JP4624841B2 - 画像処理装置および当該画像処理装置における画像処理方法 - Google Patents

Description

本発明は、画像処理装置および当該画像処理装置における画像処理方法に関し、特に、生体粘膜表面の像が良好に撮像されていない画像を除外することができる画像処理装置および当該画像処理装置における画像処理方法に関するものである。

従来、医療分野において、Ｘ線、ＣＴ、ＭＲＩ、超音波観測装置及び内視鏡装置等の画像撮像機器を用いた観察が広く行われている。このような画像撮像機器のうち、内視鏡装置は、例えば、生体としての体腔内に挿入される細長の挿入部を有し、該挿入部の先端部に配置された対物光学系により結像した体腔内の像を固体撮像素子等の撮像手段により撮像して撮像信号として出力し、該撮像信号に基づいてモニタ等の表示手段に体腔内の像の画像を表示するという作用及び構成を有する。そして、ユーザは、モニタ等の表示手段に表示された体腔内の像の画像に基づき、例えば、体腔内における臓器等の観察を行う。また、内視鏡装置は、消化管粘膜の像を直接的に撮像することが可能である。そのため、ユーザは、例えば、粘膜の色調、病変の形状及び粘膜表面の微細な構造等の様々な所見を総合的に観察することができる。

そして、近年、前述したような内視鏡装置と略同様の有用性が期待できる画像撮像機器として、例えば、カプセル型内視鏡装置が提案されている。一般的に、カプセル型内視鏡装置は、被検者が口から飲み込むことにより体腔内に配置され、撮像した該体腔内の像を撮像信号として外部に送信するカプセル型内視鏡と、送信された該撮像信号を体腔外で受信した後、受信した該撮像信号を蓄積するレシーバと、レシーバに蓄積された撮像信号に基づく体腔内の像の画像を観察するための観察装置とから構成される。

カプセル型内視鏡装置を構成するカプセル型内視鏡は、消化管の蠕動運動により進むため、例えば、口から体腔内に入れられた後、肛門から排出されるまで数時間程度の時間がかかることが一般的である。そして、カプセル型内視鏡は、体腔内に入れられた後、排出されるまでの間、レシーバに対して撮像信号を略常時出力し続けるため、例えば、数時間分の動画像における、レシーバに蓄積されたフレーム画像としての静止画像の枚数は膨大なものとなる。そのため、ユーザによる観察の効率化という点において、例えば、蓄積された画像のうち、出血部位等の病変部位が含まれる所定の画像を検出するような画像処理方法が行われた上において、該所定の画像以外の画像を表示または保存しないという処理が行われることにより、画像のデータ量が削減されるような提案が望まれている。

前述したような画像処理方法としては、例えば、特許文献１に記載されているようなものがある。特許文献１に記載されている、生体内での比色分析の異常を検出するための方法は、正常粘膜と出血部位との色調の違いに着目し、色調を特徴量と設定した特徴空間における各平均値からの距離に基づき、画像の分割領域毎に出血部位の検出を行う方法、すなわち、病変部位としての出血部位が含まれる所定の画像を検出するための方法を有する画像処理方法である。

ＰＣＴ ＷＯ ０２／０７３５０７ Ａ２号公報

しかし、特許文献１に記載されている画像処理方法においては、以下に記すような課題がある。

一般に、消化管においては、常に生体粘膜表面の像のみの撮像が行われている訳ではなく、例えば、便、泡、粘液または食物残渣等の異物の像と、生体粘膜表面の像とが混在した状態において撮像が行われている。そのため、前述したような異物の存在を考慮していない特許文献１に記載されている画像処理方法においては、例えば、該異物により正常粘膜を出血部位と誤検出してしまう可能性、及び該異物の像が大部分を占めるような画像を検出する可能性が考えられる。その結果、ユーザによる観察の効率化をはかることができないという課題が生じている。

本発明は、前述した点に鑑みてなされたものであり、例えば、生体粘膜表面の像としての胃粘膜及び絨毛の像と、異物の像としての便及び泡の像とを画像の小領域毎に識別して分類することにより、画像の小領域の多くを異物の像が占めるような、生体粘膜表面の像が良好に撮像されていない画像を、観察不要の画像として容易に除外することができ、さらに、前記分類結果に基づいて撮像された臓器を特定することができ、その結果、ユーザによる観察の効率化をはかることのできる画像処理装置および当該画像処理装置における画像処理方法を提供することを目的としている。

また、本発明は、生体粘膜表面の像として分類された各々の領域に対し、さらに、例えば、前記各々の領域が有する特徴量に基づき、正常な粘膜の像と病変部位の像と分類するような画像処理方法を用いることにより、病変部位の検出精度を高めることができる画像処理装置および当該画像処理装置における画像処理方法を提供することを目的としている。

本発明における第１の画像処理装置は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類手段と、前記特徴量と、前記第１の領域分類手段による分類結果とに基づいて第２の分類基準を設定する第２の分類基準設定手段と、前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第２の領域分類手段と、を具備したことを特徴とする。

本発明における第２の画像処理装置は、前記第１の画像処理装置において、前記第１の領域分類手段は、前記第１の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類し、前記第２の領域分類手段は、前記第２の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類することを特徴とする。

本発明における第３の画像処理装置は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類手段と、前記複数の領域のうち、一の領域の前記第１の領域分類手段による分類結果を、前記一の領域の近傍に位置する領域の前記第１の領域分類手段による分類結果に基づいた評価値を算出することにより評価する評価値算出手段と、前記評価値算出手段における評価値に基づき、前記一の領域を前記複数のクラスのいずれかに分類する第２の領域分類手段とを具備したことを特徴とする。

本発明における第４の画像処理装置は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、前記複数の領域のうち、一の領域を注目領域として設定する注目領域設定手段と、前記注目領域から所定の距離だけ離れた領域である近傍外周領域を検出する近傍外周領域検出手段と、前記近傍外周領域において、前記特徴量に基づき、略円形形状の輪郭部の少なくとも一部が存在することを検出する略円形形状検出手段と、前記略円形形状検出手段により、前記略円形形状が検出された場合、前記注目領域を抽出する抽出手段とを具備したことを特徴とする。

本発明における第５の画像処理装置は、前記第４の画像処理装置において、前記略円形形状検出手段は、前記近傍外周領域のうち、前記略円形形状の輪郭部の少なくとも一部が存在する領域の割合が所定の閾値以上であると判断した場合に略円形形状を検出し、前記抽出手段は、前記注目領域を前記略円形形状の中央部が存在する領域として抽出することを特徴とする。

本発明における第６の画像処理装置は、前記第４または第５の画像処理装置において、前記略円形形状は、泡であることを特徴とする。

本発明における第７の画像処理装置は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、前記特徴量算出手段において算出された特徴量と、所定の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する領域分類手段と、前記複数のクラスのうち、構造的に明確な特徴を有する所定のクラスに分類される領域を、前記複数の領域から検出する領域検出手段と、前記領域検出手段において検出された前記領域が有する前記特徴量に基づき、前記領域分類手段における前記所定の分類基準を設定する分類基準設定手段と、を具備したこを特徴とする。

本発明における第８の画像処理装置は、前記第７の画像処理装置において、前記所定のクラスは、泡クラスまたは絨毛クラスのうち、少なくとも１つのクラスであることを特徴とする。

本発明における第１の画像処理方法は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、前記特徴量算出ステップにおいて算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類ステップと、前記特徴量と、前記第１の領域分類ステップによる分類結果とに基づいて第２の分類基準を設定する第２の分類基準設定ステップと、前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第２の領域分類ステップと、を有したことを特徴とする。

本発明における第２の画像処理方法は、第１の画像処理方法において、前記第１の領域分類ステップは、前記第１の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類し、前記第２の領域分類ステップは、前記第２の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類することを特徴とする。

本発明における第３の画像処理方法は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類ステップと、前記複数の領域のうち、一の領域の前記第１の領域分類手段による分類結果を、前記一の領域の近傍に位置する領域の前記第１の領域分類手段による分類結果に基づいた評価値を算出することにより評価する評価値算出ステップと、前記評価値算出手段における評価値に基づき、前記一の領域を前記複数のクラスのいずれかに分類する第２の領域分類ステップと、を具備したことを特徴とする。

本発明における第４の画像処理方法は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、 前記複数の領域のうち、一の領域を注目領域として設定する注目領域設定ステップと、前記注目領域から所定の距離だけ離れた領域である近傍外周領域を検出する近傍外周領域検出ステップと、前記近傍外周領域において、前記特徴量に基づき、略円形形状の輪郭部の少なくとも一部が存在することを検出する略円形形状検出ステップと、前記略円形形状検出手段により、前記略円形形状が検出された場合、前記注目領域を抽出する抽出ステップとを具備したことを特徴とする。

本発明における第５の画像処理方法は、前記第４の画像処理方法において、前記略円形形状検出ステップは、前記近傍外周領域のうち、前記略円形形状の輪郭部の少なくとも一部が存在する領域の割合が所定の閾値以上であると判断した場合に略円形形状を検出し、前記抽出ステップは、前記注目領域を前記略円形形状の中央部が存在する領域として抽出することを特徴とする。

本発明における第６の画像処理方法は、前記第４または第５の画像処理方法において、前記略円形形状は、泡であることを特徴とする。

本発明における第７の画像処理方法は、撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、前記特徴量算出ステップにおいて算出された特徴量と、所定の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する領域分類ステップと、前記複数のクラスのうち、構造的に明確な特徴を有する所定のクラスに分類される領域を、前記複数の領域から検出する領域検出ステップと、前記領域検出ステップにおいて検出された前記領域が有する前記特徴量に基づき、前記領域分類ステップにおける前記所定の分類基準を設定する分類基準設定ステップと、を有したこを特徴とする。

本発明における第８の画像処理方法は、前記第７の画像処理方法において、前記所定のクラスは、泡クラスまたは絨毛クラスのうち、少なくとも１つのクラスであることを特徴とする。

本発明の画像処理装置および当該画像処理装置における画像処理方法によれば、画像の小領域の多くを異物の像が占めるような、生体粘膜表面の像が良好に撮像されていない画像を、観察不要の画像として容易に除外することができ、さらに、前記分類結果に基づいて撮像された臓器を特定することができ、その結果、ユーザによる観察の効率化を図ることができる。

また、本発明の画像処理装置および当該画像処理装置における画像処理方法によれば、生体粘膜表面の像として分類された各々の領域に対し、さらに、例えば、前記各々の領域が有する特徴量に基づき、正常な粘膜の像と病変部位の像と分類するような画像処理方法を用いることにより、病変部位の検出精度を高めることができる。

以下、図面を参照して本発明の実施の形態を説明する。

（第１の実施形態）
図１から図１７は、本発明の第１の実施形態に係るものである。図１は、本発明の第１実施形態である画像処理装置および周辺機器の外観を示した外観斜視図である。図２は、本第１実施形態の画像処理装置において処理する所定の画像情報を生成するカプセル型内視鏡の一部を切り取って示した要部拡大断面図である。図３は、本第１実施形態の画像処理装置に所定の画像情報を供給するカプセル型内視鏡装置の概略内部構成を示すブロック図である。図４は、本第１実施形態の画像処理装置に所定の画像情報を供給するカプセル型内視鏡装置の一使用例を示した図である。図５は、図２に示すカプセル型内視鏡から出力される信号の一例を示したタイミングチャートである。図６は、図２に示すカプセル型内視鏡の位置検出を説明する説明図である。図７は、図３に示すカプセル型内視鏡装置を使用した際におけるアンテナユニットを示した要部拡大断面図である。図８は、図３に示すカプセル型内視鏡装置を使用した際におけるシールドジャケットを説明する説明図である。図９は、図３に示すカプセル型内視鏡装置の外部装置の被検体への装着状態を説明する説明図である。図１０は、図２に示すカプセル型内視鏡の電気的な構成を示すブロック図である。図１１は、本第１実施形態の画像処理装置における画像処理動作を示すフローチャートである。図１２は、本第１実施形態の画像処理装置における画像処理動作を示すフローチャートである。図１３は、本第１実施形態の画像処理装置において、入力された画像がｍ×ｎ個の領域に分割される際の一例を示す図である。図１４は、本第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、胃粘膜の画像の一例を示す図である。図１５は、本第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、絨毛の画像の一例を示す図である。図１６は、本第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、便の画像の一例を示す図である。図１７は、本第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、泡の画像の一例を示す図である。

本発明の第１の実施形態である画像処理装置に所定の画像情報を供給するカプセル型内視鏡装置１は、図３に示すように、カプセル型内視鏡３、アンテナユニット４及び外部装置５とで主要部が構成されている。

医療機器としてのカプセル型内視鏡３は、詳細は後述するが、被検体である患者２の口から体腔内に飲み込まれることにより体腔内に配置された後、蠕動運動により消化管内を進行する形状に形成され、かつ、内部に体腔内を撮像し、その撮像画像情報を生成する撮像機能と、その撮像画像情報を体外に送信する送信機能とを有している。アンテナユニット４は、詳細は後述するが、患者２の身体表面上に設置され、前記カプセル型内視鏡３から送信される撮像画像情報を受信する複数の受信アンテナ１１を有している。外部装置５は、外形が箱形形状に形成されており、詳細は後述するが、前記アンテナユニット４が受信した撮像画像情報の各種処理、撮像画像情報の記録、及び撮像画像情報による撮像画像表示等の機能を有している。この外部装置５の外装の表面に前記撮像画像を表示させる液晶モニタ１２と、各種機能の操作指示を行う操作部１３とが設けられている。

また、この外部装置５は、駆動電源用の電池の残量に関する警告表示用のＬＥＤと、電源スイッチ等のスイッチからなる操作部１３とが外装の表面に設けられている。又、カプセル型内視鏡３の内部には、ＣＰＵ及びメモリを用いた演算実行部が設けられており、例えば、該演算実行部において、受信及び記録した撮像画像情報に対して後述する画像処理が実行されるような構成であっても良い。

この外部装置５は、患者２の身体に着脱自在に装着されると共に、図１に示すように、クレードル６に装着されることにより、本発明の第１の実施形態である画像処理装置（以下、端末装置と記す）７に着脱自在に接続されるようになっている。この端末装置７は、たとえば、パーソナルコンピュータが用いられ、各種データの処理機能や記憶機能を有する端末本体９と、各種操作処理入力用のキーボード８ａ及びマウス８ｂと、及び各種処理結果を表示するディスプレイ８ｃとを有している。この端末装置７は、基本的機能として、例えば、前記外部装置５に記録されている撮像画像情報をクレードル６を介して取り込み、端末本体９に内蔵されている書換可能なメモリ、或いは端末本体９に着脱自在な書換可能な半導体メモリ等の可搬型メモリに書込記録させ、かつ、その記録した撮像画像情報をディスプレイ８ｃに表示する画像処理を行うような機能を有している。なお、前記外部装置５に記憶されている撮像画像情報は、前記クレードル６に代えて、ＵＳＢケーブル等によって端末装置７に取り込まれるようにしても良い。

なお、端末装置７が行う画像処理は、例えば、前記外部装置５から取り込み記録した撮像画像情報から経過時間に応じて表示させる画像を選択する処理、及び後述する画像処理として、端末本体９が有する制御部９ａにおいて行われる。制御部９ａは、ＣＰＵ（中央処理装置）等を有し、例えば、前述したような処理を行う場合に、処理結果を一時的に図示しないレジスタ等に保持することができる。

次に、前記カプセル型内視鏡３の外形と内部構造について、図２を用いて説明する。カプセル型内視鏡３は、断面がＵ字状の外装部材１４と、この外装部材１４の先端側の開放端に接着剤により水密装着された透明部材により形成された略半球形状のカバー部材１４ａと有する。そのため、カプセル型内視鏡３の外装は、外装部材１４と、カバー部材１４ａとが接続された状態においては、水密構造かつカプセル形状を有するように形成されている。

この外装部材１４とカバー部材１４ａを有するカプセル形状の内部中空部であって、前記カバー部材１４ａの半球の円弧の略中央にあたる部分には、カバー部材１４ａを介して入射された観察部位像を取り込む対物レンズ１５がレンズ枠１６に収納されて配置されている。この対物レンズ１５の結像位置には、撮像素子である電荷結合素子（以降、ＣＣＤと記す）１７が配置されている。また、前記対物レンズ１５を収納するレンズ枠１６の周囲には、照明光を発光放射させる４つの白色系のＬＥＤ１８が同一平面上に配置されている（図中には２つのＬＥＤのみを表記している）。前記ＣＣＤ１７の後端側の前記外装部材１４の内部中空部には、前記ＣＣＤ１７を駆動制御して光電変換された撮像信号の生成、その撮像信号に所定の信号処理を施して撮像画像信号を生成する撮像処理、及び前記ＬＥＤ１８の点灯／非点灯の動作を制御するＬＥＤ駆動の処理を行う処理回路１９と、この処理回路１９の撮像処理により生成された撮像画像信号を無線信号に変換して送信する通信処理回路２０と、この通信処理回路２０からの無線信号を外部に送信する送信アンテナ２３と、前記処理回路１９と通信処理回路２０の駆動用電源を供給する複数のボタン型の電池２１とが配置されている。

なお、ＣＣＤ１７、ＬＥＤ１８、処理回路１９、通信処理回路２０及び送信アンテナ２３は、図示しない基板上に配置され、それらの基板の間は、図示しないフレキシブル基板にて接続されている。また、前記処理回路１９には、後述する画像処理を行うための図示しない演算回路を備えている。つまり、前記カプセル型内視鏡３は、図３に示すように、前記ＣＣＤ１７、ＬＥＤ１８及び処理回路１９とを有する撮像装置４３と、前記通信処理回路２０を有する送信器３７と、送信アンテナ２３とを有する。

次に、前記カプセル型内視鏡３の撮像装置４３の詳細構成について、図１０を用いて説明する。撮像装置４３は、ＬＥＤ１８の点灯／非点灯の動作を制御するＬＥＤドライバ１８Ａと、ＣＣＤ１７の駆動を制御して光電変換された電荷の転送を行う為のＣＣＤドライバ１７Ａと、前記ＣＣＤ１７から転送された電荷を用いて撮像信号を生成し、かつ、その撮像信号に所定の信号処理を施して撮像画像信号を生成する処理回路１９Ａと、前記ＬＥＤドライバ１８Ａ、ＣＣＤドライバ１７Ａ、処理回路１９Ａ、及び送信器３７に電池２１からの駆動電源を供給するスイッチ部と、前記スイッチ部及びＣＣＤドライバ１７Ａにタイミング信号を供給するタイミングジェネレータ１９Ｂとからなっている。なお、前記スイッチ部は、電池２１から前記ＬＥＤドライバ１８Ａへの電源供給をオン／オフをするスイッチ１９Ｃと、前記ＣＣＤ１７、ＣＣＤドライバ１７Ａ及び処理回路１９Ａへの電源供給をオン・オフするスイッチ１９Ｄと、前記送信器３７への電源供給をオン／オフするスイッチ１９Ｅとからなっている。また、前記タイミングジェネレータ１９Ｂには、電池２１から常時駆動電源が供給されるようになっている。

このような構成を有するカプセル型内視鏡３の撮像装置４３においては、スイッチ１９Ｃと、スイッチ１９Ｄと、スイッチ１９Ｅとがオフ状態である場合、タイミングジェネレータ１９Ｂ以外の各部は非動作状態である。そして、タイミングジェネレータ１９Ｂからタイミング信号が出力されると、前記スイッチ１９Ｄがオンされ、これにより、電池２１から電源が供給されたＣＣＤ１７、ＣＣＤドライバ１７Ａ及び処理回路１９Ａは動作状態となる。

前記ＣＣＤ１７の駆動初期時に、ＣＣＤ１７の電子シャッターを動作させて、不要な暗電流を除去した後、タイミングジェネレータ１９Ｂは、スイッチ１９ＣをオンさせてＬＥＤドライバ１８Ａを駆動させてＬＥＤ１８を点灯させＣＣＤ１７を露光する。ＬＥＤ１８は、ＣＣＤ１７の露光に必要な所定の時間だけ点灯された後、消費電力低減の為に、スイッチ１９Ｃがオフしたタイミングにおいて消灯される。

前記ＣＣＤ１７の露光が行われた前記所定の時間内に蓄えられた電荷は、ＣＣＤドライバ１７Ａの制御により処理回路１９Ａへ転送される。処理回路１９Ａは、ＣＣＤ１７から転送された電荷を基に撮像信号を生成し、その撮像信号に所定の信号処理を施して内視鏡画像信号を生成する。処理回路１９Ａは、例えば、送信器３７から送信される信号がアナログ無線方式である場合、ＣＤＳ出力信号に対して複合同期信号を重畳させたアナログ撮像信号を生成した後、該アナログ撮像信号を内視鏡画像信号として送信器３７へ出力する。また、処理回路１９Ａは、例えば、送信器３７から送信される信号がデジタル無線方式である場合、アナログ／デジタルコンバータにより生成したシリアルなデジタル信号に対し、さらにスクランブル等の符号化処理を施したデジタル撮像画像信号を生成し、該デジタル撮像信号を内視鏡画像信号として送信器３７へ出力する。

この送信器３７は、前記処理回路１９Ａから供給された内視鏡画像信号である、アナログ撮像画像信号またはデジタル撮像画像信号に対して変調処理を施して送信アンテナ２３から外部へ無線送信する。この時、スイッチ１９Ｅは、前記処理回路１９Ａから撮像画像信号が出力されたタイミングにおいてのみ送信器３７に駆動電力が供給されるように、タイミングジェネレータ１９Ｂによりオン／オフされる。

なお、スイッチ１９Ｅは、処理回路１９Ａから撮像画像信号が出力されてから所定の時間が経過した後に、送信器３７に駆動電力が供給されるように制御されても良い。また、スイッチ１９Ｅは、カプセル型内視鏡３に設けられた、図示しないｐＨセンサーによる所定値のｐＨ値の検出、図示しない湿度センサーによる所定値以上の湿度の検出、図示しない圧力センサーまたは図示しない加速度センサーによる所定値以上の圧力または加速度の検出等の検出結果に基づいてタイミングジェネレータ１９Ｂから出力される信号により、被検体である患者２の体腔内に挿入された際に、送信器３７に電源を供給するように制御されるような構成を有していても良い。

なお、前記カプセル型内視鏡２の撮像装置４３は、通常毎秒２枚の画像（毎秒２フレーム＝２ｆｐｓ）を撮像するものであるが、例えば、食道の検査の場合は、毎秒１５〜３０枚の画像（１５ｆｐｓ〜３０ｆｐｓ）を撮像できるようにする。具体的には、カプセル型内視鏡３に、図示しないタイマー回路を設け、このタイマー回路により、例えば、タイマーカウントが所定時間以内においては毎秒当たりの撮像枚数の多い高速撮像とし、所定時間が経過した後は、毎秒当たりの撮像枚数の少ない低速撮像となるように撮像装置４３の駆動を制御させる。或いは、カプセル型内視鏡３の電源の投入と共にタイマー回路を作動させて、このタイマー回路により、例えば、患者２が飲み込んだ直後の食道を通過するまでの時間は高速撮像となるように、撮像装置４３の駆動を制御させることも可能である。さらに、低速撮像用カプセル型内視鏡と高速撮像用カプセル型内視鏡とを個別に設けて、観察対象部位に応じて使い分けるようにしても良い。

次に、前記患者２の身体表面上に設置されるアンテナユニット４について説明する。図４に示すように、カプセル型内視鏡３を飲み込んで内視鏡検査を行う場合、患者２は、複数の受信アンテナ１１からなるアンテナユニット４が設置されたジャケット１０を装着する。このアンテナユニット４は、図７に示すように、たとえば、ＧＰＳに使用されているパッチアンテナのような単方向の指向性を有する複数の受信アンテナ１１を患者２の身体内方向にその指向性を向けて配置する。つまり、カプセル型内視鏡３のカプセル本体３Ｄは、身体内に留置されるため、その身体内のカプセル本体３Ｄを取り囲むように前記複数のアンテナ１１が配置される。この指向性の高いアンテナ１１を使用することにより、身体内のカプセル本体３Ｄ以外からの電波による干渉妨害の影響を受けにくくしている。

前記ジャケット１０は、図８に示すように、患者２の身体表面に設置する前記アンテナユニット４と、ベルトにより患者２の腰に設置された外部装置５の本体部５Ｄを覆うように電磁シールド繊維で形成されたシールドジャケット７２とからなる。このシールドジャケット７２を形成する電磁シールド繊維は、金属繊維、金属化学繊維、硫化銅含有繊維等が用いられている。なお、このシールドジャケット７２は、ジャケット形状に限るものではなく、例えば、ベスト、ワンピース形状等であっても良い。

又、前記シールドジャケット７２に前記外部装置５を装着する例として、図９に示すように、前記外部装置５の外部本体５Ｄに鍵穴７４を設け、前記シールドジャケット７２に設けた鍵７５を前記鍵穴７４に差し込むことにより、ベルト７３に着脱自在に装着できるようにする。或いは、単にシールドジャケット７２に図示しないポケットを設け、そのポケットに外部本体５Ｄを収納したり、又は、外部装置５の外部本体５Ｄとシールドジャケット７２にマジックテープ（登録商標）を設置し、そのマジックテープ（登録商標）により取付固定しても良い。

つまり、アンテナユニット４が配置された身体にシールドジャケット７２を装着することにより、アンテナユニット４に対する外部からの電波がシールド遮蔽されて、外部電波による干渉妨害の影響を一層受けにくくしている。

次に、前記アンテナユニット４と外部装置５の構成について、図３を用いて説明する。前記アンテナユニット４は、前記カプセル型内視鏡３の送信アンテナ２３から送信された無線信号を受信する複数の受信アンテナ１１ａ〜１１ｄと、このアンテナ１１ａ〜１１ｄを切り替えるアンテナ切換スイッチ４５とからなる。前記外部装置５は、アンテナ切換スイッチ４５からの無線信号を撮像画像信号に変換及び増幅等の受信処理を行う受信回路３３と、この受信回路３３から供給された撮像画像信号に所定の信号処理を施して、撮像画像の表示用信号及び撮像画像データを生成する信号処理回路３５と、この信号処理回路３５により生成された撮像画像表示用信号に基づいて撮像画像を表示する液晶モニタ１２と、前記信号処理回路３５により生成された撮像画像データを記憶するメモリ４７と、前記受信回路３３により受信処理された無線信号の大きさにより前記アンテナ切換スイッチ４５を制御するアンテナ選択回路４６とからなる。

前記アンテナユニット４の図中受信アンテナ１１ａ〜１１ｄとして示した複数の受信アンテナ１１は、前記カプセル型内視鏡３の送信アンテナ２３から一定の電波強度により送信された無線信号を受信する。この複数の受信アンテナ１１ａ〜１１ｄは、前記外部装置５のアンテナ選択回路４６からのアンテナ選択信号によりアンテナ切替スイッチ４５が制御されて、前記無線信号を受信する受信アンテナを順次切り替える。つまり、前記アンテナ切替スイッチ４５により順次切り替えられた各受信アンテナ１１ａ〜ｄ毎に受信した無線信号が前記受信器３３に出力される。この受信器３３において、各受信アンテナ１１ａ〜１１ｄ毎の無線信号の受信強度を検出して、各受信アンテナ１１ａ〜１１ｄとカプセル型内視鏡３の位置関係を算出すると共に、その無線信号を復調処理して撮像画像信号を信号処理回路３５へと出力する。前記アンテナ選択回路４６は、前記受信器３３からの出力によって制御される。

前記アンテナ選択回路４６によるアンテナ切替スイッチ４５の動作について説明する。前記カプセル型内視鏡３から送信される無線信号は、図５に示すように、撮像画像信号の１フレームの送信期間に、無線信号の受信強度を示す受信強度信号の送信期間である強度受信期間と、撮像画像信号の送信期間である映像信号期間とが順次繰り返されて送信されるとする。

前記アンテナ選択回路４６は、前記受信回路３３を介して、各受信アンテナ１１ａ〜１１ｄが受信した受信強度信号の受信強度が供給される。前記アンテナ選択回路４６は、前記受信器３３からの供給された各アンテナ１１ａ〜１１ｄの受信強度信号の強度を比較して、映像信号期間の撮像画像信号を受信する最適な受信アンテナ、つまり、受信強度信号の強度が最も高いアンテナ１１ｉ（ｉ＝ａ〜ｄ）を決定して、アンテナ切替回路４５をそのアンテナ１１ｉに切り替えるための制御信号を生成出力する。これにより、現在画像信号を受信しているアンテナよりも、他のアンテナの受信強度信号の受信強度が高い場合には、映像信号期間の受信アンテナを次フレーム分から切り替えるようにする。

このように、カプセル型内視鏡３からの無線信号を受信するたびに、撮像画像信号、又は受信強度信号の受信強度を比較し、この比較結果を受けたアンテナ選択回路４６によって受信強度が最大となるアンテナ１１ｉを画像信号受信用のアンテナとを指定するようにしている。これにより、カプセル型内視鏡３が患者２の体内で移動しても、その移動位置において最も受信強度の高い信号を検出できるアンテナ１１により取得した画像信号を受信することができる。また、体内でのカプセル型内視鏡３の移動速度は非常に遅い部分と早い部分に分かれるので、撮像動作１回につき常にアンテナ切替動作を１回行うとは限らず、高速撮像モードなどでは複数回の撮像動作に対してアンテナ切替動作を１回行うようにしてもよい。

なお、カプセル型内視鏡３は、患者２の体内を移動しているので、適宜の時間間隔で外部装置５から電波強度を検出した結果である検出結果信号を送り、その信号に基づいてカプセル型内視鏡３が送信する際のその出力を更新するようにしてもよい。このようにすれば、カプセル型内視鏡３が患者２の体内を移動した場合にも、適切な送信出力に設定でき、電池２１のエネルギを無駄に消費すること等を防止でき、信号の送受信状態を適切な状態に維持できるようになる。

次に、前記複数の受信アンテナ１１とカプセル型内視鏡３の位置関係を示す情報の取得方法について、図６を用いて説明する。なお、図６において、カプセル型内視鏡３を３次元座標Ｘ、Ｙ、Ｚの原点に設定した場合を例に説明する。又、前記複数の受信アンテナ１１ａ〜１１ｄのうち、説明を簡単化するために、３つの受信アンテナ１１ａ、１１ｂ、１１ｃを用い、受信アンテナ１１ａと受信アンテナ１１ｂとの間の距離をＤａｂ、受信アンテナ１１ｂと受信アンテナ１１ｃとの間の距離をＤｂｃ、受信アンテナ１１ａと受信アンテナ１１ｃとの間の距離Ｄａｃとしている。さらに、この受信アンテナ１１ａ〜１１ｃとカプセル型内視鏡３の間は、所定の距離関係としている。

カプセル型内視鏡３の送信された一定の送信強度の無線信号は、各受信アンテナ１１ｊ（ｊ＝ａ、ｂ、ｃ）で受信した場合の受信強度は、カプセル型内視鏡３（カプセル型内視鏡３の送信アンテナ２３）からの距離Ｌｉ（ｉ＝ａ，ｂ，ｃ）の関数となる。具体的には電波減衰量が伴う距離Ｌｉに依存する。従って、カプセル型内視鏡３から送信された無線信号の受信アンテナ１１ｊにより受信した受信強度からカプセル型内視鏡３と各受信アンテナ１１ｊとの間の距離Ｌｉを算出する。この距離Ｌｉの算出には、前記カプセル型内視鏡３と受信アンテナ１１ｊの間の距離による電波の減衰量などの関係データを事前に前記アンテナ選択回路４６に設定する。又、その算出されたカプセル型内視鏡３と各受信アンテナ１１ｊの位置関係を示す距離データは、前記メモリ４７にカプセル型内視鏡３の位置情報として記憶させる。このメモリ４７に記憶された撮像画像情報及びカプセル型内視鏡３の位置情報を基に、前記端末機７による後述する画像情報処理方法において、内視鏡観察所見の位置設定に有用となる。

次に、本実施形態の画像処理装置における画像処理動作について説明を行う。

なお、本実施形態においては、カプセル型内視鏡３により撮像された体腔内の像の画像は、ｘ軸方向のドット数ＩＳＸ×ｙ軸方向のドット数ＩＳＹ（１≦ＩＳＸ、１≦ＩＳＹを満たす値であり、例えば、ＩＳＸ＝３００、ＩＳＹ＝３００）、Ｒ（赤）Ｇ（緑）Ｂ（青）の３プレーンからなり、各プレーンにおける各画素は、濃度値であるＲＧＢ値として各々８ｂｉｔ、すなわち、０から２５５の値をとるものとする。また、本発明の実施形態においては、連続して撮像されたＮ枚の画像（１≦Ｎ）におけるｉ番目の画像をＩｉ（１≦ｉ≦Ｎ）、そのＲＧＢ各プレーンをそれぞれＲｉ、Ｇｉ及びＢｉと示すものとする。さらに、本発明の実施形態においては、各プレーンにおけるｋ番目の画素（１≦ｋ≦ＩＳＸ×ＩＳＹ）をそれぞれｒｉｋ、ｇｉｋ及びｂｉｋと示すものとする。

なお、本実施形態の画像処理装置における画像処理動作は、上述した端末装置７の端末本体９が有する制御部９ａにおける処理として行われるようになっている。

まず、制御部９ａは、入力されたｉ番目の画像Ｉｉを構成するＲｉ、Ｇｉ及びＢｉの各プレーンに対し、前処理として、例えば、メディアンフィルタリングによるノイズ除去及び逆γ補正を行うと共に、ハレーション画素及び暗部画素を以降の処理対象から除外するため、閾値に基づく処理により検出しておく（図１１のステップＳ１）。そして、前記閾値に基づく処理は、例えば、ｒｉｋ、ｇｉｋ及びｂｉｋの濃度値の全てが１０以下の値であれば暗部画素、また、ｒｉｋ、ｇｉｋ及びｂｉｋの濃度値の全てが２３０以上の値であればハレーション画素とするような処理として行われる。

その後、制御部９ａは、Ｒｉ、Ｇｉ及びＢｉの各プレーンを小領域に分割する（図１１のステップＳ２）。なお、本実施形態において、制御部９ａは、図１３に示すように、Ｒｉ、Ｇｉ及びＢｉの各プレーンを、ｘ軸方向の画素数ｌｘ×ｙ軸方向の画素数ｌｙ（１≦ｌｘ、１≦ｌｙ）からなる矩形領域に分割するものとし、その領域数はｍ×ｎ個（ｍ＝ＩＳＸ／ｌｘ、ｎ＝ＩＳＹ／ｌｙ）であるものとする。また、制御部９ａは、ｍまたはｎが整数とならない場合においては、大きさが端数となる最端部の領域を、端数の画素数を有する領域として処理するか、または以降の処理対象から除外するものとする。

制御部９ａは、分割した各領域において、撮像対象の像の画像上における色の違いを反映する色調情報、及び撮像対象の像の画像上における構造の違いを反映するテクスチャ情報を特徴量として算出する（図１１のステップＳ３）。なお、以降の説明においては、制御部９ａにおいて分割された領域のうち、一の領域をＨｊ（１≦ｊ≦ｍ×ｎ）と示すものとする。

本実施形態において、制御部９ａが算出する色調情報は、一の領域Ｈｊに含まれる各画素のＲＧＢ値の比に基づく値としての、ｇｉｋ／ｒｉｋの平均値（以降、μｇｊと記す）及びｂｉｋ／ｒｉｋの平均値（以降、μｂｊと記す）からなる、２つの特徴量として示される値である。なお、μｇｊ及びμｂｊの各値は、０から１の値をとるものとする。また、μｇｊ及びμｂｊの各値は、例えば、胃粘膜のような比較的赤色調を示す領域においては、略同様に小さな値をとる。一方、μｇｊ及びμｂｊの各値は、例えば、小腸のような比較的白色調を示す領域においては、略同様に大きな値をとる。また、μｇｊ及びμｂｊの各値は、例えば、便のような比較的黄色調を示す領域においては、μｇｊ＞μｂｊとなるような値をとる。

本実施形態において、制御部９ａが算出するテクスチャ情報は、前述したように、撮像対象の像の画像上における構造の違いを反映するものである。そして、撮像対象の像の画像上における構造は、例えば、粘膜表面における絨毛等の微細構造、及び便が有する不定形な模様等として示されるものである。具体的には、制御部９ａが算出するテクスチャ情報は、一の領域Ｈｊに含まれる各画素のＲＧＢ値の標準偏差σｒｊ、σｇｊ及びσｂｊを、一の領域Ｈｊに含まれる各画素のＲＧＢ値の平均値ｍｒｊ、ｍｇｊ及びｍｂｊで除したものである、３つの特徴量として示されるＲＧＢ値の変動係数ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊである。なお、変動係数ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊを算出するための計算式は、下記数式（１）、数式（２）及び数式（３）として示される。

ＣＶｒｊ＝σｒｊ／ｍｒｊ ・・・（１）
ＣＶｇｊ＝σｇｊ／ｍｇｊ ・・・（２）
ＣＶｂｊ＝σｂｊ／ｍｂｊ ・・・（３）

上記数式（１）、数式（２）及び数式（３）により算出される変動係数ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊにより、撮像対象に対して供給される照明光量の違い等による影響によらず、テクスチャ構造による画素変動の程度を数値化することができる。ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊの各値は、例えば、拡大観察を行っていない状態である、通常観察において撮像された胃粘膜のような、画像上における構造が比較的平坦な領域においては、明瞭なテクスチャ構造がないため、略同様に小さな値をとる。一方、ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊの各値は、例えば、小腸の絨毛のような、画像上における構造にエッジを比較的多く含む領域においては、略同様に大きな値をとる。

そして、制御部９ａは、色調情報及びテクスチャ情報からなる５つの特徴量、すなわち、μｇｊ、μｂｊ、ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊの各値を、ハレーション画素及び暗部画素を除いた各画素のＲＧＢ値に基づき、ｍ×ｎ個の領域Ｈｊ各々において算出する。なお、本実施形態においては、一の領域Ｈｊが有する、（ｌｘ×ｌｙ）個の画素において、例えば、ハレーション画素の個数と、暗部画素の個数との和が占める割合が５０％を超えた場合、一の領域Ｈｊを以降の処理から除外するような制御が行われるものであっても良い。

その後、制御部９ａは、以降に説明する処理を行うため、一の領域Ｈｊの領域番号ｊをｊ＝１とする（図１１のステップＳ４）。そして、制御部９ａは、分類基準としてのベイズの定理に基づく統計的識別器を用い、胃粘膜、絨毛、便及び泡からなる４つのクラスのうち、一の領域Ｈｊがどのクラスに属するかを識別し、該識別結果に基づく分類を行う。

具体的には、４つのクラスの識別及び分類において、一のクラスωａ（ａ＝１、２、…、Ｃ、Ｃはクラス数を示す）が発生する事前確率をＰ（ωａ）とし、一の領域Ｈｊにおける５つの特徴量から決定された特徴ベクトルをｘとし、全クラスからの特徴ベクトルｘの発生確率に基づく確率密度関数をｐ（ｘ）とし、一のクラスωａからの特徴ベクトルｘの発生確率に基づく状態依存確率密度（多変量正規確率密度）関数をｐ（ｘ｜ωａ）とすると、発生した特徴ベクトルｘが一のクラスωａに属する事後確率Ｐ（ωａ｜ｘ）を算出するための計算式は、下記数式（４）として示される。

なお、状態依存確率密度関数ｐ（ｘ｜ωａ）及び確率密度関数ｐ（ｘ）は、下記数式（５）及び数式（６）として示される。

なお、上記数式（５）及び数式（６）において、ｄはｘの特徴量の個数と同数である次元数を示し、μａ及びΣａはクラスωａにおける特徴ベクトルｘの平均ベクトル及び一のクラスωａにおける分散共分散行列を示すものとする。また、（ｘ−μａ）^ｔは（ｘ−μａ）の転置行列を示し、｜Σａ｜はΣａの行列式を示し、Σａ^−１はΣａの逆行列を示すものとする。さらに、説明の簡単のため、事前確率Ｐ（ωａ）は、全クラスにおいて等しい値をとると仮定し、また、確率密度関数ｐ（ｘ）は、上記数式（６）により全クラス共通の関数として表されるものとする。

前述したようなベイズの定理に基づく統計的識別器と共に、分類基準として用いられる平均ベクトルμａ及び分散共分散行列Σａは、一のクラスωａにおける母数を構成する要素であり、１番目の画像Ｉ１が端末装置７に入力される以前の段階において、胃粘膜、絨毛、便及び泡からなる４つのクラスの教師データを構成する複数の画像、例えば、図１４、図１５、図１６及び図１７に示すような画像に基づき、該画像の一の領域各々において都度決定される特徴ベクトルｘから、クラス毎に予め算出された後、初期値として端末装置７に各々記録される。なお、このとき、制御部９ａは、各クラスの教師データにおける特徴ベクトルに、画像Ｉｉにおける各クラスの特徴ベクトルを加えるようにして母数を推定しても良い。

なお、平均ベクトルμａは、特徴ベクトルｘが有する５つの特徴量各々の平均値からなり、かつ、特徴ベクトルｘと同一の次元数を有するベクトルである。すなわち、特徴ベクトルｘがｘ＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５）として表される場合、平均ベクトルμａは、特徴ベクトルｘが有する５つの特徴量各々の平均値である、μｘ１、μｘ２、μｘ３、μｘ４およびμｘ５を用いて、μａ＝（μｘ１，μｘ２，μｘ３，μｘ４，μｘ５）として表されるものとする。また、分散共分散行列Σａは、一のクラスωａに属する特徴ベクトルｘの分布のバラツキ及び広がり具合を示す行列であり、特徴ベクトルｘの特徴量の個数と同数である次元数ｄに対し、ｄ×ｄ行列として表されるものとする。

制御部９ａは、発生した特徴ベクトルｘがクラスω１に属する事後確率Ｐ（ω１｜ｘ）と、発生した特徴ベクトルｘがクラスω２に属する事後確率Ｐ（ω２｜ｘ）と、発生した特徴ベクトルｘがクラスω３に属する事後確率Ｐ（ω３｜ｘ）と、発生した特徴ベクトルｘがクラスω４に属する事後確率Ｐ（ω４｜ｘ）とを、ベイズの定理に基づいた上記数式（４）から数式（６）を用いて各々算出する。そして、制御部９ａは、これら４つの事後確率のうち、最大の事後確率Ｐ１（ωａ｜ｘ）を与えるクラスωａに特徴ベクトルｘが属するものとして識別を行い、該識別結果に基づいて特徴ベクトルｘが発生した領域である一の領域Ｈｊをクラスωａに分類する（図１１のステップＳ５）と共に、最大の事後確率Ｐ１（ωａ｜ｘ）を与える確率密度関数ｐ１（ｘ｜ωａ）の値を算出する。

そして、制御部９ａは、以上までの処理において、クラスωａに分類された一の領域Ｈｊの分類結果が正確なものであるか否かを判定するため、平均値からの距離に基づく処理、すなわち、最大の事後確率Ｐ１（ωａ｜ｘ）を与える確率密度関数ｐ１（ｘ｜ωａ）の値に対する閾値に基づく処理をさらに行う。

具体的には、まず、制御部９ａは、平均ベクトルμａが有する５つの特徴量各々の平均値のうち、例えば、特徴量ｘ１の平均値μｘ１に対し、特徴量ｘ１の標準偏差σｘ１と、所定の定数としての乗算係数αとの積を加えた値を含む、閾値ベクトルｘｂ１を決定する。なお、このような閾値ベクトルｘｂ１は、例えば、下記数式（７）として示されるものであり、また、本実施形態においては、乗算係数αの値は１．５であるとする。

ｘｂ１＝（μｘ１＋α×σｘ１，μｘ２，μｘ３，μｘ４，μｘ５） ・・・（７）

上記数式（７）により閾値ベクトルｘｂ１が決定されると、制御部９ａは、閾値ベクトルｘｂ１を上記数式（４）、数式（５）及び数式（６）のｘとして代入し、一の領域Ｈｊが分類されたクラスωａの閾値としての、確率密度関数ｐ（ｘｂ１｜ωａ）の値を算出する。

そして、制御部９ａは、ｐ１（ｘ｜ωａ）の値がｐ（ｘｂ１｜ωａ）の値より大きいことを検出する（図１１のステップＳ６）と、図１１のステップＳ５に示す処理において、一の領域Ｈｊをクラスωａに分類した分類結果が正確であると判断する（図１１のステップＳ７）。

また、制御部９ａは、ｐ１（ｘ｜ωａ）の値がｐ（ｘｂ１｜ωａ）の値以下であることを検出する（図１１のステップＳ６）と、図１１のステップＳ５に示す処理において、一の領域Ｈｊをクラスωａに分類した分類結果が不正確であると判断し、一の領域Ｈｊを不明クラスに分類する（図１１のステップＳ８）。

そして、制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了していない場合（図１１のステップＳ９）、領域番号ｊに１を加え（図１１のステップＳ１０）、次の領域について、図１１のステップＳ５からステップＳ９までに示す処理を行う。また、制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了した場合（図１１のステップＳ９）、画像Ｉｉにおけるｍ×ｎ個の分類結果と、ｍ×ｎ個の領域が各々有する特徴量とに基づき、４つのクラス各々において、分類基準としての平均ベクトルμａ及び分散共分散行列Σａを再度算出する（図１２のステップＳ１１）。なお、平均ベクトルμａ及び分散共分散行列Σａを再度算出する際に、色調情報及びテクスチャ情報に基づく５つの特徴量全てについて算出するのではなく、例えば、色調情報を構成する２つの特徴量についてのみ算出するようにしてもよい。

その後、制御部９ａは、以降に説明する処理を行うため、一の領域Ｈｊの領域番号ｊをｊ＝１とする（図１２のステップＳ１２）。

制御部９ａは、図１２のステップＳ１１に示す処理において算出された平均ベクトルμａ及び分散共分散行列Σａが代入された上記数式（４）から数式（６）を用い、発生した特徴ベクトルｘがクラスω１に属する事後確率Ｐ（ω１｜ｘ）と、発生した特徴ベクトルｘがクラスω２に属する事後確率Ｐ（ω２｜ｘ）と、発生した特徴ベクトルｘがクラスω３に属する事後確率Ｐ（ω３｜ｘ）と、発生した特徴ベクトルｘがクラスω４に属する事後確率Ｐ（ω４｜ｘ）とを、再度各々算出する。そして、制御部９ａは、これら４つの事後確率のうち、最大の事後確率Ｐ２（ωａ｜ｘ）を与えるクラスωａに特徴ベクトルｘが属するものとして識別を行い、該識別結果に基づいて特徴ベクトルｘが発生した領域である一の領域Ｈｊをクラスωａに再分類する（図１２のステップＳ１３）と共に、最大の事後確率Ｐ２（ωａ｜ｘ）を与える確率密度関数ｐ２（ｘ｜ωａ）の値を算出する。

そして、制御部９ａは、以上までの処理において、クラスωａに再分類された一の領域Ｈｊの再分類結果が正確なものであるか否かを判定するため、最大の事後確率Ｐ２（ωａ｜ｘ）を与える確率密度関数ｐ２（ｘ｜ωａ）の値に対する閾値に基づく処理をさらに行う。

すなわち、前述したように、図１２のステップＳ１１に示す処理において算出された平均ベクトルμａが有する５つの特徴量各々の平均値のうち、例えば、特徴量ｘ１の平均値μｘ１に対し、特徴量ｘ１の標準偏差σｘ１と、所定の定数としての乗算係数αとの積を加えた値を含む、閾値ベクトルｘｂ２を決定する。そして、閾値ベクトルｘｂ２が決定されると、制御部９ａは、閾値ベクトルｘｂ２を上記数式（４）、数式（５）及び数式（６）のｘとして代入し、一の領域Ｈｊが再分類されたクラスωａの閾値としての、確率密度関数ｐ（ｘｂ２｜ωａ）の値を算出する。

そして、制御部９ａは、ｐ２（ｘ｜ωａ）の値がｐ（ｘｂ２｜ωａ）の値より大きいことを検出する（図１２のステップＳ１４）と、一の領域Ｈｊをクラスωａに再分類した再分類結果が正確であると判断する（図１２のステップＳ１５）。

また、制御部９ａは、ｐ２（ｘ｜ωａ）の値がｐ（ｘｂ２｜ωａ）の値以下であることを検出する（図１２のステップＳ１４）と、一の領域Ｈｊをクラスωａに再分類した再分類結果が不正確であると判断し、一の領域Ｈｊを不明クラスに再分類する（図１２のステップＳ１６）。

そして、制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了していない場合（図１２のステップＳ１７）、領域番号ｊに１を加え（図１２のステップＳ１８）、次の領域について、図１２のステップＳ１３からステップＳ１７までに示す処理を行う。また、制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了した場合（図１２のステップＳ１７）、今度は（ｉ＋１）番目の画像Ｉｉ＋１に対し、図１１のステップＳ１からの一連の処理を行う（図１２のステップＳ１９）。

なお、図１２のステップＳ１１に示す処理において算出された平均ベクトルμａ及び分散共分散行列Σａは、（ｉ＋１）番目の画像Ｉｉ＋１に対して行われる、図１１のステップＳ５に示す処理において使用されるものであってもよい。この場合、時間的に連続する画像間において、画像の識別および分類に使用される母数を動的に変更することにより、画像の分類をさらに高精度に行うことができる。

また、一般に、生体粘膜表面の像は、テクスチャ情報に基づく差に比べ、色調情報に基づく差が顕著である。そのため、制御部９ａは、図１２のステップＳ１１に示す処理において、色調情報及びテクスチャ情報の両方に対して平均ベクトルμａ及び分散共分散行列Σａを再度算出する処理を行うものに限らず、例えば、色調情報またはテクスチャ情報のうち、いずれか一方のみに対してμａ及び分散共分散行列Σａを再度算出する処理を行うものであっても良い。

端末装置７の制御部９ａは、以上に述べたような、図１１及び図１２のステップＳ１からステップＳ１８に示す画像Ｉｉの分類結果を用いた処理をさらに行うことにより、例えば、画像Ｉｉが胃粘膜、絨毛等の像である生体粘膜表面の像であるか否かを判断することができる。

具体的には、制御部９ａは、図１１及び図１２のステップＳ１からステップＳ１８に示す画像Ｉｉの分類結果において、各クラスに分類された領域数を数えた後、例えば、胃粘膜クラスまたは絨毛クラスに分類された領域数Ａが全領域数（ｍ×ｎ）に占める割合を算出する。そして、制御部９ａは、Ａ／（ｍ×ｎ）が所定の閾値以上（例えば０．８）である場合、画像Ｉｉが生体粘膜表面の像であると判断する。これにより、制御部９ａは、生体粘膜表面の像であることが確実な画像を抽出することができる。

また、以上の説明においては、色調情報及びテクスチャ情報に基づく５個の特徴量の全てを一度に用いて特徴ベクトルｘを決定するような、５次元の多変量正規確率密度を規定する場合について述べた。しかし、本実施形態における画像処理方法においては、例えば、色調情報及びテクスチャ情報についての各々の特徴量を個別に用いて２種類の特徴ベクトルｘｃおよびｘｔを決定し、１つのクラスにつき２個の多変量正規確率密度を規定することにより、画像の分類をさらに高精度に行うことができる。

具体的には、まず、制御部９ａは、色調情報を構成する２個の特徴量μｇｊ及びμｂｊについての状態依存確率密度関数をｐｃ（ｘｃ｜ωａ）として、また、テクスチャ情報を構成する３個の特徴量ＣＶｒｊ、ＣＶｇｊ及びＣＶｂｊについての状態依存確率密度関数をｐｔ（ｘｔ｜ωａ）として各々算出する。なお、ｘｃは、ｘｃ＝（μｇｊ，μｂｊ）として表される２次元のベクトルであり、また、ｘｔは、ｘｔ＝（Ｃｖｒｊ、Ｃｖｇｊ、Ｃｖｂｊ）として表される３次元のベクトルである。

制御部９ａは、これら２つの状態依存確率密度関数ｐｃ（ｘｃ｜ωａ）及びｐｔ（ｘｔ｜ωａ）を用いて数式（５）に基づく事後確率Ｐｃ（ωａ｜ｘｃ）及びＰｔ（ωａ｜ｘｔ）を算出した後、最終的な事後確率Ｐ（ωａ｜ｘ）を下記数式（８）により算出する。

Ｐ（ωａ｜ｘ）＝Ｐｃ（ωａ｜ｘｃ）×Ｐｔ（ωａ｜ｘｔ） ・・・（８）

また、クラスωａへの分類結果の正確性を判断するための閾値は、色調情報及びテクスチャ情報の特徴量各々の平均ベクトルμｃ及びμｔと、標準偏差σｃ１及びσｔ１に基づき、例えば、ｐ（ｘｃｂ｜ωａ）及びｐ（ｘｔｂ｜ωａ）として設定される。そして、制御部９ａは、ｐ１（ｘｃ｜ωａ）＞ｐ（ｘｃｂ｜ωａ）であり、かつ、ｐ１（ｘｔ｜ωａ）＞ｐ（ｘｔｂ｜ωａ）であれば、分類結果は正確であるとして、特徴ベクトルｘｃおよび特徴ベクトルｘｔを有する一の領域Ｈｊを、胃粘膜、絨毛、便または泡のいずれかのクラスとして分類し、そうでなければ不明クラスとして分類する。

なお、以上の説明において、事前確率Ｐ（ωａ）は、全クラスにおいて等しいと仮定したが、これに限るものではない。事前確率Ｐ（ωａ）は、例えば、カプセル型内視鏡３が撮像する部位の時間配分に基づき、絨毛クラスまたは便クラスの事前確率Ｐ（ωａ）を高めに設定したり、カプセル型内視鏡３が撮像した部位の誤分類によるリスクに基づき、胃粘膜クラス及び絨毛クラスの事前確率Ｐ（ωａ）を、観察不要とする便クラス及び泡クラスより高めに設定したり等、種々の用途に応じた値に設定されるものであっても良い。

さらに、以上の説明において、画像の分類を行う際に制御部９ａが用いる統計的識別器は、ベイズの定理に基づくものに限るものではなく、例えば、線形判別関数等に基づくものであっても良い。

以上に述べたように、本実施形態によれば、生体粘膜表面の像としての胃粘膜及び絨毛の像と、異物の像としての便及び泡の像とを画像の小領域毎に識別して分類することができる。そのため、ユーザは、画像の小領域の多くを異物の像が占めるような、生体粘膜表面の像が良好に撮像されていない画像を、観察不要の画像として容易に除外することができ、その結果、カプセル型内視鏡装置１を用いた観察の効率化をはかることができる。

また、以上に述べたように、本実施形態によれば、統計的識別器の母数を、端末装置７に入力される画像に応じた最適な値として算出することができる。そのため、本実施形態に用いるカプセル型内視鏡装置１は、生体粘膜表面の色調及び微細な構造の個人差、カプセル型内視鏡３を構成する各部の特性バラツキ等により、特徴量に変化が生じる場合においても、端末装置７に入力される画像の各領域の分類を高精度に行うことができる。

また、本実施形態によれば、生体粘膜表面の像として分類された各々の領域に対し、さらに、例えば、前記各々の領域が有する特徴量に基づき、正常な粘膜の像と病変部位の像と分類するような画像処理方法を用いることにより、病変部位の検出精度を高めることができる。

さらに、本実施形態によれば、画像において絨毛の像あるいは便の像が撮像されていることを検出して分類することができる。そのため、制御部９ａは、前記分類結果に基づき、例えば、便の像が画像の多くを占めていれば大腸が撮像された画像である等の分類基準をさらに用いた処理を行うことにより、前記画像において撮像された臓器を特定することができる。

（第２の実施形態）
図１８から図２３は、本発明の第２の実施形態に係るものである。なお、第１の実施形態と同様の構成を持つ部分については、詳細説明は省略する。また、第１の実施形態と同様の構成要素については、同一の符号を用いて説明は省略する。さらに、本実施形態に用いるカプセル型内視鏡装置１の構成は、第１実施形態に用いるカプセル型内視鏡装置と同様である。また、本実施形態における画像処理動作は、端末本体９が有する制御部９ａにおける処理として行われるものとする。

図１８は、第２実施形態の画像処理装置における画像処理動作を示すフローチャートである。図１９は、第２実施形態の画像処理装置における画像処理動作を示すフローチャートである。図２０は、第２実施形態における画像処理動作において、一の領域における近傍領域を決定する際の一例を示す図である。図２１は、第２実施形態における画像処理動作において用いられる、カプセル型内視鏡により撮像された体腔内の像の画像の一例を示す模式図である。図２２は、図２１に示す画像の分類結果の一例を示す図である。図２３は、図２２に示す分類結果に基づき、第２の実施形態に係る画像処理動作を行った後の再分類結果を示す図である。

制御部９ａは、本実施形態における画像処理動作を行う前に、まず、入力されたｉ番目の画像Ｉｉに対し、第１の実施の形態において説明した、図１１および図１２に示す、ステップＳ１からステップＳ１８までの処理を行い、画像Ｉｉについての分類結果を得る（図１８のステップＳ２１）。

その後、制御部９ａは、領域統合の繰り返し回数を示すｃｏｕｎｔの値（１≦ｃｏｕｎｔ）をｃｏｕｎｔ＝１とする（図１８のステップＳ２２）。なお、領域統合の最大繰り返し回数を示すｃｏｕｎｔｍａｘの値は、ユーザにより設定される値である。そして、制御部９ａは、ユーザにより設定されたｃｏｕｎｔｍａｘの値の回数分だけ、以降に詳述するような領域統合の処理を行う。また、本実施形態においては、ｃｏｕｎｔｍａｘの値は５であるとして以降の説明を行う。

そして、制御部９ａは、一の領域Ｈｊの領域番号ｊをｊ＝１とした後（図１８のステップＳ２３）、一の領域Ｈｊをクラスｃ（ｃ＝１、２、３、４または５）に分類したことに対する評価を行うための評価値を算出する。なお、クラス１からクラス５までの５つのクラス各々は、胃粘膜クラス、絨毛クラス、便クラス、泡クラス及び不明クラスのうちのいずれかのクラスと一対一に対応するものであるとする。

具体的には、まず、制御部９ａは、領域Ｈｊの分類候補となるクラスｃをｃ＝１とする（図１９のステップＳ３１）。その後、制御部９ａは、後述する、領域Ｈｊの近傍領域の分類結果に基づくコスト関数から導出される値である評価値ＶｊｃをＶｊｃ＝０とする（図１９のステップＳ３２）。そして、制御部９ａは、例えば、図２０に示されるような、一の領域Ｈｊの８近傍領域を示す領域ｓ（ｓ＝１、２、３、４、５、６、７または８）をｓ＝１とする（図１９のステップＳ３３）。なお、領域１から領域８までの８つの領域として示される、一の領域Ｈｊの８近傍領域各々は、例えば、図２０に示されるような領域１から領域８の矩形領域のうち、いずれかの領域と一対一に対応するものであるとする。また、一の領域Ｈｊの各近傍領域は、以降Ｈｊｓと示されるものとする。また、一の領域Ｈｊが画像辺縁部である、及び暗部画素またはハレーション画素のため処理から除外された領域がある等の理由により、一の領域Ｈｊの近傍領域が８領域分設定できない場合、制御部９ａは、一の領域Ｈｊの近傍領域として設定可能な領域分のみに対し、以降の処理を行うものとする。

制御部９ａは、画像Ｉｉについての分類結果から、近傍領域Ｈｊｓをクラスｃに分類したか否かを判定する（図１９のステップＳ３４）。そして、制御部９ａは、近傍領域Ｈｊｓをクラスｃに分類していないことを検出すると、下記数式（９）により示されるコスト関数を用い、評価値Ｖｊｃの値に０．２を加える（図１９のステップＳ３５）。

Ｖｊｃ＝Ｖｊｃ＋０．２ ・・・（９）

その後、制御部９ａは、領域ｓの値に１を加えつつ、一の領域Ｈｊの近傍領域Ｈｊｓ全てに対し、図１９のステップＳ３４およびステップＳ３５に示す、上記数式（９）を用いた処理を繰り返し行うことにより、クラスｃにおける評価値を算出する（図１９のステップＳ３６およびステップＳ３７）。

さらに、制御部９ａは、クラスｃにおける評価値を決定すると（図１９のステップＳ３６）、クラスｃの値に１を加えつつ、図１９のステップＳ３２からステップＳ３７に示す―連の処理を繰り返し行うことにより、クラス１からクラス５までの全てのクラスにおける評価値を算出する（図１９のステップＳ３８およびステップＳ３９）。

制御部９ａは、各Ｖｊｃの値、すなわち、Ｖｊ１、Ｖｊ２、Ｖｊ３、Ｖｊ４及びＶｊ５の値を比較し、最小のＶｊｃの値を与えるクラスｃに、一の領域Ｈｊを再分類する（図１８のステップＳ２４）。なお、制御部９ａは、最小のＶｊｃの値を与えるクラスｃが複数存在した場合には、例えば、ｃが最小となるクラスを選択するような処理を行うものとする。

そして、制御部９ａは、所定のｃｏｕｎｔの値において、分割したｍ×ｎ個の領域全てについての分類が完了していない場合（図１８のステップＳ２５）、領域番号ｊに１を加え（図１８のステップＳ２６）、次の領域について、図１８のステップＳ２３およびステップＳ２４に示す処理と、図１９のステップＳ３１からステップＳ３９に示すまでの処理とからなる一連の処理を繰り返し行う。

制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了し、かつ、ｃｏｕｎｔの値がｃｏｕｎｔｍａｘの値より小さい場合（図１８のステップＳ２７）、ｃｏｕｎｔの値に１を加えた後（図１８のステップＳ２８）、画像Ｉｉに対し、図１８のステップＳ２２からステップＳ２７に示す処理と、図１９のステップＳ３１からステップＳ３９に示すまでの処理とからなる一連の処理を繰り返し行う。また、制御部９ａは、分割したｍ×ｎ個の領域全てについての分類が完了し、かつ、ｃｏｕｎｔの値がｃｏｕｎｔｍａｘの値以上である場合（図１８のステップＳ２７）、今度は（ｉ＋１）番目の画像Ｉｉ＋１に対し、図１８のステップＳ２１からの一連の処理を行う（図１８のステップＳ２９）。

なお、端末装置７の制御部９ａが本実施形態における画像処理動作を用いて処理を行った際の一例を図２１、図２２及び図２３に示す。図２１は、以上に述べた本実施形態における画像処理動作において、画像Ｉｉに相当する画像を模式的に示した図である。そして、図２１に示すような画像Ｉｉが端末装置７に入力されると、端末装置７の制御部９ａは、図１８のステップＳ２１に示す処理において、図２２に示すような分類結果を得る。その後、制御部９ａは、図２２に示すような分類結果に基づき、さらに図１８のステップＳ２２以降に示す領域統合の処理をｃｏｕｎｔｍａｘの値として予め設定された回数（本実施形態においては５回）分繰り返して行うことにより、図２３に示すような再分類結果を得る。

以上に述べたように、本第２実施形態によれば、第１実施形態において述べた、カプセル型内視鏡装置１を用いた観察の効率化をはかることができるような効果が得られると共に、端末装置７に入力される画像の所定の領域の再分類を、該所定の領域の近傍領域における分類結果に基づいて行うため、誤分類領域の発生を抑制しつつ、該画像の各領域の分類をさらに高精度に行うことができる。

（第３の実施形態）
図２４から図３０は、本発明の第３の実施形態に係るものである。なお、第１の実施形態および第２の実施形態と同様の構成を持つ部分については、詳細説明は省略する。また、第１の実施形態および第２の実施形態と同様の構成要素については、同一の符号を用いて説明は省略する。さらに、本実施形態に用いるカプセル型内視鏡装置１の構成は、第１の実施形態および第２の実施形態と同様である。また、本実施形態における画像処理動作は、端末本体９が有する制御部９ａにおける処理として行われるものとする。

図２４は、本実施形態における画像処理動作を示すフローチャートである。図２５は、本実施形態における画像処理動作を示すフローチャートである。図２６は、本実施形態における画像処理動作において、４×４の画素数を有する小矩形領域各々に対して仮想的に付与する番号の配列の一例を示す図である。図２７は、本実施形態における画像処理動作において、一の矩形領域ＲＯに対する近傍外周領域Ｈｔの位置関係を示す図である。図２８は、本実施形態における画像処理動作において、近似ｇｒａｄｉｅｎｔベクトルＶｇｔ及び方向ベクトルＶｄｔがなす角度θｔの一例を示す図である。図２９は、本実施形態において用いられるカプセル型内視鏡により撮像された体腔内の像の画像の一例を示す模式図である。図３０は、図２９に示す画像の分類結果の一例を示す図である。

まず、端末装置７の制御部９ａは、前述したような、図１１のステップＳ１からステップＳ３に示す処理と略同様の処理を行う。すなわち、制御部９ａは、入力されたｉ番目の画像Ｉｉに対して前処理を行い（図２４のステップＳ４１）、画像Ｉｉをｍ×ｎ個の小領域に分割した（図２４のステップＳ４２）後、分割した各領域において、色調情報及びテクスチャ情報を特徴量として算出する（図２４のステップＳ４３）。そして、制御部９ａは、以降に述べる画像処理を行い、分割した各領域のうち、構造的に明確な特徴を有する泡クラスに分類される領域を検出する（図２４のステップＳ４４）。なお、本実施形態においては、制御部９ａは、画像Ｉｉをｍ×ｎ個の小領域に分割する際に、各々の領域がｌｘ＝ｌｙ＝８となるように、すなわち、８×８の画素数を有する矩形領域となるように画像Ｉｉを分割するものとする。

具体的には、制御部９ａは、画像Ｉｉの各プレーンのうち、緑色のプレーンであるプレーンＧｉにおいて、８×８の画素数を有する各々の矩形領域を、さらに４分割することにより、各々が４×４の画素数を有する小矩形領域を生成する（図２５のステップＳ５１）。制御部９ａは、４×４の画素数を有する小矩形領域各々におけるＧ（緑）画素の濃度値の平均値ｇａを算出した後、４×４の画素数を有する小矩形領域各々に対し、例えば、図２６に示すような配列を有する番号を仮想的に付与する。そして、制御部９ａは、領域１と領域７または領域２と領域８を結ぶ線分からなる方向を画像上の垂直方向、領域３と領域４または領域５と領域６を結ぶ線分からなる方向を画像上の水平方向、領域２と領域５または領域４と領域７を結ぶ線分からなる方向を画像上の左斜め方向、及び領域１と領域６または領域３と領域８を結ぶ線分からなる方向を画像上の右斜め方向として各々設定した後、各々の領域間において、Ｇ画素の濃度値の平均値ｇａの対数差分の値を算出する。その後、制御部９ａは、前記対数差分の値が最大となる領域の組み合わせが存在する画像上の方向に、略円形形状の輪郭部を示す画素の配列が存在すると判断し、前記対数差分の最大値と、前記最大値を与える画像上の方向とを一時的に保持する。

また、制御部９ａは、８×８の画素数を有する矩形領域のうち、図２７に示すように、注目領域としての一の矩形領域ＲＯを、略円形形状の中央部が存在する領域として仮想的に座標（ｘｏ，ｙｏ）と設定した後、（ｘｏ，ｙｏ）から距離Ｑ（Ｑ＝１，２，３，…）だけ離れた領域、すなわち、ＲＯを中央部とする略円形形状の輪郭部の少なくとも一部が存在し得る領域として、座標（ｘｔ，ｙｔ）により示される近傍外周領域Ｈｔ（ｔ＝１，２，３，…，Ｔ）を下記数式（１０）により検出する（図２５のステップＳ５２）。

［（（ｘｏ−ｘｔ）^２＋（ｙｏ−ｙｔ）^２）^１／２］＝Ｑ ・・・（１０）

なお、上記数式（１０）において、［ ］はガウス記号を示すものとする。

制御部９ａは、上記数式（１０）を満たす座標（ｘｔ，ｙｔ）を全て検出した後、検出した近傍外周領域各々における近似ｇｒａｄｉｅｎｔベクトルＶｇｔと、各座標（ｘｔ，ｙｔ）及び座標（ｘｏ，ｙｏ）を結ぶ方向ベクトルＶｄｔとを算出する（図２５のステップＳ５３）。

なお、近傍外周領域Ｈｔ各々における近似ｇｒａｄｉｅｎｔベクトルＶｇｔは、制御部９ａに保持された、Ｇ画素の濃度値の平均値ｇａの対数差分の最大値を大きさとして有し、また、前記最大値を与える画像上の方向を方向として有するベクトルである。

そして、制御部９ａは、近傍外周領域Ｈｔ各々における近似ｇｒａｄｉｅｎｔベクトルＶｇｔ及び方向ベクトルＶｄｔを算出すると、Ｖｇｔの大きさ｜Ｖｇｔ｜の値が閾値（本実施形態においては０．４）以上であるか否かを判定する。制御部９ａは、｜Ｖｇｔ｜の値が閾値以上であることを検出すると、内積の公式に基づき、図２８に示すような、近似ｇｒａｄｉｅｎｔベクトルＶｇｔ及び方向ベクトルＶｄｔがなす角度θｔについて、下記数式（１１）によりｃｏｓθｔの値を算出する（図２５のステップＳ５４）。

ｃｏｓθｔ＝Ｖｇｔ・Ｖｄｔ／｜Ｖｇｔ｜｜Ｖｄｔ｜ ・・・（１１）

制御部９ａは、上記数式（１１）を用いたｃｏｓθｔの算出結果に基づき、｜ｃｏｓθｔ｜の値が０．７より大きいことを検出する（図２５のステップＳ５５）と、一の矩形領域ＲＯを中心とした放射状のｇｒａｄｉｅｎｔベクトルが近傍外周領域Ｈｔに存在する、すなわち、一の矩形領域ＲＯを中央部とする略円形形状の輪郭部の少なくとも一部が存在すると判断すると共に、該一の矩形領域ＲＯを抽出する。

制御部９ａは、Ｔ個の近傍外周領域のうち、Ｌ個の領域において一の矩形領域ＲＯを中心とした放射状のｇｒａｄｉｅｎｔベクトルが存在する場合、Ｌ／Ｔの値に基づき、Ｌ／Ｔの値が、例えば０．７以上であれば（図２５のステップＳ５６）、抽出した前記一の矩形領域ＲＯに略円形形状を有する泡の中央部が存在すると判断する。そして、制御部９ａは、距離Ｑの値を、ユーザによって予め設定されたＱｍａｘの値まで変化させつつ、距離Ｑの値各々において前述したような処理を行う（図２５のステップＳ５７及びステップＳ５８）。また、制御部９ａは、８×８の画素数を有する矩形領域全てに対し、順次一の矩形領域ＲＯを設定しつつ、設定した領域ＲＯ各々について、都度前述したような処理を行う（図２５のステップＳ５９及びステップＳ６０）。制御部９ａは、以上に述べたような処理を行うことにより、画像Ｉｉ上の様々な領域に存在する、様々な泡の大きさに応じ、泡クラスに分類される領域を検出する。

その後、制御部９ａは、泡クラスに分類される領域以外の領域において、絨毛クラスに分類される領域を検出する（図２４のステップＳ４５）ため、図１１のステップＳ５からステップＳ１０に示す処理と略同様の処理を行う。

すなわち、前述したように、制御部９ａは、教師データに基づいてクラス毎に予め算出された平均ベクトルμａ及び分散共分散行列Σａを有する上記数式（４）から数式（６）を用い、発生した特徴ベクトルｘがクラスω１に属する事後確率Ｐ（ω１｜ｘ）と、発生した特徴ベクトルｘがクラスω２に属する事後確率Ｐ（ω２｜ｘ）と、発生した特徴ベクトルｘがクラスω３に属する事後確率Ｐ（ω３｜ｘ）と、発生した特徴ベクトルｘがクラスω４に属する事後確率Ｐ（ω４｜ｘ）とを各々算出する。そして、制御部９ａは、これら４つの事後確率のうち、最大の事後確率Ｐ１（ωａ｜ｘ）を与えるクラスωａに特徴ベクトルｘが属するものとして識別を行い、該識別結果に基づいて特徴ベクトルｘが発生した領域である一の領域Ｈｊをクラスωａに分類する。さらに、絨毛クラスをクラスω１（ａ＝１）とすると、制御部９ａは、ｍ×ｎ個の領域のうち、以上までの処理においてクラスω１に分類された領域を検出し、該領域各々において、最大の事後確率Ｐ１（ω１｜ｘ）を与える確率密度関数ｐ１（ｘ｜ω１）の値を算出する。

そして、制御部９ａは、クラスω１に分類された領域各々の分類結果が正確なものであるか否かを判定するため、最大の事後確率Ｐ１（ω１｜ｘ）を与える確率密度関数ｐ１（ｘ｜ω１）の値に対する閾値に基づく処理をさらに行う。

具体的には、前述したように、制御部９ａは、教師データに基づいて予め算出された平均ベクトルμ１が有する５つの特徴量各々の平均値のうち、例えば、特徴量ｘ１の平均値μｘ１に対し、特徴量ｘ１の標準偏差σｘ１と、所定の定数としての乗算係数αとの積を加えた値を含む、閾値ベクトルｘｂ１を決定する。なお、乗算係数αの値は、絨毛クラスの分類を確実に行うため、ｐ１（ｘ｜ω１）の値に対する閾値を構成する値として、本処理においては０．８として設定されるものであるとする。そして、閾値ベクトルｘｂ１が決定されると、制御部９ａは、閾値ベクトルｘｂ１を上記数式（４）、数式（５）及び数式（６）のｘとして代入することにより、確率密度関数ｐ（ｘｂ１｜ω１）の値を算出する。

そして、制御部９ａは、ｐ１（ｘ｜ω１）の値がｐ（ｘｂ１｜ω１）の値より大きくなる領域については、絨毛クラスに分類した分類結果が正確であると判断し、また、ｐ１（ｘ｜ω１）の値がｐ（ｘｂ１｜ω１）の値以下となる領域については、絨毛クラスに分類した分類結果が不正確であると判断し、該当する領域を不明クラスに分類する。

制御部９ａは、ｍ×ｎ個の領域に対して前述した処理を行うことにより、泡クラスに分類される領域以外の領域において、絨毛クラスに分類される領域を検出する。その後、制御部９ａは、前述した処理における検出結果に基づき、絨毛クラスに分類される領域が各々有する５つの特徴量から、絨毛クラスを構成する母数である平均ベクトルμ１及び分散共分散行列Σ１を算出する（図２４のステップＳ４６）。また、泡クラスをクラスω２（ａ＝２）とすると、制御部９ａは、前述した処理における検出結果に基づき、泡クラスに分類される領域が各々有する５つの特徴量から、泡クラスを構成する母数である平均ベクトルμ２及び分散共分散行列Σ２を算出する（図２４のステップＳ４６）。その後、制御部９ａは、絨毛クラスを構成する母数である平均ベクトルμ１及び分散共分散行列Σ１と、泡クラスを構成する母数である平均ベクトルμ２及び分散共分散行列Σ２とを用い、例えば、図２９に示すような画像Ｉｉに対し、本発明の第１の実施形態または第２の実施形態において述べた画像処理をさらに行うことにより、図３０に示すような最終的な分類結果を得る（図２４のステップＳ４７）。

なお、本実施形態における、泡クラスに分類される領域の検出は、前述したような検出に限るものではなく、例えば、以降に記すようなものであっても良い。

制御部９ａは、例えば、輪郭部の形状が歪んで楕円形形状になるような泡に対し、座標（ｘｔ，ｙｔ）により示される近傍外周領域Ｈｔを、下記数式（１２）に基づいて検出する。

Ｑ−β≦［（（ｘｏ−ｘｔ）^２＋（ｙｏ−ｙｔ）^２）^１／２］≦Ｑ＋β ・・・（１２）

なお、上記数式（１２）において、βは１以上の整数とし、また、［ ］はガウス記号を示すものとする。

制御部９ａは、上記数式（１２）を満たす座標（ｘｔ，ｙｔ）を全て検出した後、検出した各近傍外周領域各々における近似ｇｒａｄｉｅｎｔベクトルＶｇｔと、各座標（ｘｔ，ｙｔ）及び座標（ｘｏ，ｙｏ）を結ぶ方向ベクトルＶｄｔとを算出する。そして、制御部９ａは、Ｖｇｔの大きさ｜Ｖｇｔ｜の値が閾値（本実施形態においては０．４）以上であるか否かを判定する。制御部９ａは、｜Ｖｇｔ｜の値が閾値以上であることを検出すると、内積の公式に基づき、近似ｇｒａｄｉｅｎｔベクトルＶｇｔ及び方向ベクトルＶｄｔがなす角度θｔについて、上記数式（１１）によりｃｏｓθｔの値を算出する。

制御部９ａは、上記数式（１１）を用いたｃｏｓθｔの算出結果に基づき、｜ｃｏｓθｔ｜の値が０．７より大きいことを検出すると、一の矩形領域ＲＯを中心とした放射状のｇｒａｄｉｅｎｔベクトルが近傍外周領域Ｈｔに存在すると判断する。さらに、制御部９ａは、放射状のｇｒａｄｉｅｎｔベクトルが存在すると判断した近傍外周領域をＨｔ１とし、また、それ以外の近傍外周領域をＨｔ０として二値化した後、Ｈｔ１として検出された領域に対して細線化処理を行う。その後、制御部９ａは、細線化処理を行った後においてもＨｔ１として残った領域数を数える。制御部９ａは、前記領域数がＬ１個である場合、領域数Ｌ１と、上記数式（１０）を用いることにより検出した近傍外周領域数ＴとからＬ１／Ｔの値を算出する。そして、制御部９ａは、前記Ｌ１／Ｔの値に基づき、前記Ｌ１／Ｔの値が閾値（例えば０．７）以上であれば、一の矩形領域ＲＯに、歪んだ輪郭部の形状を有する略円形形状の泡の中央部が存在すると判断する。

また、前述した処理において、制御部９ａは、領域ＲＯを中心に、０°から３６０°までの間において、角度φずつ方向を変化させつつ、距離（Ｑ−β）から距離（Ｑ＋β）までの範囲において、放射状のｇｒａｄｉｅｎｔベクトルを有する近傍外周領域を検出するような処理を行っても良い。この場合、制御部９ａは、放射状のｇｒａｄｉｅｎｔベクトルを有する近傍外周領域が存在すると判定した方向数をＳとし、また、近傍外周領域数Ｔを［３６０／φ］個とした後、Ｓ／Ｔの値を算出する。そして、制御部９ａは、前記Ｓ／Ｔの値に基づき、前記Ｓ／Ｔの値が閾値（例えば０．７）以上であれば、一の矩形領域ＲＯに泡の中央部が存在すると判断する。

なお、本実施形態において、制御部９ａが泡クラスに分類される領域を検出する際に用いるベクトルは、近似ｇｒａｄｉｅｎｔベクトルに限るものではなく、例えば、平均ｇｒａｄｉｅｎｔベクトルであっても良い。

以上に述べたように、本実施形態によれば、第１の実施形態において述べた、カプセル型内視鏡装置１を用いた観察の効率化をはかることができるような効果が得られると共に、色調情報及びテクスチャ情報から構成される特徴量による分類が難しい場合においても、端末装置７に入力される画像における泡クラスの領域の分類を精度良く行うことができる。

また、本実施形態によれば、構造的に明確な特徴を有する泡および絨毛に対し、端末装置７に入力される画像に基づく母数の算出を予め行うことにより、泡クラスおよび絨毛クラスの領域の分類をさらに精度良く行うことができる。

なお、本発明における第１の実施形態から第３の実施形態においては、画像処理の適用対象としてカプセル型内視鏡３による撮像画像を用いたが、例えば、カプセル型内視鏡３とは異なる構成を有する内視鏡が撮像した像の画像に対して該画像処理方法を用いた場合においても、同様の処理結果を得ることができる。

また、本発明における第１の実施形態から第３の実施形態においては、色調情報及びテクスチャ情報に基づく５つの値を特徴量を構成する値として使用したが、この特徴量を構成する値は、ユーザの用途等に応じ、適宜変更または追加することが可能である。

また、本発明における第１の実施形態から第３の実施形態においては、出血、発赤等の病変部位の検出を行う画像処理と組み合わせて用いられることにより、病変部位の検出結果が生体粘膜表面上から得られたものであるか否かを判定でき、その結果、病変部位の検出精度を高めることができる。

［付記］
以上詳述したような本発明の前記実施形態によれば、以下のような構成を得ることができる。

（付記項１）
撮像機能を有する医療機器により撮像された像に基づく画像を入力する第１のステップと、
前記画像を複数の領域に分割する第２のステップと、
前記複数の領域各々における特徴量を算出する第３のステップと、
前記特徴量と、第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第４のステップと、
前記特徴量と、前記第４のステップにおける分類結果とに基づいて第２の分類基準を設定する第５のステップと、
前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第６のステップと、
を有することを特徴とする画像処理方法。

（付記項２）
前記第４のステップは、前記第１の分類基準を定める母数を用いた統計的識別器を用いて行われ、前記第６のステップは、前記第２の分類基準を定める母数を用いた前記統計的識別器を用いて行われることを特徴とする付記項１に記載の画像処理方法。

（付記項３）
前記複数の領域は、複数の矩形領域であることを特徴とする付記項１または付記項２に記載の画像処理方法。

（付記項４）
前記特徴量は、前記画像の前記複数の領域各々における色調情報及びテクスチャ情報からなることを特徴とする付記項１から付記項３のいずれかに記載の画像処理方法。

（付記項５）
前記画像は、赤、緑及び青の３プレーンからなり、前記特徴量は、前記画像の前記複数の領域各々における赤の濃度値、緑の濃度値及び青の濃度値の比率に基づく値を有することを特徴とする付記項１から付記項４のいずれかに記載の画像処理方法。

（付記項６）
前記統計的識別器は、前記特徴量の平均値及び前記特徴量に関する分散共分散行列を前記母数とし、かつ、正規確率密度関数を用いた識別を行うことを特徴とする付記項２に記載の画像処理方法。

（付記項７）
前記正規確率密度関数を用いた前記識別は、前記平均値からの距離に基づいて行われることを特徴とする付記項６に記載の画像処理方法。

（付記項８）
前記第１の分類基準は、教師データを構成する複数の画像に基づいて設定されることを特徴とする付記項１から付記項７のいずれかに記載の画像処理方法。

（付記項９）
前記複数のクラスは、胃粘膜クラス、絨毛クラス、便クラス及び泡クラスの４つのクラスのうち、少なくとも一のクラスを含むことを特徴とする付記項１から付記項８のいずれかに記載の画像処理方法。

（付記項１０）
さらに、前記複数の領域のうち、前記第４のステップまたはクラス前記第６のステップのいずれかのステップにおいて、前記複数のクラスのいずれにも分類されない領域を不明クラスとして分類する第７のステップを有することを特徴とする付記項１から付記項９のいずれかに記載の画像処理方法。

（付記項１１）
さらに、前記第６のステップにおける分類結果に基づき、前記画像が生体粘膜表面の像であるか否かを判断する第７のステップを有することを特徴とする付記項１から付記項９のいずれかに記載の画像処理方法。

（付記項１２）
前記第７のステップにおける判断は、胃粘膜クラスまたは絨毛クラスに分類された領域の数と、前記複数の領域の数とに基づいて行われることを特徴とする付記項１１に記載の画像処理方法。

（付記項１３）
前記画像は、経時的に連続する複数の画像であり、
前記第６のステップにおける第２の分類基準は、前記複数の画像のうち、処理対象であるＫ番目に入力された画像に対する第１の分類結果と、（Ｋ−１）番目以前に入力された画像における第２の分類結果とに基づいて設定されることを特徴とする付記項１乃至付記項１２のいずれか一に記載の画像処理方法。

（付記項１４）
前記第６のステップにおける第２の分類基準は、前記第１の分類結果及び教師データに基づいて予め設定されることを特徴とする付記項１３に記載の画像処理方法。

（付記項１５）
前記第４のステップ及び前記第６のステップは、前記複数の領域を、生体粘膜表面が撮像された領域として、少なくとも胃粘膜が撮像された領域及び小腸粘膜が撮像された領域のいずれかに分類することを特徴とする付記項１乃至付記項１４のいずれか一に記載の画像処理方法。

（付記項１６）
前記第４のステップ及び前記第６のステップは、前記複数の領域を、生体粘膜表面ではないものが撮像された領域として、少なくとも液体、泡または便が撮像された領域のいずれかに分類することを特徴とする付記項１乃至付記項１５のいずれか一に記載の画像処理方法。

（付記項１７）
撮像機能を有する医療機器により撮像された像に基づく画像を入力する第１のステップと、
前記画像を複数の領域に分割する第２のステップと、
前記複数の領域各々における特徴量を算出する第３のステップと、
前記特徴量と、第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第４のステップと、
前記特徴量と、前記第４のステップにおける分類結果とに基づいて第２の分類基準を設定する第５のステップと、
前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第６のステップと、
前記複数の領域のうち、一の領域の前記第６のステップにおける分類結果を、前記一の領域の近傍に位置する領域の前記第６のステップにおける分類結果に基づいた評価値として算出することにより評価する第７のステップと、
前記評価値に基づき、前記一の領域を前記複数のクラスのいずれかに分類する第８のステップと、
を有することを特徴とする画像処理方法。

（付記項１８）
前記評価値は、前記一の領域の近傍に位置する領域の前記第６のステップにおける分類結果と同一か否かということに基づいて算出される値であることを特徴とする付記項１７に記載の画像処理方法。

（付記項１９）
前記第７のステップ及び前記第８のステップは、複数回繰り返して行われることを特徴とする付記項１３または付記項１８に記載の画像処理方法。

（付記項２０）
撮像機能を有する医療機器により撮像された像に基づく画像を入力する第１のステップと、
前記画像を複数の領域に分割する第２のステップと、
前記複数の領域各々における特徴量を算出する第３のステップと、
前記複数の領域のうち、一の領域を注目領域として設定する第４のステップと、
前記注目領域から所定の距離だけ離れた領域である近傍外周領域を検出する第５のステップと、
前記近傍外周領域において、前記特徴量に基づき、略円形形状の輪郭部の少なくとも一部が存在することを検出する第６のステップと、
前記略円形形状検出手段により、前記略円形形状が検出された場合、前記注目領域を抽出する第７のステップと、
を有することを特徴とする画像処理方法。

（付記項２１）
前記第６のステップは、前記近傍外周領域のうち、前記略円形形状の輪郭部の少なくとも一部が存在する領域の割合が所定の閾値以上であると判断した場合に略円形形状を検出し、前記第７のステップは、前記注目領域を前記略円形形状の中央部が存在する領域として抽出することを特徴とする付記項２０に記載の画像処理方法。

（付記項２２）
前記略円形形状は、泡であることを特徴とする付記項２０または付記項２１に記載の画像処理方法。

本発明の第１実施形態である画像処理装置および周辺機器の外観を示した外観斜視図。 第１実施形態の画像処理装置において処理する所定の画像情報を生成するカプセル型内視鏡の一部を切り取って示した要部拡大断面図。 第１実施形態の画像処理装置に所定の画像情報を供給するカプセル型内視鏡装置の概略内部構成を示すブロック図。 第１実施形態の画像処理装置に所定の画像情報を供給するカプセル型内視鏡装置の一使用例を示した図。 図２に示すカプセル型内視鏡から出力される信号の一例を示したタイミングチャート。 図２に示すカプセル型内視鏡の位置検出を説明する説明図。 図３に示すカプセル型内視鏡装置を使用した際におけるアンテナユニットを示した要部拡大断面図。 カプセル型内視鏡装置のシールドジャケットを説明する説明図。 図３に示すカプセル型内視鏡装置を使用した際におけるシールドジャケットを説明する説明図。 図２に示すカプセル型内視鏡の電気的な構成を示すブロック図。 第１実施形態の画像処理装置における画像処理動作を示すフローチャート。 第１実施形態の画像処理装置における画像処理動作を示すフローチャート。 第１実施形態の画像処理装置において、入力された画像がｍ×ｎ個の領域に分割される際の一例を示す図。 第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、胃粘膜の画像の一例を示す図。 第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、絨毛の画像の一例を示す図。 第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、便の画像の一例を示す図。 第１実施形態の画像処理装置において用いられる、教師データを構成する複数の画像のうち、泡の画像の一例を示す図。 第２実施形態の画像処理装置における画像処理動作を示すフローチャート。 第２実施形態の画像処理装置における画像処理動作を示すフローチャート。 第２実施形態における画像処理動作において、一の領域における近傍領域を決定する際の一例を示す図。 第２実施形態における画像処理動作において用いられる、カプセル型内視鏡により撮像された体腔内の像の画像の一例を示す模式図。 図２１に示す画像の分類結果の一例を示す図。 図２２に示す分類結果に基づき、第２の実施形態に係る画像処理動作を行った後の再分類結果を示す図。 第３実施形態の画像処理装置における画像処理動作を示すフローチャート。 第３実施形態の画像処理装置における画像処理動作を示すフローチャート。 第３実施形態に係る画像処理動作において、４×４の画素数を有する小矩形領域各々に対して仮想的に付与する番号の配列の一例を示す図。 第３実施形態に係る画像処理動作において、一の矩形領域ＲＯに対する近傍外周領域Ｈｔの位置関係を示す図。 第３実施形態に係る画像処理動作において、近似ｇｒａｄｉｅｎｔベクトル及び方向ベクトルがなす角度の一例を示す図。 第３の実施形態の画像処理動作において用いられる、カプセル型内視鏡により撮像された体腔内の像の画像の一例を示す図。 図２９に示す画像の分類結果の一例を示す図。

符号の説明

１・・・カプセル型内視鏡装置、２・・・患者、３・・・カプセル型内視鏡、３Ｄ・・・カプセル本体、４・・・アンテナユニット、５・・・外部装置、５Ｄ・・・本体部、６・・・クレードル、７・・・端末装置、８ａ・・・キーボード、８ｂ・・・マウス、８ｃ・・・ディスプレイ、９・・・端末本体、９ａ・・・制御部、１０・・・ジャケット、１１，１１ａ，１１ｂ，１１ｃ，１１ｄ・・・受信アンテナ、１２・・・液晶モニタ、１３・・・操作部、１４・・・外装部材、１４ａ・・・カバー部材、１５・・・対物レンズ、１６・・・レンズ枠、１７・・・電荷結合素子、１７Ａ・・・ＣＣＤドライバ、１８・・・ＬＥＤ、１８Ａ・・・ＬＥＤドライバ、１９，１９Ａ・・・処理回路、１９Ｂ・・・タイミングジェネレータ、１９Ｃ，１９Ｄ，１９Ｅ・・・スイッチ、２０・・・通信処理回路、２１・・・電池、２３・・・送信アンテナ、 ３３・・・受信回路、３５・・・信号処理回路、３７・・・送信器、４３・・・撮像装置、４５・・・アンテナ切換スイッチ、４６・・・アンテナ選択回路、４７・・・メモリ、７２・・・シールドジャケット、７３・・・ベルト、７４・・・鍵穴、 ７５・・・鍵

Claims (16)

1. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、
   前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、
   前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、
   前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類手段と、
   前記特徴量と、前記第１の領域分類手段による分類結果とに基づいて第２の分類基準を設定する第２の分類基準設定手段と、
   前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第２の領域分類手段と、
   を具備したことを特徴とする画像処理装置。
2. 前記第１の領域分類手段は、前記第１の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を前記複数のクラスのいずれかに各々分類し、前記第２の領域分類手段は、前記第２の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を前記複数のクラスのいずれかに各々分類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. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、
   前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、
   前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、
   前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類手段と、
   前記複数の領域のうち、一の領域の前記第１の領域分類手段による分類結果を、前記一の領域の近傍に位置する領域の前記第１の領域分類手段による分類結果に基づいた評価値を算出することにより評価する評価値算出手段と、
   前記評価値算出手段における評価値に基づき、前記一の領域を前記複数のクラスのいずれかに分類する第２の領域分類手段と、
   を具備したことを特徴とする画像処理装置。
4. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、
   前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、
   前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、
   前記複数の領域のうち、一の領域を注目領域として設定する注目領域設定手段と、
   前記注目領域から所定の距離だけ離れた領域である近傍外周領域を検出する近傍外周領域検出手段と、
   前記近傍外周領域において、前記特徴量に基づき、略円形形状の輪郭部の少なくとも一部が存在することを検出する略円形形状検出手段と、
   前記略円形形状検出手段により、前記略円形形状が検出された場合、前記注目領域を抽出する抽出手段と、
   を具備したことを特徴とする画像処理装置。
5. 前記略円形形状検出手段は、前記近傍外周領域のうち、前記略円形形状の輪郭部の少なくとも一部が存在する領域の割合が所定の閾値以上であると判断した場合に略円形形状を検出し、前記抽出手段は、前記注目領域を前記略円形形状の中央部が存在する領域として抽出することを特徴とする請求項４に記載の画像処理装置。
6. 前記略円形形状は、泡であることを特徴とする請求項４または請求項５に記載の画像処理装置。
7. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段と、
   前記画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割手段と、
   前記画像分割手段により分割された複数の領域各々における特徴量を算出する特徴量算出手段と、
   前記特徴量算出手段において算出された特徴量と、所定の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する領域分類手段と、
   前記複数のクラスのうち、構造的に明確な特徴を有する所定のクラスに分類される領域を、前記複数の領域から検出する領域検出手段と、
   前記領域検出手段において検出された前記領域が有する前記特徴量に基づき、前記領域分類手段における前記所定の分類基準を設定する分類基準設定手段と、
   を具備したことを特徴とする画像処理装置。
8. 前記所定のクラスは、泡クラスまたは絨毛クラスのうち、少なくとも１つのクラスであることを特徴とする請求項７に記載の画像処理装置。
9. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、
   前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、
   前記特徴量算出ステップにおいて算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類ステップと、
   前記特徴量と、前記第１の領域分類ステップによる分類結果とに基づいて第２の分類基準を設定する第２の分類基準設定ステップと、
   前記特徴量と、前記第２の分類基準とに基づき、前記複数の領域を前記複数のクラスのいずれかに各々分類する第２の領域分類ステップと、
   を有したことを特徴とする画像処理装置における画像処理方法。
10. 前記第１の領域分類ステップは、前記第１の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類し、前記第２の領域分類ステップは、前記第２の分類基準を定める母数を用いた統計的識別器を用いて前記複数の領域を複数のクラスのいずれかに各々分類することを特徴とする請求項９に記載の画像処理装置における画像処理方法。
11. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、
    前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、
    前記特徴量算出手段において算出された特徴量と、所定の第１の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する第１の領域分類ステップと、
    前記複数の領域のうち、一の領域の前記第１の領域分類手段による分類結果を、前記一の領域の近傍に位置する領域の前記第１の領域分類手段による分類結果に基づいた評価値を算出することにより評価する評価値算出ステップと、
    前記評価値算出手段における評価値に基づき、前記一の領域を前記複数のクラスのいずれかに分類する第２の領域分類ステップと、
    を具備したことを特徴とする画像処理装置における画像処理方法。
12. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号入力手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、
    前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、
    前記複数の領域のうち、一の領域を注目領域として設定する注目領域設定ステップと、
    前記注目領域から所定の距離だけ離れた領域である近傍外周領域を検出する近傍外周領域検出ステップと、
    前記近傍外周領域において、前記特徴量に基づき、略円形形状の輪郭部の少なくとも一部が存在することを検出する略円形形状検出ステップと、
    前記略円形形状検出手段により、前記略円形形状が検出された場合、前記注目領域を抽出する抽出ステップと、
    を具備したことを特徴とする画像処理装置における画像処理方法。
13. 前記略円形形状検出ステップは、前記近傍外周領域のうち、前記略円形形状の輪郭部の少なくとも一部が存在する領域の割合が所定の閾値以上であると判断した場合に略円形形状を検出し、前記抽出ステップは、前記注目領域を前記略円形形状の中央部が存在する領域として抽出することを特徴とする請求項１２に記載の画像処理装置における画像処理方法。
14. 前記略円形形状は、泡であることを特徴とする請求項１２または請求項１３に記載の画像処理装置における画像処理方法。
15. 撮像機能を有する医療機器で撮像された画像に基づく画像信号を入力する画像信号手段において入力した画像信号に基づいて当該医療機器で撮像された画像を複数の領域に分割する画像分割ステップと、
    前記画像分割ステップにより分割された複数の領域各々における特徴量を算出する特徴量算出ステップと、
    前記特徴量算出ステップにおいて算出された特徴量と、所定の分類基準とに基づき、前記複数の領域を複数のクラスのいずれかに各々分類する領域分類ステップと、
    前記複数のクラスのうち、構造的に明確な特徴を有する所定のクラスに分類される領域を、前記複数の領域から検出する領域検出ステップと、
    前記領域検出ステップにおいて検出された前記領域が有する前記特徴量に基づき、前記領域分類ステップにおける前記所定の分類基準を設定する分類基準設定ステップと、
    を有したこを特徴とする画像処理装置における画像処理方法。
16. 前記所定のクラスは、泡クラスまたは絨毛クラスのうち、少なくとも１つのクラスであることを特徴とする請求項１５に記載の画像処理装置における画像処理方法。