像処理条件を用いて画像処理を実行する。画像処理を施された処理済み画像はモニタやプリンタに出力され、診断に利用される。
【０１１７】
【発明の効果】
以上説明したように、本発明によれば、放射線画像に対して、複数の特徽量を求め、それら特徴量を互いに組み合わせることにより、正誤判定を行って誤った特徴量を削除し、精度良く被写体の撮影部位や撮影方向を認識する特徴量正誤判定方法および画像処理装置を実現できる。
【図面の簡単な説明】
【図１】本発明の実施の形態例の画像処理装置の構成と画像処理の流れ（処理フロー）を示す機能ブロック図である。
【図２】本発明の実施の形態例における被写体領域抽出の説明図である。
【図３】本発明の実施の形態例における領域境界点検出の説明図である。
【図４】本発明の実施の形態例における外形形状情報の説明図である。
【図５】本発明の実施の形態例における人体各部位についての外形形状の説明図である。
【図６】本発明の実施の形態例における近傍画素間の信号変化を求めるためのフィルタ形状図である。
【図７】本発明の実施の形態例における信号変化大な画素の分布の説明図である。
【符号の説明】
１０ 放射線画像形成手段
２０ 縮小画像生成手段
３０ 被写体領域抽出手段
４０ 外形特徴量抽出手段
５０ エッジ特徴量抽出手段
６０ 正誤判定手段
７０ 被写体認識手段
８０ 画像処理条件選択手段
９０ 画像処理条件記憶手段
１００ 画像処理手段

Claims (6)

1. 被写体を透過した放射線量を検出し、その検出量に対応した放射線画像に対し、被写体が撮影されている被写体領域を抽出することにより、被写体の撮影部位または撮影方向を特定するために使用する特徴量を抽出する複数の特徴量抽出ステップと、
   前記複数の特徴量抽出ステップから得られた複数の特徴量の組み合わせは形状ベクトルおよびエッジパターンベクトルの組合せで構成されており、削除対象として予め記憶されている組合せと比較して同一の組合せとなる特徴量を削除することにより、該特徴量の正誤判定を行う特徴量正誤判定ステップと、
   を有し、
   前記複数の特徴量抽出ステップは、
   前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化から特徴量を抽出するエッジ特徴量抽出ステップと、
   前記被写体領域抽出ステップによって抽出された被写体領域の外形形状から特徴量を抽出する外形特徴量抽出ステップとを有する、
   ことを特徴とする特徴量正誤判定方法。
2. 前記エッジ特徴量抽出ステップは、
   前記被写体領域抽出ステップによって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化量が、所定の条件を満たす画素を抽出するエッジ検出ステップと、
   前記エッジ検出ステップによって抽出された画素の空間分布に基づいて被写体の特徴量を抽出するエッジパターン検出ステップとを有する、
   ことを特徴とする請求項１記載の特徴量正誤判定方法。
3. 前記外形特徴量抽出ステップは、
   前記被写体領域の境界を検出する領域境界点検出ステップと、
   前記領域境界点検出ステップによって検出された複数の領域境界点から、前記被写体領域の境界の位置変化量を算出する位置変化量算出ステップと、
   前記位置変化量算出ステップによって算出された位置変化量から外形形状を特定する形状特定ステップとを有し、
   前記領域境界点検出ステップは、画像を水平もしくは垂直方向の一方または両方について、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を用い、各走査線上のある注目画素について、該注目画素が前記被写体領域に含まれるとともに該注目画素の任意の近傍画素が前記被写体領域に含まれない場合には該注目画素を領域境界点として抽出し、
   前記位置変化量算出ステップは、全てまたは任意の複数の領域境界点について、隣接する他の領域境界点との位置変化量を求め、
   前記形状特定ステップは、複数の前記位置変化量から予め準備した複数のパターンに分類することにより外形形状を特定する、
   ことを特徴とする請求項１記載の特徴量正誤判定方法。
4. 被写体を透過した放射線量を検出し、その検出量に対応した放射線画像に対し、被写体が撮影されている被写体領域を抽出することにより、被写体の撮影部位または撮影方向を特定するために使用する特徴量を抽出する複数の特徴量抽出手段と、
   前記複数の特徴量抽出手段から得られた複数の特徴量の組み合わせは形状ベクトルおよびエッジパターンベクトルの組合せで構成されており、削除対象として予め記憶されている組合せと比較して同一の組合せとなる特徴量を削除することにより、該特徴量の正誤判定を行う特徴量正誤判定手段と、
   を有し、
   前記複数の特徴量抽出手段は、
   前記被写体領域抽出手段によって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化から特徴量を抽出するエッジ特徴量抽出手段と、
   前記被写体領域抽出手段によって抽出された被写体領域の外形形状から特徴量を抽出する外形特徴量抽出手段とを有する、
   ことを特徴とする画像処理装置。
5. 前記エッジ特徴量抽出手段は、
   前記被写体領域抽出手段によって抽出された被写体領域に含まれる任意の画素について、その近傍画素との信号変化量が、所定の条件を満たす画素を抽出するエッジ検出手段と、
   前記エッジ検出手段によって抽出された画素の空間分布に基づいて被写体の特徴量を抽出するエッジパターン検出手段とを有する、
   ことを特徴とする請求項４記載の画像処理装置。
6. 前記外形特徴量抽出手段は、
   前記被写体領域の境界を検出する領域境界点検出手段と、
   前記領域境界点検出手段によって検出された複数の領域境界点から、前記被写体領域の境界の位置変化量を算出する位置変化量算出手段と、
   前記位置変化量算出手段によって算出された位置変化量から外形形状を特定する形状特定手段とを有し、
   前記領域境界点検出手段は、画像を水平もしくは垂直方向の一方または両方について、画像の一端から他方の画像端まで順に走査する複数の異なる走査線を用い、各走査線上のある注目画素について、該注目画素が前記被写体領域に含まれるとともに該注目画素の任意の近傍画素が前記被写体領域に含まれない場合には該注目画素を領域境界点として抽出し、
   前記位置変化量算出手段は、全てまたは任意の複数の領域境界点について、隣接する他の領域境界点との位置変化量を求め、
   前記形状特定手段は、複数の前記位置変化量から予め準備した複数のパターンに分類することにより外形形状を特定する、
   ことを特徴とする請求項４記載の画像処理装置。

Images