JP4115934B2 - リアルタイムで最適なパス抽出にポテンシャル項を適応させる方法 - Google Patents
リアルタイムで最適なパス抽出にポテンシャル項を適応させる方法 Download PDFInfo
- Publication number
- JP4115934B2 JP4115934B2 JP2003507763A JP2003507763A JP4115934B2 JP 4115934 B2 JP4115934 B2 JP 4115934B2 JP 2003507763 A JP2003507763 A JP 2003507763A JP 2003507763 A JP2003507763 A JP 2003507763A JP 4115934 B2 JP4115934 B2 JP 4115934B2
- Authority
- JP
- Japan
- Prior art keywords
- points
- point
- potential
- positive
- drawn
- 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.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 238000005315 distribution function Methods 0.000 claims description 26
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 2
- 230000003278 mimic effect Effects 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract description 26
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000006978 adaptation Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 19
- 230000011218 segmentation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000011038 Cold agglutinin disease Diseases 0.000 description 2
- 208000020345 childhood apraxia of speech Diseases 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000014155 speech-language disorder-1 Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007306 functionalization reaction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
【技術分野】
【０００１】
本発明は、少なくともポテンシャルの最小化を用いてパス抽出により画像のセグメント化のための方法であって、前記ポテンシャルはコスト分配関数を用いて画像の特徴から計算される方法に関する。前記方法はコスト分配関数を修正するために描かれる輪郭を用いる。
【背景技術】
【０００２】
そのような方法は、Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０， ｐｐ ３４９−３８４，１９９８に開示されている。実際の画像の境界と比較して妥当である輪郭が描かれることを仮定すると、ポテンシャルの関数は有効な描かれる輪郭と同じ特徴をもつ輪郭が好まれるために修正される。この修正は、コスト分配関数の修正により実現する。境界について関連すると考えられる特徴の特定な値が特定であればある程、コストは益々小さく成る筈である。このようなアイデアの特徴は、パスの最後のセグメント（トレーニングパスと呼ばれる）にあるポイントの特徴付けにより象徴化される。ポテンシャルの関数は初期化され、その関数の最小化による抽出の間に、この初期の全体的な特徴付けは、仮定された有効な描かれる輪郭におけるポイントの特徴を用いて繰り返して修正される。
【０００３】
従来の方法においては、ポイントの特徴は、仮定された有効な描かれる輪郭上にあるポイントについて定義される。したがって、境界に属するポイントは描かれるパスに沿って種々の側面をもつことができるため、そのようなパスの抽出は信頼性に欠ける。
【発明の開示】
【課題を解決するための手段】
【０００４】
本発明の目的は、少なくともポテンシャルの最小化を用いてパス抽出により画像のセグメント化のための改善された方法であって、前記方法はポテンシャルを修正するために描かれる輪郭またはポテンシャルの関数を用いる方法を提供することである。前記改良された方法は、より信頼性の高い、導き出されたポテンシャル関数を提供する。
【０００５】
本発明にしたがった方法は：
コスト分配関数を初期化する段階；
描かれる輪郭の近くにおいて２つの群のポイントを定義する段階であって、境界に関連するように考慮される群は正のポイントと呼ばれ、前記境界に関連するように考慮されない群は負のポイントと呼ばれる、段階；
特徴から正のポイントの特徴付けを定義する段階；
特徴から負のポイントの特徴付けを定義する段階；
正のポイントと負のポイントの特徴付けを組み合わせることにより正のポイントの洗練された特徴付けを構成する段階；並びに
コスト分配関数を修正するためにこの洗練された特徴付けを用いる段階；
を有する。
【０００６】
本発明の技術は、“正”ばかりでなく“負”の群のポイントの定義に基づいている。正の群のポイントは、画像にある境界に関連するとみなされるポイントを有し、描かれる輪郭上または近くにあるポイントを意味する一方、負の群のポイントは境界に関連するとみなされないポイントを有する。負の情報のために、特徴付けられ且つ本方法により考慮される領域が大きくなるにつれ、得られたポテンシャルはポテンシャルの最小化によりパスのより信頼性の高い抽出を可能にする。
【０００７】
好適な実施形態において、幾つかのポテンシャルについて、正のポイントと負のポイントの特徴付けを比較することは、パスを見つけるために最小化されることが必要である全てのポテンシャル関数における個々のポテンシャルの重み付けに適応させることにおいて
有用である。
【発明を実施するための最良の形態】
【０００８】
図１を参照するに、画像ＩＭは、少なくともポテンシャルＰＯＴにより特徴付けられ、前記ポテンシャルＰＯＴは、分配段階ＣＡＳにおいて特徴ＦＥＡにコスト分配関数を適用することにより得られる。その特徴は、画像の境界を表すことを意図され、画像において簡単な操作段階ＯＰＥから直接得られる。そのような特徴は、例えば、次のようなものとすることができる。
ＰＧ：“勾配の特徴”即ち勾配の大きさ、
ＰＤ：“勾配の方向の特徴”、
ＰＬ：“ラプラシアンの特徴”即ちラプラシアンのゼロ交差
ＰＩ（または、ＰＯ）：“内部の（または、外部の）強度の特徴”即ち勾配方向（または、勾配方向の反対側）の境界における画素強度、
ＰＥ：“エッジ強度の特徴”即ち境界における画素強度。
【０００９】
それらの特徴に関する詳細については、Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０，ｐｐ３４９−３８４，１９９８に記載されている。
【００１０】
そのようなパス抽出方法の主な問題点は、用いられるポテンシャルが画像の異なる境界について適切である必要があることである。ポテンシャルが適切であり、即ち、特徴がコスト分配関数を用いて変換される場合、境界はポテンシャルの最小に対応する。
【００１１】
したがって、ポテンシャルは、画像について適切であるように適合される。これは、コスト分配関数が各々の特徴ＦＥＡの興味深い一部を強調するために修正されなければならないことを意味する。
【００１２】
一部の特徴（例えば、画素強度）については、抽出すべき境界についての予めの知識なしに、どの値が好適であるかを決定することは困難である。そのことが、描画段階ＤＲＷにおいて描かれた輪郭（例えば、ユーザにより描かれる輪郭）を用いるトレーニング方法が有用である理由である。個々のポテンシャルは、コスト分配ＣＡＳの段階において特徴ＦＥＡに適用されるコスト分配関数ＣＡＦを用いて構築される。トレーニングは、描画段階ＤＲＷから利用可能である情報を用いる計算段階ＣＡＬにおいてこのようなコスト分配関数ＣＡＦを動的に修正するために用いられる。トレーニング法は、結果的にコスト分配関数ＣＡＦの修正をもたらし、それ故、ポテンシャルＰＯＴの修正をもたらす。
【００１３】
より詳しくは、本発明は、描画段階ＤＲＷの後に利用可能である情報の使用と方法とのこのようなトレーニングの側面に関する。トレーニングの目的は、パスの抽出の間に、描かれる輪郭の特性にコスト分配関数を適応されることである。
【００１４】
Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０，ｐｐ３４９−３８４，１９９８は次のようなスキームを紹介した。即ち、描かれる輪郭は画像に存在する境界に有効であるかまたは関連すると仮定すると、コスト分配関数は、各々の特徴について同じ側面をもつ輪郭が好まれるために、図２に示される計算段階において修正される。好適な実施形態においては、ユーザが画像を見ることにより境界の第１アプローチを定義することができるため、前記輪郭はユーザにより描かれる。図２は、特徴（例えば、強度）のパラメータに対するポイントの分布を示す曲線の形においてポイントの特徴付けの例を示している。コスト分配関数は初期化される。例えば、最初のコスト分配関数は、特徴の全体的なヒストグラムＧＦＨの逆であり、前記ヒストグラムは特徴、即ち、例えば、強度に対するポイントの分布の特徴付けを報告する。抽出の間に、最初の特徴付けＧＦＨは、描かれる輪郭からの情報ＤＣＩを用いることにより新しい特徴付けＮＦＣに繰り返し修正される。新しいコスト分配関数ＣＡＦは、それ故、新しい特徴付けＮＦＣの逆である。
【００１５】
従来の方法においては、トレーニングは、パスそれ自体の一部に制限され、“正”の情報のみを考慮している。本発明は、正および負のトレーニングの群のポイントを定義することを提案している。
【００１６】
正のトレーニングの群は、画像上にある境界に関連すると仮定される、描かれる輪郭の近くにあり、負のトレーニングの群は離れている。第１実施形態（図３ａ参照）においては、正のポイントは、描かれる輪郭上にあるポイントであり且つ第１輪郭からの距離は第１距離より小さく、そして、負のポイントは、描かれる輪郭の周りに定義された矩形状の領域に存在する他のポイントである。この実施形態は多くのポイントを考慮し、したがって、長い計算を必要とする。また、他の境界がその矩形状の領域に存在し、パスの抽出における誤りを示している。
【００１７】
他の実施形態（図３ｂ参照）においては、正のポイントは描かれる輪郭上に存在し且つ描かれる輪郭からの距離は第１距離より小さいポイントであり、そして負のポイントは、描かれる輪郭から第１距離よりさらに遠く離れており且つ第２距離より近い他のポイントである。両方の領域は、ここで、境界としてのパスの形状に従う。この方法はまた、多くのポイントを考慮し、それ故、時間が掛かる。
【００１８】
好適な実施形態（図３ｃ参照）において、正および負のポイントの群が、この描かれる輪郭ＤＣに平行である描かれる輪郭ＤＣのトランスレーションとして選択されている。正のポイントの群はｐ個の最近接の変換の群であり、そして負のポイントの群はｎ個の次の変換の群である。異なる変換されたセグメントに存在するポイントは、特徴付けの定義におけるトレーニングパスに対するそれらの距離により重み付けされることができる。そのような重み付けを用いると、描かれる輪郭ＤＣ（例えば、図２における曲線ＤＣＩ）からの情報を表すことは、ＤＣの最近接のポイントは曲線構成の他のポイントより強い重み付けを有するため、そのような重み付けを考慮する。負／正のポイントの群は、図３ｃに示すように、勾配の大きさおよびエッジ強度の特長について対称的とすることができる。しかしながら、“内側”および“外側”の特徴の非対称性の側面を考慮するために、パスにおける勾配の方向、パスの方向および考慮された特徴に依存して、それらのために非対称性トレーニング領域を採用することが可能である。
【００１９】
図３において提供された実施形態のために図１を参照するに、描かれる輪郭からの情報は、本発明にしたがって、２倍である。ここで、ＰＰは正のトレーニングのポイントの群に対応し、ＮＰは負のトレーニングのポイントの群に対応する。
【００２０】
図４を参照するに、正／負のトレーニングのポイントの群が、それぞれ、正のポイント（図４ａ）および負のポイント（図４ｂ）に対応する２つの区別可能なトレーニングの特徴付けを構築するために用いられる。正の特徴付け（図４ａ）と負の特徴付け（図４ｂ）との間の代数的な差（図４ｃ）が計算され、そして、コスト分配関数（図４ｄ）は図４ｃに示されたこの差のスケールを逆にしたものである。図２を参照するに、描かれる輪郭からの情報ＤＣＩは、本発明にしたがった正のポイントの群と負のポイントの群との間の代数的な差である。この差は正のポイントの洗練された特徴付けを定義する。図２と比較するに、図４においては、コスト分配関数は、０に初期化することを用いて計算され、それ故、特徴の全体的なヒストグラム（または、特徴付け）を用いて計算されない。この初期化のために、コスト分配関数の何れかの演繹的な知識を有することは必要ない。
【００２１】
本発明にしたがった方法の結果は、そのような洗練された正のポイントの特徴付けを用いることにより、負の領域の特徴の値が著しく不利にされる一方、正の領域のグレーレベルは有利にされることである。
【００２２】
好適な実施形態において、異なる特徴に対応する幾つかのポテンシャルが用いられる。その結果、ポテンシャル関数が定義され、パス抽出はポテンシャル関数の最小化となる。実際には、ポテンシャル関数は、複合的なポテンシャルである。
【００２３】
そのようなポテンシャルを用いることにより、画像に対して最小化される必要がある関数の著しい適応を可能にする。この場合の境界は、ポテンシャル関数の最小として尚も定義される。
【００２４】
Ｄｉｊｋｓｔｒａ並びにＣｏｈｅｎおよびＫｉｍｍｅｌは、そのようなポテンシャル関数からのパスを調べるために種々のアルゴリズムを提案している（Ｅ．Ｗ．ＤｉｊｋｓｔｒａによるＡ ｎｏｔｅ ｏｎ ｔｗｏ ｐｒｏｂｌｅｍ ｉｎ ｃｏｎｎｅｃｔｉｏｎｗｉｔｈ ｇｒａｐｈｓ，Ｎｕｍｅｒｉｓｃｈｅ Ｍａｔｈｅｍａｔｉｃ，ｐｐ２６９−２７１，１９５９，およびＬ．ＣｏｈｅｎとＲ．ＫｉｍｍｅｌによるＧｌｏｂａｌ Ｍｉｎｉｍｕｍ ｆｏｒ Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ Ｍｏｄｅｌｓ： ａ Ｍｉｎｉｍａｌ Ｐａｔｈ Ａｐｐｒｏａｃｈ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，ｐｐ５７−７８，１９９７）。
【００２５】
例えば、ポテンシャル関数は、６つの、駆動されているデータの個別のポテンシャルの重み付けの合計である。それは、ポイントｐからポイントｑまで方向付けられたグラフアーク（ｇｒａｐｈ−ａｒｃ）において、次のように定義される。
【００２６】
Ｐ（ｐ，ｑ）＝ωＧＰＧ（ｑ）＋ωＬＰＬ（ｑ）＋ωＤＰＤ（ｐ，ｑ）＋ωＩＰＩ（ｑ）＋ωＯＰＯ（ｑ）＋ωＥＰＥ（ｑ）
ここで、ＰＧ、ＰＬ、ＰＤ、ＰＯ、ＰＥは上記した特徴であるが、ポテンシャルを有するようにコスト分配関数を用いて変換されたものであり、ωは対応するポテンシャルの重み付けである。
【００２７】
そのような関数が定義されるとき、正のトレーニングのポイントの群および負のトレーニングのポイントの群を用いる他の利点は、各々の個別のポテンシャルのための両方のポイントの群の特徴付けの間の差の評価が、全体的なポテンシャル関数における対応する個別のポテンシャルの重み付けの適応を容易にすることである。例えば、図４における場合のように、正のポイントと負のポイントとの間の特徴付けが所定の特徴について十分区別可能である場合、考慮された特徴は境界に関連し、その重み付けは増加されることができると仮定されることが可能である。それにより、際立った特徴が所定の画像のために選択されること、または正確な特徴が多くの特徴から選択されること（例えば、対象の輪郭のための適切な解像度の選択）が可能となる。
【００２８】
したがって、これら２つの正の特徴付けおよび負の特徴付けを用いる利点は２倍である。即ち、適応されたコスト分配関数の構成により各々の特徴のための適応ポテンシャルを構築すること、および、以下に述べるように、ポテンシャル関数における個々のポテンシャルの重み付けを自動的に適応させることである。
【００２９】
負の領域の導入は、よりよい個々のポテンシャルばかりでなく、ポテンシャルの全関数におけるこれら全てのポテンシャルの自動的な重み付けを生成する。
【００３０】
このような相乗効果のセグメント化ツールは、非専門家が何れかの収集の様式から解剖学の対象の輪郭を即座にセグメント化することを可能にする。効果的には、１つのこのセグメント化の必要性は、画像からの視覚的決定を用いて輪郭を描くことである。本方法のローバスト性は、ユーザが２つのポイントの間のパスを要求するとき、本方法が本発明にしたがって生成するポテンシャルの最小化により最小のポテンシャルパスを直接求めることが可能であることである。このセグメント化は、輪郭を各々描いた後にコスト分配関数の自動的適応によりリアルタイムに適用されることができる。
【００３１】
図５を参照するに、イメージング装置ＡＰＰは、上記のようなセグメント化方法を実行するための画像セグメント化装置ＳＥＧ、表示手段ＤＩＳを有する前記イメージング装置および画像ＩＭにおける輪郭を定義するための描画手段を有する。セグメント化装置ＳＥＧと表示手段は、イメージング装置ＡＰＰそのものにおいてではなく、または含まれることが可能である収集手段ＡＣＱから画像ＩＭを受け取る。セグメント化の方法は、プログラムされたコンピュータ、または本発明にしたがって関数化または計算を実行するために配置されるソフトウェア／ハードウェア手段を有する特別目的プロセッサにおいて適切に実行されることができる。
【００３２】
そのようなセグメント化装置の特定の実施形態において、インタラクティビティが最適なパスアプローチに導入された。この方法は、セグメント化プロセスにおける制御性の拡大をユーザに提供する。このアイデアは次のようなものである。即ち、開始ポイントは、抽出されるべき境界においてユーザにより選択され、最適な輪郭は計算され、開始ポイントと現カーソルポイントとの間でリアルタイムに描かれる。このようにして、抽出の間に、ユーザ制御が適用される。このインタラクティビティは、描かれる輪郭が生成されることを可能にする。これは、本発明にしたがった装置がユーザによりリアルタイムにインタラクティビティを可能にする描画手段ＤＲＷを有することを意味する。ユーザの描画が非常に正確でないとき、本発明により提供される正確なトレーニングは重要な特徴となる。
【図面の簡単な説明】
【図１】本発明にしたがったセグメント化方法のブロック図である。
【図２】コスト分配関数の計算段階を示す図である。
【図３】本発明の幾つかの実施形態を示す図である。
【図４】本発明にしたがったコスト分配関数の計算段階を示す図である。
【図５】本発明が実行されるイメージング装置のブロック図である。
【０００１】
本発明は、少なくともポテンシャルの最小化を用いてパス抽出により画像のセグメント化のための方法であって、前記ポテンシャルはコスト分配関数を用いて画像の特徴から計算される方法に関する。前記方法はコスト分配関数を修正するために描かれる輪郭を用いる。
【背景技術】
【０００２】
そのような方法は、Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０， ｐｐ ３４９−３８４，１９９８に開示されている。実際の画像の境界と比較して妥当である輪郭が描かれることを仮定すると、ポテンシャルの関数は有効な描かれる輪郭と同じ特徴をもつ輪郭が好まれるために修正される。この修正は、コスト分配関数の修正により実現する。境界について関連すると考えられる特徴の特定な値が特定であればある程、コストは益々小さく成る筈である。このようなアイデアの特徴は、パスの最後のセグメント（トレーニングパスと呼ばれる）にあるポイントの特徴付けにより象徴化される。ポテンシャルの関数は初期化され、その関数の最小化による抽出の間に、この初期の全体的な特徴付けは、仮定された有効な描かれる輪郭におけるポイントの特徴を用いて繰り返して修正される。
【０００３】
従来の方法においては、ポイントの特徴は、仮定された有効な描かれる輪郭上にあるポイントについて定義される。したがって、境界に属するポイントは描かれるパスに沿って種々の側面をもつことができるため、そのようなパスの抽出は信頼性に欠ける。
【発明の開示】
【課題を解決するための手段】
【０００４】
本発明の目的は、少なくともポテンシャルの最小化を用いてパス抽出により画像のセグメント化のための改善された方法であって、前記方法はポテンシャルを修正するために描かれる輪郭またはポテンシャルの関数を用いる方法を提供することである。前記改良された方法は、より信頼性の高い、導き出されたポテンシャル関数を提供する。
【０００５】
本発明にしたがった方法は：
コスト分配関数を初期化する段階；
描かれる輪郭の近くにおいて２つの群のポイントを定義する段階であって、境界に関連するように考慮される群は正のポイントと呼ばれ、前記境界に関連するように考慮されない群は負のポイントと呼ばれる、段階；
特徴から正のポイントの特徴付けを定義する段階；
特徴から負のポイントの特徴付けを定義する段階；
正のポイントと負のポイントの特徴付けを組み合わせることにより正のポイントの洗練された特徴付けを構成する段階；並びに
コスト分配関数を修正するためにこの洗練された特徴付けを用いる段階；
を有する。
【０００６】
本発明の技術は、“正”ばかりでなく“負”の群のポイントの定義に基づいている。正の群のポイントは、画像にある境界に関連するとみなされるポイントを有し、描かれる輪郭上または近くにあるポイントを意味する一方、負の群のポイントは境界に関連するとみなされないポイントを有する。負の情報のために、特徴付けられ且つ本方法により考慮される領域が大きくなるにつれ、得られたポテンシャルはポテンシャルの最小化によりパスのより信頼性の高い抽出を可能にする。
【０００７】
好適な実施形態において、幾つかのポテンシャルについて、正のポイントと負のポイントの特徴付けを比較することは、パスを見つけるために最小化されることが必要である全てのポテンシャル関数における個々のポテンシャルの重み付けに適応させることにおいて
有用である。
【発明を実施するための最良の形態】
【０００８】
図１を参照するに、画像ＩＭは、少なくともポテンシャルＰＯＴにより特徴付けられ、前記ポテンシャルＰＯＴは、分配段階ＣＡＳにおいて特徴ＦＥＡにコスト分配関数を適用することにより得られる。その特徴は、画像の境界を表すことを意図され、画像において簡単な操作段階ＯＰＥから直接得られる。そのような特徴は、例えば、次のようなものとすることができる。
ＰＧ：“勾配の特徴”即ち勾配の大きさ、
ＰＤ：“勾配の方向の特徴”、
ＰＬ：“ラプラシアンの特徴”即ちラプラシアンのゼロ交差
ＰＩ（または、ＰＯ）：“内部の（または、外部の）強度の特徴”即ち勾配方向（または、勾配方向の反対側）の境界における画素強度、
ＰＥ：“エッジ強度の特徴”即ち境界における画素強度。
【０００９】
それらの特徴に関する詳細については、Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０，ｐｐ３４９−３８４，１９９８に記載されている。
【００１０】
そのようなパス抽出方法の主な問題点は、用いられるポテンシャルが画像の異なる境界について適切である必要があることである。ポテンシャルが適切であり、即ち、特徴がコスト分配関数を用いて変換される場合、境界はポテンシャルの最小に対応する。
【００１１】
したがって、ポテンシャルは、画像について適切であるように適合される。これは、コスト分配関数が各々の特徴ＦＥＡの興味深い一部を強調するために修正されなければならないことを意味する。
【００１２】
一部の特徴（例えば、画素強度）については、抽出すべき境界についての予めの知識なしに、どの値が好適であるかを決定することは困難である。そのことが、描画段階ＤＲＷにおいて描かれた輪郭（例えば、ユーザにより描かれる輪郭）を用いるトレーニング方法が有用である理由である。個々のポテンシャルは、コスト分配ＣＡＳの段階において特徴ＦＥＡに適用されるコスト分配関数ＣＡＦを用いて構築される。トレーニングは、描画段階ＤＲＷから利用可能である情報を用いる計算段階ＣＡＬにおいてこのようなコスト分配関数ＣＡＦを動的に修正するために用いられる。トレーニング法は、結果的にコスト分配関数ＣＡＦの修正をもたらし、それ故、ポテンシャルＰＯＴの修正をもたらす。
【００１３】
より詳しくは、本発明は、描画段階ＤＲＷの後に利用可能である情報の使用と方法とのこのようなトレーニングの側面に関する。トレーニングの目的は、パスの抽出の間に、描かれる輪郭の特性にコスト分配関数を適応されることである。
【００１４】
Ｗ．Ａ．ＢａｒｒｅｔｔとＥ．Ｎ．Ｍｏｒｔｅｎｓｅｎによる論文Ｉｎｔｅｒａｃｔｉｖｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｃｉｓｓｏｒｓ，Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌｓ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ６０，ｐｐ３４９−３８４，１９９８は次のようなスキームを紹介した。即ち、描かれる輪郭は画像に存在する境界に有効であるかまたは関連すると仮定すると、コスト分配関数は、各々の特徴について同じ側面をもつ輪郭が好まれるために、図２に示される計算段階において修正される。好適な実施形態においては、ユーザが画像を見ることにより境界の第１アプローチを定義することができるため、前記輪郭はユーザにより描かれる。図２は、特徴（例えば、強度）のパラメータに対するポイントの分布を示す曲線の形においてポイントの特徴付けの例を示している。コスト分配関数は初期化される。例えば、最初のコスト分配関数は、特徴の全体的なヒストグラムＧＦＨの逆であり、前記ヒストグラムは特徴、即ち、例えば、強度に対するポイントの分布の特徴付けを報告する。抽出の間に、最初の特徴付けＧＦＨは、描かれる輪郭からの情報ＤＣＩを用いることにより新しい特徴付けＮＦＣに繰り返し修正される。新しいコスト分配関数ＣＡＦは、それ故、新しい特徴付けＮＦＣの逆である。
【００１５】
従来の方法においては、トレーニングは、パスそれ自体の一部に制限され、“正”の情報のみを考慮している。本発明は、正および負のトレーニングの群のポイントを定義することを提案している。
【００１６】
正のトレーニングの群は、画像上にある境界に関連すると仮定される、描かれる輪郭の近くにあり、負のトレーニングの群は離れている。第１実施形態（図３ａ参照）においては、正のポイントは、描かれる輪郭上にあるポイントであり且つ第１輪郭からの距離は第１距離より小さく、そして、負のポイントは、描かれる輪郭の周りに定義された矩形状の領域に存在する他のポイントである。この実施形態は多くのポイントを考慮し、したがって、長い計算を必要とする。また、他の境界がその矩形状の領域に存在し、パスの抽出における誤りを示している。
【００１７】
他の実施形態（図３ｂ参照）においては、正のポイントは描かれる輪郭上に存在し且つ描かれる輪郭からの距離は第１距離より小さいポイントであり、そして負のポイントは、描かれる輪郭から第１距離よりさらに遠く離れており且つ第２距離より近い他のポイントである。両方の領域は、ここで、境界としてのパスの形状に従う。この方法はまた、多くのポイントを考慮し、それ故、時間が掛かる。
【００１８】
好適な実施形態（図３ｃ参照）において、正および負のポイントの群が、この描かれる輪郭ＤＣに平行である描かれる輪郭ＤＣのトランスレーションとして選択されている。正のポイントの群はｐ個の最近接の変換の群であり、そして負のポイントの群はｎ個の次の変換の群である。異なる変換されたセグメントに存在するポイントは、特徴付けの定義におけるトレーニングパスに対するそれらの距離により重み付けされることができる。そのような重み付けを用いると、描かれる輪郭ＤＣ（例えば、図２における曲線ＤＣＩ）からの情報を表すことは、ＤＣの最近接のポイントは曲線構成の他のポイントより強い重み付けを有するため、そのような重み付けを考慮する。負／正のポイントの群は、図３ｃに示すように、勾配の大きさおよびエッジ強度の特長について対称的とすることができる。しかしながら、“内側”および“外側”の特徴の非対称性の側面を考慮するために、パスにおける勾配の方向、パスの方向および考慮された特徴に依存して、それらのために非対称性トレーニング領域を採用することが可能である。
【００１９】
図３において提供された実施形態のために図１を参照するに、描かれる輪郭からの情報は、本発明にしたがって、２倍である。ここで、ＰＰは正のトレーニングのポイントの群に対応し、ＮＰは負のトレーニングのポイントの群に対応する。
【００２０】
図４を参照するに、正／負のトレーニングのポイントの群が、それぞれ、正のポイント（図４ａ）および負のポイント（図４ｂ）に対応する２つの区別可能なトレーニングの特徴付けを構築するために用いられる。正の特徴付け（図４ａ）と負の特徴付け（図４ｂ）との間の代数的な差（図４ｃ）が計算され、そして、コスト分配関数（図４ｄ）は図４ｃに示されたこの差のスケールを逆にしたものである。図２を参照するに、描かれる輪郭からの情報ＤＣＩは、本発明にしたがった正のポイントの群と負のポイントの群との間の代数的な差である。この差は正のポイントの洗練された特徴付けを定義する。図２と比較するに、図４においては、コスト分配関数は、０に初期化することを用いて計算され、それ故、特徴の全体的なヒストグラム（または、特徴付け）を用いて計算されない。この初期化のために、コスト分配関数の何れかの演繹的な知識を有することは必要ない。
【００２１】
本発明にしたがった方法の結果は、そのような洗練された正のポイントの特徴付けを用いることにより、負の領域の特徴の値が著しく不利にされる一方、正の領域のグレーレベルは有利にされることである。
【００２２】
好適な実施形態において、異なる特徴に対応する幾つかのポテンシャルが用いられる。その結果、ポテンシャル関数が定義され、パス抽出はポテンシャル関数の最小化となる。実際には、ポテンシャル関数は、複合的なポテンシャルである。
【００２３】
そのようなポテンシャルを用いることにより、画像に対して最小化される必要がある関数の著しい適応を可能にする。この場合の境界は、ポテンシャル関数の最小として尚も定義される。
【００２４】
Ｄｉｊｋｓｔｒａ並びにＣｏｈｅｎおよびＫｉｍｍｅｌは、そのようなポテンシャル関数からのパスを調べるために種々のアルゴリズムを提案している（Ｅ．Ｗ．ＤｉｊｋｓｔｒａによるＡ ｎｏｔｅ ｏｎ ｔｗｏ ｐｒｏｂｌｅｍ ｉｎ ｃｏｎｎｅｃｔｉｏｎｗｉｔｈ ｇｒａｐｈｓ，Ｎｕｍｅｒｉｓｃｈｅ Ｍａｔｈｅｍａｔｉｃ，ｐｐ２６９−２７１，１９５９，およびＬ．ＣｏｈｅｎとＲ．ＫｉｍｍｅｌによるＧｌｏｂａｌ Ｍｉｎｉｍｕｍ ｆｏｒ Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ Ｍｏｄｅｌｓ： ａ Ｍｉｎｉｍａｌ Ｐａｔｈ Ａｐｐｒｏａｃｈ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，ｐｐ５７−７８，１９９７）。
【００２５】
例えば、ポテンシャル関数は、６つの、駆動されているデータの個別のポテンシャルの重み付けの合計である。それは、ポイントｐからポイントｑまで方向付けられたグラフアーク（ｇｒａｐｈ−ａｒｃ）において、次のように定義される。
【００２６】
Ｐ（ｐ，ｑ）＝ωＧＰＧ（ｑ）＋ωＬＰＬ（ｑ）＋ωＤＰＤ（ｐ，ｑ）＋ωＩＰＩ（ｑ）＋ωＯＰＯ（ｑ）＋ωＥＰＥ（ｑ）
ここで、ＰＧ、ＰＬ、ＰＤ、ＰＯ、ＰＥは上記した特徴であるが、ポテンシャルを有するようにコスト分配関数を用いて変換されたものであり、ωは対応するポテンシャルの重み付けである。
【００２７】
そのような関数が定義されるとき、正のトレーニングのポイントの群および負のトレーニングのポイントの群を用いる他の利点は、各々の個別のポテンシャルのための両方のポイントの群の特徴付けの間の差の評価が、全体的なポテンシャル関数における対応する個別のポテンシャルの重み付けの適応を容易にすることである。例えば、図４における場合のように、正のポイントと負のポイントとの間の特徴付けが所定の特徴について十分区別可能である場合、考慮された特徴は境界に関連し、その重み付けは増加されることができると仮定されることが可能である。それにより、際立った特徴が所定の画像のために選択されること、または正確な特徴が多くの特徴から選択されること（例えば、対象の輪郭のための適切な解像度の選択）が可能となる。
【００２８】
したがって、これら２つの正の特徴付けおよび負の特徴付けを用いる利点は２倍である。即ち、適応されたコスト分配関数の構成により各々の特徴のための適応ポテンシャルを構築すること、および、以下に述べるように、ポテンシャル関数における個々のポテンシャルの重み付けを自動的に適応させることである。
【００２９】
負の領域の導入は、よりよい個々のポテンシャルばかりでなく、ポテンシャルの全関数におけるこれら全てのポテンシャルの自動的な重み付けを生成する。
【００３０】
このような相乗効果のセグメント化ツールは、非専門家が何れかの収集の様式から解剖学の対象の輪郭を即座にセグメント化することを可能にする。効果的には、１つのこのセグメント化の必要性は、画像からの視覚的決定を用いて輪郭を描くことである。本方法のローバスト性は、ユーザが２つのポイントの間のパスを要求するとき、本方法が本発明にしたがって生成するポテンシャルの最小化により最小のポテンシャルパスを直接求めることが可能であることである。このセグメント化は、輪郭を各々描いた後にコスト分配関数の自動的適応によりリアルタイムに適用されることができる。
【００３１】
図５を参照するに、イメージング装置ＡＰＰは、上記のようなセグメント化方法を実行するための画像セグメント化装置ＳＥＧ、表示手段ＤＩＳを有する前記イメージング装置および画像ＩＭにおける輪郭を定義するための描画手段を有する。セグメント化装置ＳＥＧと表示手段は、イメージング装置ＡＰＰそのものにおいてではなく、または含まれることが可能である収集手段ＡＣＱから画像ＩＭを受け取る。セグメント化の方法は、プログラムされたコンピュータ、または本発明にしたがって関数化または計算を実行するために配置されるソフトウェア／ハードウェア手段を有する特別目的プロセッサにおいて適切に実行されることができる。
【００３２】
そのようなセグメント化装置の特定の実施形態において、インタラクティビティが最適なパスアプローチに導入された。この方法は、セグメント化プロセスにおける制御性の拡大をユーザに提供する。このアイデアは次のようなものである。即ち、開始ポイントは、抽出されるべき境界においてユーザにより選択され、最適な輪郭は計算され、開始ポイントと現カーソルポイントとの間でリアルタイムに描かれる。このようにして、抽出の間に、ユーザ制御が適用される。このインタラクティビティは、描かれる輪郭が生成されることを可能にする。これは、本発明にしたがった装置がユーザによりリアルタイムにインタラクティビティを可能にする描画手段ＤＲＷを有することを意味する。ユーザの描画が非常に正確でないとき、本発明により提供される正確なトレーニングは重要な特徴となる。
【図面の簡単な説明】
【図１】本発明にしたがったセグメント化方法のブロック図である。
【図２】コスト分配関数の計算段階を示す図である。
【図３】本発明の幾つかの実施形態を示す図である。
【図４】本発明にしたがったコスト分配関数の計算段階を示す図である。
【図５】本発明が実行されるイメージング装置のブロック図である。
Claims (5)
- セグメント化手段が少なくともポテンシャルの最小化を用いるパス抽出を行うことにより、画像をセグメント化する方法であって、前記ポテンシャルはコスト分配関数を用いて前記画像の特徴から計算される、方法であり：
前記コスト分配関数を初期化する段階；
描かれた輪郭の近傍において点の２つの群を規定する段階であって、境界に関係するとみなされる点の群は正の点と呼ばれ、前記境界に関係するとみなされない点の群は負の点と呼ばれる、段階；
前記特徴から正の点の特性を規定する段階；
前記特徴から負の点の特性を規定する段階；
正の点の特性及び負の点の特性を組み合わせることにより正の点の改善された特性を構築する段階；並びに
前記コスト分配関数を修正するように前記改善された特性を用いる段階；
を有する方法であり、
前記描かれた輪郭の前記近傍は、
前記輪郭の周りで前記輪郭の形状に倣う前記輪郭の各々の側の領域と、
前記描かれた輪郭に類似する形状を有し、及び前記描かれた輪郭に対して平行移動される複数の平行移動パスと、
を有する群から選択される；
ことを特徴とする方法。 - 請求項１に記載の方法であって、前記負の点および正の点、若しくは前記負の点または正の点の特性は前記描かれた輪郭までの距離にしたがった前記点の重み付けを用いて規定される、ことを特徴とする方法。
- 請求項１または２に記載の方法であって：
複数の特徴に対応する複数のポテンシャルを重み付けする及び加算することによりポテンシャルの関数を構築する段階であって、前記重み付けは異なる特徴における前記の負の点の特性及び正の点の特性を用いて計算される、段階；並びに
前記パスを見つけるように前記のポテンシャルの関数を最小化する段階；
を有する、ことを特徴とする方法。 - 画像表示手段；
描かれた輪郭が画像において規定されるようにする描画手段；及び
前記請求項１乃至３の何れか一項に記載の画像をセグメント化する方法を実行するセグメント化手段；
を有することを特徴とするイメージング装置。 - 請求項４に記載のイメージング装置であって、前記描画手段は、前記描かれた輪郭がユーザにより描かれることが可能である、ことを特徴とするイメージング装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP01401696 | 2001-06-26 | ||
| PCT/IB2002/002593 WO2003001451A2 (en) | 2001-06-26 | 2002-06-26 | Adaptation of energy function in real-time contour computation for image segmentation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004530996A JP2004530996A (ja) | 2004-10-07 |
| JP4115934B2 true JP4115934B2 (ja) | 2008-07-09 |
Family
ID=8182783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003507763A Expired - Lifetime JP4115934B2 (ja) | 2001-06-26 | 2002-06-26 | リアルタイムで最適なパス抽出にポテンシャル項を適応させる方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7424149B2 (ja) |
| EP (1) | EP1405267B1 (ja) |
| JP (1) | JP4115934B2 (ja) |
| AT (1) | ATE310997T1 (ja) |
| DE (1) | DE60207569T2 (ja) |
| WO (1) | WO2003001451A2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04310509A (ja) * | 1991-04-05 | 1992-11-02 | Kobe Steel Ltd | 窒素中の不純酸素の除去方法 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4140402B2 (ja) * | 2003-03-03 | 2008-08-27 | 松下電工株式会社 | 画像処理装置 |
| WO2006033077A2 (en) * | 2004-09-22 | 2006-03-30 | Koninklijke Philips Electronics N.V. | Conformal segmentation of organs in medical images |
| FR2880154B1 (fr) * | 2004-12-27 | 2007-06-22 | Gen Electric | Procede et systeme de visualisation rapide de structures |
| US8761519B2 (en) * | 2012-09-14 | 2014-06-24 | Cyberlink Corp. | System and method for selecting an object boundary in an image |
| US20150243048A1 (en) * | 2014-02-26 | 2015-08-27 | Nvidia Corporation | System, method, and computer program product for performing one-dimesional searches in two-dimensional images |
| US9558561B2 (en) | 2015-01-06 | 2017-01-31 | Varian Medical Systems International Ag | Semiautomatic drawing tool for image segmentation |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6025850A (en) * | 1997-03-28 | 2000-02-15 | Adobe Systems Incorporated | Object boundaries identified in a raster image by a user selecting positions on the raster image and then using cost functions to predict likelihood of pixels near the position being on a boundary path |
| US5995115A (en) * | 1997-04-04 | 1999-11-30 | Avid Technology, Inc. | Computer system process and user interface for providing intelligent scissors for image composition |
| US6621924B1 (en) * | 1999-02-26 | 2003-09-16 | Sony Corporation | Contour extraction apparatus, a method thereof, and a program recording medium |
| JP2000331156A (ja) * | 1999-05-17 | 2000-11-30 | Internatl Business Mach Corp <Ibm> | 輪郭に沿うトラッカを自動的に決定するための方法、及び該方法を実施するプログラムを記憶した記憶媒体 |
| IL146978A0 (en) * | 1999-06-11 | 2002-08-14 | Pulsent Corp | Method and apparatus for digital image segmentation |
| US6606091B2 (en) * | 2000-02-07 | 2003-08-12 | Siemens Corporate Research, Inc. | System for interactive 3D object extraction from slice-based medical images |
| US6337925B1 (en) * | 2000-05-08 | 2002-01-08 | Adobe Systems Incorporated | Method for determining a border in a complex scene with applications to image masking |
| US6839463B1 (en) * | 2000-12-22 | 2005-01-04 | Microsoft Corporation | System and method providing subpixel-edge-offset-based determination of opacity |
| US6741755B1 (en) * | 2000-12-22 | 2004-05-25 | Microsoft Corporation | System and method providing mixture-based determination of opacity |
| US6937760B2 (en) * | 2000-12-28 | 2005-08-30 | University Of Washington | Interactive frame segmentation with dynamic programming |
-
2002
- 2002-06-26 DE DE60207569T patent/DE60207569T2/de not_active Expired - Lifetime
- 2002-06-26 US US10/480,659 patent/US7424149B2/en active Active
- 2002-06-26 EP EP02741047A patent/EP1405267B1/en not_active Expired - Lifetime
- 2002-06-26 JP JP2003507763A patent/JP4115934B2/ja not_active Expired - Lifetime
- 2002-06-26 WO PCT/IB2002/002593 patent/WO2003001451A2/en active IP Right Grant
- 2002-06-26 AT AT02741047T patent/ATE310997T1/de not_active IP Right Cessation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04310509A (ja) * | 1991-04-05 | 1992-11-02 | Kobe Steel Ltd | 窒素中の不純酸素の除去方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040170320A1 (en) | 2004-09-02 |
| EP1405267A2 (en) | 2004-04-07 |
| DE60207569T2 (de) | 2006-08-17 |
| ATE310997T1 (de) | 2005-12-15 |
| WO2003001451A3 (en) | 2003-10-02 |
| DE60207569D1 (de) | 2005-12-29 |
| US7424149B2 (en) | 2008-09-09 |
| JP2004530996A (ja) | 2004-10-07 |
| EP1405267B1 (en) | 2005-11-23 |
| WO2003001451A2 (en) | 2003-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9292928B2 (en) | Depth constrained superpixel-based depth map refinement | |
| JP3679512B2 (ja) | 画像抽出装置および方法 | |
| CN108230376B (zh) | 遥感图像处理方法、装置和电子设备 | |
| JP4733462B2 (ja) | ダイナミックプログラミングによる境界マッティング | |
| CN111598796B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| JPH10191020A (ja) | 被写体画像切出し方法及び装置 | |
| CN104463843B (zh) | 安卓系统的交互式图像分割方法 | |
| JPH04501625A (ja) | 重なり平面近似に基づく輝度及び色光度のデジタルイメージノイズ減少 | |
| JP4115934B2 (ja) | リアルタイムで最適なパス抽出にポテンシャル項を適応させる方法 | |
| Precioso et al. | Smoothing B-spline active contour for fast and robust image and video segmentation | |
| CN112561919A (zh) | 一种图像分割方法、设备和计算机可读存储介质 | |
| US20050289519A1 (en) | Fast approximation functions for image processing filters | |
| JP2017134596A (ja) | 画像処理方法及びプロセスシミュレーション装置 | |
| CN111723923A (zh) | 用于确定针对神经网络的全局存储器大小的方法和设备 | |
| JP2017162391A (ja) | 画像処理方法及び画像処理プログラム | |
| JP4569785B2 (ja) | 二値化装置及び二値化処理プログラム | |
| Sintunata et al. | Skeleton extraction in cluttered image based on Delaunay triangulation | |
| JP2006133874A (ja) | 画像処理方法及びその装置 | |
| KR102195279B1 (ko) | 리져널 와핑을 이용한 이미지 정합 방법 및 그 시스템 | |
| CN110827211A (zh) | 一种图像细节增强方法 | |
| JP2001043371A (ja) | 画像処理方法、画像処理装置及び記憶媒体 | |
| US9269031B2 (en) | Method of detecting regions in an edge-based representation | |
| Mosa et al. | Driving active contours to concave regions | |
| Su et al. | Improved Simple Linear Iterative Clustering Algorithm Using HSL Color Space | |
| JPH08212354A (ja) | 対象認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050622 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070717 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071016 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071113 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080213 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080318 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080416 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110425 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4115934 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110425 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120425 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130425 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140425 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |