JP5576711B2 - 画像処理装置、画像処理方法、および画像処理プログラム - Google Patents

Description

本発明は、撮像対象を時系列で撮像した一連の時系列画像を処理する画像処理装置、画像処理方法、および画像処理プログラムに関するものである。

内視鏡装置を用いて被検者の体内を撮像した画像から病変の領域を判別し、表示部に表示するようにした診断支援装置が知られている（特許文献１を参照）。この特許文献１に開示されている技術では、事前に病変領域を判別するための基準として用いる教師データを用意しておき、この教師データを用いて各画素の例えば色比等の特徴量を分類することで病変領域を判別している。

特開２００２−１６５７５７号公報

しかしながら、撮像対象が生体の場合、対象の色は、個人差等によって変動する。例えば粘膜を例に挙げると、粘膜の色は、被検者の個人差によって変動する。また、粘膜の色は、消化管の種類によっても異なるため、同じ被検者であっても、その画像が撮像された生体内の位置によって変動する。このため、特許文献１のように事前に用意した教師データを用いる方法では、基準が固定であるため、様々な生体内の画像から画像内の特定領域を精度良く判別するのが難しいという問題があった。

本発明は、上記に鑑み為されたものであって、撮像対象を時系列で撮像した一連の時系列画像を構成する画像内の特定領域を精度良く判別することができる画像処理装置、画像処理方法、および画像処理プログラムを提供することを目的とする。

上記した課題を解決し、目的を達成するための、本発明のある態様にかかる画像処理装置は、撮像対象を時系列で撮像した一連の時系列画像を処理する画像処理装置であって、前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択手段と、前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成手段と、前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出手段と、前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別手段と、を備え、前記判別基準作成手段は、前記画像選択手段が前記処理対象画像として既に選択し、前記特定領域判別手段が既に判別を行った画像内の前記特定領域の特徴量をもとに、前記判別基準を作成することを特徴とする。

この態様にかかる画像処理装置によれば、時系列画像を構成する画像を順次処理対象画像として選択し、この処理対象画像内の特定領域を判別していく過程において、処理対象画像として既に選択され、既に判別された画像内の特定領域の特徴量をもとに、判別基準を適応的に作成することができる。したがって、撮像対象を時系列で撮像した一連の時系列画像を構成する画像内の特定領域を精度良く判別することができるという効果を奏する。

また、本発明の別の態様にかかる画像処理方法は、撮像対象を時系列で撮像した一連の時系列画像を処理する画像処理方法であって、前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択工程と、前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成工程と、前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出工程と、前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別工程と、を含み、前記判別基準作成工程は、前記画像選択手段が前記処理対象画像として既に選択し、前記特定領域判別手段が既に判別を行った画像内の前記特定領域の特徴量をもとに、前記判別基準を作成することを特徴とする。

また、本発明の別の態様にかかる画像処理プログラムは、コンピュータに、撮像対象を時系列で撮像した一連の時系列画像を処理させるための画像処理プログラムであって、前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択手順と、前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成手順と、前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出手順と、前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別手順と、を前記コンピュータに実行させ、前記判別基準作成手順は、前記画像選択手段が前記処理対象画像として既に選択し、前記特定領域判別手段が既に判別を行った画像内の前記特定領域の特徴量をもとに、前記判別基準を作成することを前記コンピュータに実行させることを特徴とする。

本発明によれば、撮像対象を時系列で撮像した一連の時系列画像を構成する画像内の特定領域を精度良く判別することができる。

図１は、実施の形態１の画像処理装置の機能構成を説明するブロック図である。 図２は、実施の形態１の画像処理装置が行う処理手順を示す全体フローチャートである。 図３は、実施の形態１の特徴量算出処理の詳細な処理手順を示すフローチャートである。 図４は、実施の形態１の特定領域判別処理の詳細な処理手順を示すフローチャートである。 図５は、実施の形態１の信頼度算出処理の詳細な処理手順を示すフローチャートである。 図６は、実施の形態１の判別基準作成処理の詳細な処理手順を示すフローチャートである。 図７は、実施の形態２の画像処理装置の機能構成を説明するブロック図である。 図８は、実施の形態２の画像処理装置が行う処理手順を示す全体フローチャートである。 図９は、実施の形態２の特定領域判別処理の詳細な処理手順を示すフローチャートである。 図１０は、実施の形態２の判別基準作成処理の詳細な処理手順を示すフローチャートである。 図１１は、実施の形態３の画像処理装置の機能構成を説明するブロック図である。 図１２は、実施の形態３の画像処理装置が行う処理の概要を説明する説明図である。 図１３は、実施の形態３の画像処理装置が行う処理手順を示す全体フローチャートである。 図１４は、図１３に続く処理手順を示す全体フローチャートである。 図１５は、実施の形態４の画像処理装置の機能構成を説明するブロック図である。 図１６は、実施の形態４の画像処理装置が行う処理手順を示す全体フローチャートである。 図１７は、実施の形態４の初期値設定処理の詳細な処理手順を示すフローチャートである。 図１８は、実施の形態５の画像処理装置の機能構成を説明するブロック図である。 図１９は、実施の形態５の画像処理装置が行う処理手順を示す全体フローチャートである。 図２０は、実施の形態５の近傍領域判別処理の詳細な処理手順を示すフローチャートである。 図２１は、実施の形態６の画像処理装置の機能構成を説明するブロック図である。 図２２は、実施の形態６の画像処理装置が行う処理手順を示す全体フローチャートである。 図２３は、実施の形態６の信頼度算出基準設定処理の詳細な処理手順を示すフローチャートである。 図２４は、本発明を適用したコンピューターシステムの構成を示すシステム構成図である。 図２５は、図２４のコンピューターシステムを構成する本体部の構成を示すブロック図である。

以下、図面を参照し、本発明の好適な実施の形態について説明する。なお、この実施の形態によって本発明が限定されるものではない。また、各図面の記載において、同一部分には同一の符号を付して示している。

本実施の形態の画像処理装置は、例えば内視鏡やカプセル内視鏡といった被検者の体内に導入される医用観察装置が消化管等の生体内管腔を時系列で撮像した一連の画像（時系列画像）を処理するものである。以下では、この時系列画像を構成する画像（以下、「生体内管腔画像」と呼ぶ。）内の正常粘膜の領域（正常粘膜領域）を特定領域として判別する場合を例にとって説明する。ここで、本実施の形態の画像処理装置が扱う時系列画像を構成する生体内管腔画像は、例えば、各画素においてＲ（赤），Ｇ（緑），Ｂ（青）の各色成分に対する２５６階調の画素値を持つカラー画像である。なお、特定領域は、正常粘膜領域に限定されるものではなく、生体内管腔画像内で判別したい所望の領域を特定領域とすることができる。また、本発明は、撮像対象が生体内管腔である画像に限らず、別の撮像対象を映した画像にも同様に適用可能である。

（実施の形態１）
先ず、実施の形態１の画像処理装置について説明する。図１は、実施の形態１の画像処理装置１の機能構成を説明するブロック図である。実施の形態１の画像処理装置１は、図１に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４と、演算部２０と、画像処理装置１全体の動作を制御する制御部１５とを備える。

画像取得部１１は、医用観察装置によって撮像された時系列画像の画像データを取得するためのものであり、この画像取得部１１によって取得された時系列画像の画像データ（詳細には、時系列画像を構成する各生体内管腔画像の画像データ）は記録部１４に記録され、演算部２０によって処理された後、必要に応じて適宜表示部１３に表示される。画像取得部１１は、例えば医用観察装置との間の画像データの受け渡しに可搬型の記録媒体が使用される場合であれば、この記録媒体を着脱自在に装着して保存された時系列画像の画像データを読み出すリーダ装置で構成される。また、医用観察装置によって撮像された時系列画像の画像データを保存しておくサーバを適所に設置し、このサーバから画像データを取得する構成の場合には、画像取得部１１を、サーバと接続するための通信装置等で構成する。そして、この画像取得部１１を介してサーバとデータ通信を行い、時系列画像の画像データを取得する。また、この他、医用観察装置から画像データをケーブルを介して取得する構成の場合には、画像取得部１１を、画像データが入力されるインターフェース装置等で構成してもよい。

入力部１２は、例えばキーボードやマウス、タッチパネル、各種スイッチ等によって実現されるものであり、入力信号を制御部１５に出力する。表示部１３は、ＬＣＤやＥＬディスプレイ等の表示装置によって実現されるものであり、制御部１５の制御のもと、生体内管腔画像を含む各種画面を表示する。

記録部１４は、更新記録可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵或いはデータ通信端子で接続されたハードディスク、ＣＤ−ＲＯＭ等の情報記録媒体およびその読取装置等によって実現されるものであり、画像処理装置１を動作させ、この画像処理装置１が備える種々の機能を実現するためのプログラムや、このプログラムの実行中に使用されるデータ等が予めあるいは処理の都度一時的に記録される。この記録部１４には、画像取得部１１によって取得された時系列画像の画像データが記録される。また、記録部１４には、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１が記録される。

演算部２０は、ＣＰＵ等のハードウェアによって実現される。この演算部２０は、時系列画像を構成する各生体内管腔画像を時系列順に従って処理し、各生体内管腔画像に映る正常粘膜領域を判別するための種々の演算処理を行う。実施の形態１では、時系列前方から時系列後方に向かって順番に、すなわち、時系列順が先頭（１番目）の生体内管腔画像から最後尾（例えばＮ番目とする）の生体内管腔画像まで順番に、各生体内管腔画像を処理していく。そして、実施の形態１では、時系列順が先頭の生体内管腔画像については、判別基準として予め作成される初期値を用いて正常粘膜領域を判別する。ここで、判別基準の初期値は、予め作成して記録部１４に記録しておく。その後は、既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量を用いることで適応的に正常粘膜領域の判別基準を作成し、作成した判別基準を用いて正常粘膜領域を判別する。

この演算部２０は、特徴量算出手段としての特徴量算出部２１と、判別基準作成手段としての判別基準作成部２２と、特定領域判別手段としての特定領域判別部２５とを含む。特徴量算出部２１は、処理対象の生体内管腔画像内を例えば小領域としての分割領域に分割し、分割した領域（分割領域）毎に特徴量として後述するＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する。

判別基準作成部２２は、正常粘膜領域を判別するための判別基準を作成する機能部であり、時系列順が先頭の生体内管腔画像を処理する前に、判別基準を前述の初期値に設定する。一方、時系列画像を構成する１枚目の生体内管腔画像を処理した後は、時系列順が次の生体内管腔画像を処理するのに用いる判別基準をその都度適応的に作成する。この判別基準作成部２２は、初期値設定手段としての初期値設定部２２１と、加重平均算出手段としての加重平均算出部２２２とを備える。初期値設定部２２１は、判別基準を初期値に設定する。加重平均算出部２２２は、既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量の加重平均を算出する機能部であり、時系列距離重み設定手段としての時系列距離重み設定部２２３と、信頼度重み設定手段としての信頼度重み設定部２２４とを備える。

時系列距離重み設定部２２３は、既に処理を終えた生体内管腔画像内の正常粘膜領域の特徴量に対し、時系列的な距離（時系列距離）に応じた重み値（以下、「時系列距離に基づく重み値」と呼ぶ。）を設定する。ここで、時系列距離は、その正常粘膜領域を含む生体内管腔画像の時系列順と、処理対象の生体内管腔画像の時系列順と差に相当する。

信頼度重み設定部２２４は、特定領域判別部２５によって処理対象の生体内管腔画像内で正常粘膜領域と判別された分割領域についての判別結果の信頼度（その分割領域が正常粘膜領域であることに対する信頼度）を算出する信頼度算出手段としての信頼度算出部２２５を備え、この信頼度に従って該当する正常粘膜領域の特徴量に対する重み値（以下、「信頼度に基づく重み値」と呼ぶ。）を設定する。この信頼度算出部２２５は、信頼度算出基準設定手段としての信頼度算出基準設定部２２６と、非特定領域判定手段としての非特定領域判定部２２７とを備える。信頼度算出基準設定部２２６は、信頼度を算出するための信頼度算出基準を設定する。非特定領域判定部２２７は、特定領域判別部２５によって処理対象の生体内管腔画像内で非正常粘膜領域と判別された領域の有無を判定する。

特定領域判別部２５は、特徴量算出部２１によって算出された特徴量をもとに、判別基準作成部２２によって作成された判別基準を用いて処理対象の生体内管腔画像内の正常粘膜領域を判別する。

制御部１５は、ＣＰＵ等のハードウェアによって実現される。この制御部１５は、画像取得部１１によって取得された画像データや入力部１２から入力される入力信号、記録部１４に記録されるプログラムやデータ等をもとに画像処理装置１を構成する各部への指示やデータの転送等を行い、画像処理装置１全体の動作を統括的に制御する。

図２は、実施の形態１の画像処理装置１が行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４に記録された画像処理プログラム１４１に従って画像処理装置１の各部が動作することによって実現される。

図２に示すように、先ず、画像取得部１１が、時系列画像の画像データを取得する（ステップａ１）。取得された時系列画像を構成する各生体内管腔画像の画像データは、その時系列順序を示す画像番号とともに記録部１４に記録され、任意の画像番号が付された生体内管腔画像の画像データを読み込み可能な状態となる。

その後、時系列画像を構成する各生体内管腔画像を順次処理対象とし、各生体内管腔画像内の正常粘膜領域を判別する処理を行うが、先ず、演算部２０において、判別基準作成部２２の初期値設定部２２１が、予め作成されて記録部１４に記録された初期値を読み出し、判別基準を読み出した初期値に設定する（ステップａ３）。この初期値は、後段のステップａ５で処理対象画像として読み出す時系列順が先頭の生体内管腔画像内の正常粘膜領域を判別するのに用いる。また、初期値は、例えば、予め正常粘膜領域の特徴量分布を算出することで作成しておく。

ここで、初期値とする正常粘膜領域の特徴量分布の算出手順について説明する。初期値の算出に先立ち、正常粘膜領域を撮像した生体内管腔画像を複数用意する。先ず、用意した正常粘膜領域が映る生体内管腔画像を分割領域である所定サイズ（例えば８×８画素）の矩形ブロックに分割する。

続いて、分割した分割領域毎に特徴量を算出する。以下では、分割領域内の各画素のＧ／Ｒ値（Ｇ成分とＲ成分との色比）の平均値およびＢ／Ｇ値（Ｂ成分とＧ成分との色比）の平均値を特徴量として算出する。ここで、分割領域内のＲ成分の値（Ｒ値）の合計値をＲ_sum、分割領域内のＧ成分の値（Ｇ値）の合計値をＧ_sum、分割領域内のＢ成分の値（Ｂ値）の合計値をＢ_sumとすると、Ｇ／Ｒ値の平均値ＧＲは次式（１）で表され、Ｂ／Ｇ値の平均値ＢＧは次式（２）で表される。
ＧＲ＝（Ｇ_sum／Ｒ_sum） ・・・（１）
ＢＧ＝（Ｂ_sum／Ｇ_sum） ・・・（２）

そして、このような分割領域毎にＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する処理を用意した複数の生体内管腔画像それぞれについて行い、得られたＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する。そして、頻度の合計が１００になるように頻度分布を正規化し、正常粘膜領域の特徴量分布とする。そして、このようにして正常粘膜領域の特徴量分布を算出することで判別基準の初期値を作成し、記録部１４に記録しておく。

図２に戻り、続いて、演算部２０が、ステップａ１で記録部１４に記録した時系列画像を構成する時系列順が先頭の生体内管腔画像を処理対象画像として読み出す処理を行い（ステップａ５）、画像選択手段として処理対象画像を選択する。その後、ステップａ７に移行し、特徴量算出部２１が特徴量算出処理を実行する。図３は、特徴量算出処理の詳細な処理手順を示すフローチャートである。

特徴量算出処理では、特徴量算出部２１は先ず、処理対象画像を例えば８×８画素の矩形ブロックである分割領域に分割する（ステップｂ１）。また、このとき、以降の処理において処理対象画像内の各画素が属する分割領域を特定できるように、各分割領域と生体内管腔画像内の各画素位置との対応付けを行う。具体的には、各分割領域に通し番号等の固有の領域番号を割り振る。そして、各画素の画素値をその画素が属する分割領域の領域番号とした領域番号画像を作成しておく。

続いて、特徴量算出部２１は、分割した分割領域毎に、特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する（ステップｂ３）。具体的には、分割領域毎に、上記した式（１）に従って分割領域内の各画素のＧ／Ｒ値の平均値を算出するとともに、上記した式（２）に従って分割領域内の各画素のＢ／Ｇ値の平均値を算出する。このようにして分割領域毎に算出した処理対象画像の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値は、画像番号と対応付けられて記録部１４に記録される。その後、図２のステップａ７にリターンし、ステップａ９に移行する。

ステップａ９では、特定領域判別部２５が特定領域判別処理を実行する。図４は、特定領域判別処理の詳細な処理手順を示すフローチャートである。この特定領域判別処理では、図２のステップａ７で分割領域毎に算出した特徴量をもとに、処理対象画像内の正常粘膜領域を分割領域毎に判別する。このとき、処理対象画像内の正常粘膜領域の判別に用いることとして設定されている判別基準、すなわち、現時点で最新の判別基準を用いる。実施の形態１において、判別基準は、正常粘膜領域の特徴量（Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値）の２次元特徴平面における頻度分布であり、時系列順が先頭の生体内管腔画像が処理対象画像の場合には、図２のステップａ３で設定した初期値が現時点で最新の判別基準に該当する。また、時系列順が２番目以降の生体内管腔画像が処理対象画像の場合であれば、後述する図６のステップｅ１１で最後に更新された判別基準が現時点で最新の判別基準に該当する。具体的には、各分割領域の特徴量と判別基準とを比較することで、各分割領域が正常粘膜領域か否かを判別していく。

例えば、実施の形態１では、各分割領域の特徴量と判別基準とのマハラノビス距離（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ２２２〜Ｐ２２３）を算出することで正常粘膜領域の判別を行う。すなわち、図４に示すように、特定領域判別部２５は先ず、分割領域毎に、その特徴量として算出したＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値と、現時点で最新の判別基準とのマハラノビス距離を算出する（ステップｃ１）。そして、特定領域判別部２５は、算出したマハラノビス距離が予め設定される正常範囲内である分割領域を正常粘膜領域と判別する（ステップｃ３）。このとき、マハラノビス距離が所定の正常範囲外である分割領域については、非正常粘膜領域と判別する。所定の正常範囲は、固定値としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。このようにして処理対象画像内で判別された正常粘膜領域の判別結果（各分割領域が正常粘膜領域なのか非正常粘膜領域なのかの判別結果）は、記録部１４に記録される。その後、図２のステップａ９にリターンし、ステップａ１１に移行する。

ステップａ１１では、信頼度算出部２２５において、信頼度算出基準設定部２２６が、ステップａ１３の信頼度算出処理で用いる信頼度算出基準を設定する。例えば、信頼度算出基準設定部２２６は、図４のステップｃ３で非正常粘膜領域と判別された分割領域が存在する場合に、この非正常粘膜領域と判別された分割領域の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を算出し、得られた頻度分布を信頼度算出基準とする。設定された信頼度算出基準は、記録部１４に記録される。

なお、信頼度算出基準の設定手順はこれに限定されるものではない。例えば、１つ目の変形例として、現時点で最新の判別基準、すなわち、処理対象画像内の正常粘膜領域を判別するのに用いた判別基準を信頼度算出基準としてもよい。

２つ目の変形例としては、信頼度算出基準の設定に先立ち、正常粘膜領域を撮像した生体内管腔画像および非正常粘膜領域を撮像した生体内管腔画像を用意する。そして先ず、正常粘膜領域が映る生体内管腔画像を分割領域に分割して分割領域毎にＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出し、正常粘膜領域の特徴量として収集する。同様に、非正常粘膜領域が映る生体内管腔画像を分割領域に分割して分割領域毎にＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出し、非正常粘膜領域の特徴量として収集する。そして、収集した正常粘膜領域の特徴量と非正常粘膜領域の特徴量とから、正常粘膜領域の特徴量範囲を決定し、決定した正常粘膜領域の特徴量範囲を信頼度算出基準としてもよい。なお、この場合は、予め信頼度算出基準を作成し、記録部１４に記録しておくことができるので、ステップａ１１では、これを記録部１４から読み出す処理を行えばよい。

以上のようにして信頼度算出基準を設定したならば、続いて、信頼度算出部２２５が信頼度算出処理を実行し、処理対象画像内で正常粘膜領域と判別された分割領域毎に信頼度を算出する（ステップａ１３）。図５は、信頼度算出処理の詳細な処理手順を示すフローチャートである。この信頼度算出処理では、図４のステップｃ３で分割領域毎に行った正常粘膜領域／非正常粘膜領域の判別結果に対する信頼度を算出する。

信頼度算出処理では、先ず非特定領域判定部２２７が、図４のステップｃ３において非正常粘膜領域と判別された分割領域の有無を判定する（ステップｄ１）。そして、非正常粘膜領域と判別された分割領域が存在する場合には（ステップｄ３：Ｙｅｓ）、信頼度算出部２２５が、正常粘膜領域の信頼度を分割領域毎に算出する。すなわち、信頼度算出部２２５は、先ず、正常粘膜領域と判別された分割領域を順次処理し、各分割領域の特徴量と、図２のステップａ１１で設定した信頼度算出基準（処理対象画像内で非正常粘膜領域と判別された分割領域の特徴量の頻度分布）とのマハラノビス距離を算出する（ステップｄ４）。そして、信頼度算出部２２５は、正常粘膜領域と判別された分割領域のうち、算出したマハラノビス距離が予め設定される閾値以上である分割領域の信頼度を「１」とし、マハラノビス距離が閾値未満である分割領域の信頼度を「０」として設定する（ステップｄ５）。このようにして正常粘膜領域と判別された分割領域毎に設定された信頼度の値は、記録部１４に記録される。所定の閾値は、固定値としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。

ここで、信頼度算出基準は、上記したように、処理対象画像内の非正常粘膜領域の特徴量の頻度分布である。したがって、ステップｄ４で算出したマハラノビス距離によって正常粘膜領域と非正常粘膜領域等の正常粘膜領域以外の領域との間の中間的な領域が判定され、正常粘膜領域と判別された分割領域のうち、前述のような中間的な領域と判定された分割領域について、低い信頼度が算出される。その後、図２のステップａ１３にリターンし、ステップａ１５に移行する。

一方、非正常粘膜領域と判別された分割領域が存在しなければ（ステップｄ３：Ｎｏ）、信頼度算出部２２５は、正常粘膜領域と判別された全ての分割領域の信頼度を「１」として設定する（ステップｄ７）。設定された信頼度の値は、記録部１４に記録される。その後、図２のステップａ１３にリターンし、ステップａ１５に移行する。

なお、信頼度の算出手順はこれに限定されるものではない。例えば、信頼度算出基準の設定手順の１つ目の変形例として上記したように、処理対象画像内の正常粘膜領域を判別するのに用いた判別基準を信頼度算出基準とする場合には、信頼度算出部２２５は、先ず、正常粘膜領域と判別された分割領域を順次処理し、各分割領域の特徴量と、処理対象画像内の正常粘膜領域の判別に用いた判別基準である信頼度算出基準とのマハラノビス距離をそれぞれ算出する。そして、信頼度算出部２２５は、正常粘膜領域と判別された分割領域のうち、算出したマハラノビス距離が予め設定される閾値以上である分割領域の信頼度を「０」とし、マハラノビス距離が閾値未満である分割領域のその信頼度を「１」として設定する。このようにすることで、本変形例においても、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域が判定され、中間的な領域と判定された分割領域について低い信頼度が算出される。

また、信頼度算出基準の設定手順の２つ目の変形例として上記したように、正常粘膜領域の特徴量範囲を信頼度算出基準とする場合には、信頼度算出部２２５は、正常粘膜領域と判別された分割領域のうち、その特徴量が信頼度算出基準である正常粘膜領域の特徴量範囲内である分割領域の信頼度を「１」とし、範囲外である分割領域の信頼度を「０」として設定する。この場合も同様に、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域が判定され、中間的な領域と判定された分割領域について低い信頼度が算出される。

また、図２のステップａ１１において、上記した処理対象画像内の非正常粘膜領域の特徴量の頻度分布と、処理対象画像内の正常粘膜領域の判別に用いた判別基準と、正常粘膜領域の特徴量範囲との３つの信頼度算出基準を設定することとしてもよい。そして、信頼度算出処理では、これらの各信頼度算出基準を用いた信頼度をそれぞれ算出し、得られた各値から最終的な信頼度を求めるようにしてもよい。具体的には、処理対象画像内の非正常粘膜領域の特徴量の頻度分布を信頼度算出基準として用いて信頼度Ｔ１を算出し、処理対象画像内の正常粘膜領域の判別に用いた判別基準を信頼度算出基準として用いて信頼度Ｔ２を算出し、正常粘膜領域の特徴量範囲を信頼度算出基準として用いて信頼度Ｔ３を算出する。そして、これらＴ１，Ｔ２，Ｔ３の各値をもとに、次式（３）に従って最終的な信頼度Ｔを算出することとしてもよい。
Ｔ＝（Ｔ１＋Ｔ２＋Ｔ３）／３ ・・・（３）

続く図２のステップａ１５では、判別基準作成部２２が判別基準作成処理を実行する。図６は、判別基準作成処理の詳細な処理手順を示すフローチャートである。

判別基準作成処理では、先ず信頼度重み設定部２２４が、正常粘膜領域と判別された各分割領域に対し、その信頼度に基づく重み値を設定する（ステップｅ１）。その後、加重平均算出部２２２が、ステップｅ１で分割領域毎に設定した信頼度に基づく重み値を該当する分割領域の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値に乗じることで正常粘膜領域の各分割領域の特徴量を信頼度に応じて重み付けをし、重み付けした分割領域毎のＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する（ステップｅ３）。そして、加重平均算出部２２２は、作成した頻度分布を頻度の合計が１００になるように正規化する（ステップｅ５）。

実施の形態１では、例えば、信頼度の値を信頼度に基づく重み値として設定する。したがって、正常粘膜領域と判別された各分割領域のうち、図５のステップｄ５またはステップｄ７で信頼度が「１」とされた分割領域の特徴量には「１」を乗算する。この場合には、ステップｅ３では、その分割領域が１．０個存在したとして頻度分布が集計される。一方、図５のステップｄ５で信頼度が「０」とされた分割領域の特徴量には「０」を乗算する。そして、このようにすることで、ステップｅ３において、信頼度が「０」である分割領域、すなわち、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域と判定された分割領域の特徴量が頻度分布に集計されないようにする。

また、図２のステップａ１３で行う信頼度算出処理の変形例として上記したように、複数種類の信頼度算出基準を設定し、各信頼度算出基準を用いて算出した信頼度（例えばＴ１，Ｔ２，Ｔ３）の平均値を最終的な信頼度Ｔとして求める場合等では、信頼度Ｔの値が「０」〜「１」の間の値として得られ、例えば、信頼度が「０．５」とされた分割領域の特徴量には「０．５」を乗算する。この場合には、図６ステップｅ３では、その分割領域が０．５個存在したとして頻度分布が集計されることとなる。したがって、信頼度の低い分割領域の特徴量ほど小さな重みで頻度分布が作成されるため、正常粘膜領域と正常粘膜以外の領域との間にある信頼度の低い領域が頻度分布に集計され難くなる。なお、信頼度に基づく重み値は、信頼度の値に限定されるものではなく、信頼度の値に従って二次的に算出される別の値としてもよい。

続いて、時系列距離重み設定部２２３が、ステップｅ５で正規化した頻度分布およびステップｅ１１で前回作成した現時点で最新の判別基準に対し、時系列距離に基づく重み値を設定する（ステップｅ７）。その後、加重平均算出部２２２が、これらステップｅ５で正規化した頻度分布および前回作成した判別基準にステップｅ７で設定した時系列距離に基づく重み値を乗じることでこれらに重み付けをし、重み付けした各値を合算して新たな判別基準を作成する（ステップｅ９）。そして、加重平均算出部２２２は、作成した判別基準を記録部１４に記録して更新する（ステップｅ１１）。

例えば、ステップｅ７およびステップｅ９の処理として、次式（４）に従って新たな判別基準Ｓ_new（ＧＲ，ＢＧ）を作成する処理を行う。
Ｓ_new（ＧＲ，ＢＧ）＝Ｓ（ＧＲ，ＢＧ）×ｋ１＋Ｈ（ＧＲ，ＢＧ）×（１−ｋ１） ・・・（４）

上記した式（４）において、Ｈ（ＧＲ，ＢＧ）は、ステップｅ５で正規化した頻度分布、すなわち、処理対象画像内で正常粘膜領域と判別された各分割領域の特徴量（Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値）を該当する分割領域の信頼度に応じて重み付けした上で作成した頻度分布である。また、Ｓ（ＧＲ，ＢＧ）は、前回作成した判別基準、すなわち今回処理した処理対象画像内の正常粘膜領域の判別に用いた判別基準である。

ここで、Ｓ（ＧＲ，ＢＧ）は、式（４）に従って前回作成したものである。したがって、Ｓ（ＧＲ，ＢＧ）は、前回までに処理した生体内管腔画像内で正常粘膜領域と判別された分割領域毎の特徴量によって定まる。一方、Ｈ（ＧＲ，ＢＧ）は、今回処理した処理対象画像内の正常粘膜領域の特徴量によって定まる。このように、判別基準は、前回までに処理した生体内管腔画像内の正常粘膜領域の特徴量と、今回処理した処理対象画像内の正常粘膜領域の特徴量とによって定まる。そしてこのとき、Ｈ（ＧＲ，ＢＧ）およびＳ（ＧＲ，ＢＧ）の各値は、更新係数ｋ１の値によって重み付けされる。

ｋ１は、判別基準の更新係数であり、Ｓ（ＧＲ，ＢＧ）に乗じるｋ１の値とＨ（ＧＲ，ＢＧ）に乗じる１−ｋ１の値とが時系列距離に基づく重み値に相当する。この更新係数ｋ１は、例えば、０．０＜ｋ１＜１．０の範囲内で適宜の値として設定される。したがって、更新係数ｋ１の値が小さいほど、作成される判別基準には、今回処理した処理対象画像内での正常粘膜領域の判別結果が大きく反映される。また、前回までに処理した処理対象画像内での正常粘膜領域の判別結果として、その時系列距離が処理対象画像と近いものの方が遠いものよりも大きく反映されることとなる。

以上のように、判別基準は、前回までに処理した生体内管腔画像内の正常粘膜領域の特徴量を蓄積しつつ、今回処理した処理対象画像内の正常粘膜領域の特徴量を用いて適用的に作成される。このとき、今回処理した処理対象画像内の正常粘膜領域の特徴量には信頼度に応じた重み付けがなされ、この重み付けされた処理対象画像内の正常粘膜領域の特徴量および前回までに処理した生体内管腔画像内の正常粘膜領域の特徴量には時系列距離に応じた重み付けがなされることとなる。

続いて、演算部２０は、未処理の生体内管腔画像の有無を判定する。未処理の生体内管腔画像があれば、すなわち、時系列画像を構成する全ての生体内管腔画像を処理対象としてステップａ７〜ステップａ１５の処理を実行していない場合には（ステップａ１７：Ｎｏ）、時系列順が今回処理した処理対象画像の次（直後）の生体内管腔画像を処理対象画像として記録部１４から読み出す処理を行い（ステップａ１９）、画像選択手段として処理対象画像を選択する。その後ステップａ７に戻り、この処理対象画像についてステップａ７〜ステップａ１５の処理を実行する。

一方、時系列画像を構成する全ての生体内管腔画像を処理対象としてステップａ７〜ステップａ１５の処理を実行したならば（ステップａ１７：Ｙｅｓ）、本処理を終える。

以上説明したように、実施の形態１では、処理対象画像の特徴量として分割領域毎のＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出し、この分割領域毎の特徴量と判別基準とを比較することで各分割領域が正常粘膜領域か否かを判別することとした。また、正常粘膜領域と判別された各分割領域について信頼度を算出し、正常粘膜領域と判別された分割領域のうち、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域について低い信頼度を設定することとした。そして、処理対象画像内の正常粘膜領域の判別を行った後、この処理対象画像を含む既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量をもとに判別基準を作成することとした。より詳細には、既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量に対して時系列距離および信頼度に応じた重み付けを行った上で、判別基準を作成することとした。そして、時系列順が先頭の生体内管腔画像を処理対象画像として処理する場合には、判別基準として予め作成される初期値を用いることとし、時系列順が２番目以降の生体内管腔画像を処理対象画像として処理する場合には、前述のように既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量をもとに作成した判別基準を用いることとした。

この実施の形態１によれば、時系列画像を構成する各生体内管腔画像をその時系列順に従って先頭から順次処理していく過程において、既に処理を終えた生体内管腔画像内で判別された正常粘膜領域の特徴量を用いることで次に処理する生体内管腔画像に適用する正常粘膜領域の判別基準を適応的に作成することができる。そして、このようにして適応的に作成した判別基準を用いて各生体内管腔画像内の正常粘膜領域を順次判別することができる。したがって、生体内を時系列で撮像した一連の時系列画像を構成する各生体内管腔画像に映る例えば正常粘膜領域等の特定領域を精度良く判別することができる。

以上のようにして正常粘膜領域が抽出された生体内管腔画像に対しては、例えば病変領域や出血領域等の異常部領域を抽出する処理等が施され、適宜表示部１３に表示されて医師等のユーザに提示される。具体的には、生体内管腔画像は、例えば異常部領域を他の領域と識別可能に表した画像として表示部１３に表示される。あるいは、異常部領域を含む生体内管腔画像が、診断すべき画像として表示部１３に表示される。このとき、実施の形態１を適用することで判別した正常粘膜領域を除外して異常部領域を抽出することができるので、高精度な異常部検出が実現できる。

（実施の形態２）
次に、実施の形態２の画像処理装置について説明する。図７は、実施の形態２の画像処理装置１ａの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。実施の形態２の画像処理装置１ａは、図７に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ａと、演算部２０ａと、画像処理装置１ａ全体の動作を制御する制御部１５とを備える。

記録部１４ａには、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１ａが記録される。

また、演算部２０ａは、特徴量算出部２１と、判別基準作成部２２ａと、特定領域判別部２５ａとを含む。判別基準作成部２２ａは、初期値設定部２２１と加重平均算出部２２２ａとを備え、加重平均算出部２２２ａは、時系列距離重み設定部２２３と信頼度重み設定部２２４ａとを備える。信頼度重み設定部２２４ａは、信頼度算出部２２５ａを備え、この信頼度算出部２２５ａは、統計量算出手段としての統計量算出部２２８ａを備える。統計量算出部２２８ａは、正常粘膜領域と判別された分割領域の特徴量の統計量を算出する。また、特定領域判別部２５ａは、分割領域毎の特徴量の頻度分布をクラスタリングするクラスタリング手段としてのクラスタリング部２５１ａを備える。

図８は、実施の形態２の画像処理装置１ａが行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４ａに記録された画像処理プログラム１４１ａに従って画像処理装置１ａの各部が動作することによって実現される。また、図８において、実施の形態１と同一の処理工程には、同一の符号を付する。

図８に示すように、実施の形態２では、ステップａ７で特徴量算出部２１が特徴量算出処理を実行して分割領域毎に処理対象画像の特徴量を算出した後、特定領域判別部２５ａが特定領域判別処理を実行する（ステップｆ９）。図９は、特定領域判別処理の詳細な処理手順を示すフローチャートである。

特定領域判別処理では、特定領域判別部２５ａは先ず、図８のステップａ７で算出した分割領域毎の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する（ステップｇ１）。

その後、クラスタリング部２５１ａが、作成した頻度分布をクラスタリングする（ステップｇ３）。クラスタリングは、特徴空間内のデータの分布を、データ間の類似度をもとにクラスタと呼ばれる塊に分ける手法である。また、このとき、以降の処理において各クラスタに属する分割領域を特定できるように、各分割領域がどのクラスタにクラスタリングされたのかを示すリストを作成し、記録部１４ａに記録しておく。

例えば、分割領域毎のＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面でのデータに対し、Ｋ−ｍｅａｎｓ法等の公知の手法（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ２３２）を用いてクラスタリング処理を行う。ここでは、２次元特徴平面におけるデータ間の距離が類似度に相当する。なお、K-means法では、予め分割するクラスタ数Ｋをパラメータとして指定する必要があり、指定したクラスタ数Ｋによってクラスタリングの精度が大きく変化する。このため、高精度のクラスタリング結果を得るためには、画像毎に最適なクラスタ数Ｋを決定する必要がある。ここでは、最適なクラスタ数Ｋの決定法として、クラスタ数評価値をもとに最適クラスタ数Ｋを決定するアルゴリズム（参考：Chong-Wah Ngo et al,”On Clustering and Retrieval of Video Shots Through Temporal Slices Analysis，”Trans Mlt，Vol.4，No.4，pp446-458，2002）を用いることとする。ただし、適用可能なクラスタリングの手法はK-means法に限定されるものではなく、他のクラスタリングの手法を用いてもよい。

続いて、クラスタリング部２５１ａは、クラスタリングの結果をもとに各クラスタの重心を算出する（ステップｇ５）。その後、特定領域判別部２５ａが、クラスタ毎に、その重心と現時点で最新の判別基準とのマハラノビス距離を算出する（ステップｇ７）。ここで、判別基準は、上記した実施の形態１と同様に、正常粘膜領域の特徴量（Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値）の２次元特徴平面における頻度分布である。そして、特定領域判別部２５ａは、算出したマハラノビス距離が予め設定される正常範囲内であるクラスタを正常粘膜クラスタとし、この正常粘膜クラスタに属する分割領域を正常粘膜領域と判別する（ステップｇ９）。このとき、マハラノビス距離が所定の正常範囲外であるクラスタに属する分割領域については、非正常粘膜領域と判別する。その後、図８のステップｆ９にリターンし、ステップｆ１１に移行する。

ステップｆ１１では、信頼度算出部２２５ａにおいて、統計量算出部２２８ａが、図９のステップｇ９で正常粘膜クラスタとしたクラスタに属する分割領域の特徴量をもとに、正常粘膜クラスタ毎に統計量を算出する。例えば、統計量算出部２２８ａは、正常粘膜クラスタ毎に、その正常粘膜クラスタに属する全ての分割領域の特徴量の分散値を算出する。

続いて、信頼度算出部２２５ａは、ステップｆ１１で算出した統計量である分散値を用いて正常粘膜クラスタ毎に信頼度を算出する（ステップｆ１３）。具体的には、信頼度算出部２２５ａは、正常粘膜クラスタのうち、算出した分散値が予め設定される閾値以上である正常粘膜クラスタの信頼度を「０」とし、分散値が閾値未満である正常粘膜クラスタの信頼度を「１」として設定する。閾値は、固定値としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。このように、実施の形態２では、分散値の大小によって正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域が正常粘膜クラスタ単位で判定され、中間的な領域が属する正常粘膜クラスタについて低い信頼度が算出される。

なお、信頼度の算出手順はこれに限定されるものではない。例えば、各正常粘膜クラスタと、処理対象画像内の正常粘膜領域を判別するのに用いた判別基準とのマハラノビス距離をそれぞれ算出する。そして、正常粘膜クラスタのうち、算出したマハラノビス距離が予め設定される閾値以上である正常粘膜クラスタの信頼度を「０」とし、マハラノビス距離が閾値未満である正常粘膜クラスタの信頼度を「１」として設定することとしてもよい。通常、カプセル内視鏡等によって時系列で撮像される生体内管腔画像内では、正常粘膜領域が大半を占める。このため、頻度分布の大多数は正常粘膜領域となる。ここでの処理により、大多数の正常粘膜クラスタと類似する正常粘膜クラスタの信頼度は高く算出される。一方、大多数の正常粘膜クラスタと類似していない正常粘膜クラスタについては、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な領域が属する正常粘膜クラスタとし、低い信頼度が算出される。

そして、判別基準作成部２２ａが、判別基準作成処理を実行する（ステップｆ１５）。図１０は、判別基準作成処理の詳細な処理手順を示すフローチャートである。なお、図１０において、実施の形態１と同一の処理工程には、同一の符号を付する。

判別基準作成処理では、先ず信頼度重み設定部２２４ａが、各正常粘膜クラスタに対し、その信頼度に基づく重み値を設定する（ステップｈ１）。その後、加重平均算出部２２２ａが、ステップｅ１で正常粘膜クラスタ毎に設定した信頼度に基づく重み値をその正常粘膜クラスタに属する分割領域の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値に乗じることで正常粘膜領域の各分割領域の特徴量を信頼度に応じて重み付けをし、重み付けした分割領域毎のＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する（ステップｈ３）。その後は、ステップｅ５〜ステップｅ１１の処理を上記した実施の形態１と同様に行い、判別基準を更新する。その後、図８のステップｆ１５にリターンし、ステップａ１７に移行する。

以上説明したように、実施の形態２では、分割領域毎に算出した処理対象画像の特徴量（Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値）を先ずクラスタリングし、クラスタリングの結果得られたクラスタ毎に正常粘膜領域を判別することとした。具体的には、クラスタの重心を判別基準と比較することで正常粘膜領域を判別することとした。また、正常粘膜クラスタとしたクラスタ毎に特徴量の分散値を算出して信頼度を算出し、算出した信頼度を加味して判別基準を適応的に作成することとした。この実施の形態２によれば、実施の形態１のように分割領域毎に正常粘膜領域を判別して判別基準を作成・更新する場合と比べ、判別結果が粘膜色の変化に追従し易いという効果がある。

（実施の形態３）
次に、実施の形態３の画像処理装置について説明する。図１１は、実施の形態３の画像処理装置１ｂの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。実施の形態３の画像処理装置１ｂは、図１１に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｂと、演算部２０ｂと、画像処理装置１ｂ全体の動作を制御する制御部１５とを備える。

記録部１４ｂには、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１ｂが記録される。

また、演算部２０ｂは、特徴量算出部２１と、判別基準作成部２２ｂと、特定領域判別部２５とを含む。判別基準作成部２２ｂは、初期値設定部２２１ｂと、加重平均算出部２２２とを備える。実施の形態３では、初期値設定部２２１ｂは、初期値加重平均算出手段としての初期値加重平均算出部２２９ｂと停止制御手段としての処理停止制御部２３０ｂとを備え、判別基準の初期値を設定する。初期値加重平均算出部２２９ｂは、初期値設定対象区間を構成する生体内管腔画像内の正常粘膜領域の特徴量に対し、初期値設定区間の最後尾の設定対象画像との時系列距離が近いほど高い重みを設定して加重平均を算出する。処理停止制御部２３０ｂは、初期値加重平均算出部２２９ｂによる加重平均の算出処理の停止を制御する。また、加重平均算出部２２２は、時系列距離重み設定部２２３と信頼度重み設定部２２４とを備え、信頼度重み設定部２２４は、信頼度算出部２２５を備える。信頼度算出部２２５は、信頼度算出基準設定部２２６と非特定領域判定部２２７とを備える。

上記した実施の形態１等では、予め正常粘膜領域を撮像した生体内管腔画像を用意し、用意した生体内管腔画像の特徴量をもとに判別基準の初期値を作成しておくこととした。この判別基準の初期値としては、正常粘膜領域を精度良く判別するために、なるべくノイズの少ないものを用いるのが望ましい。しかしながら、用意した正常粘膜領域が映る生体内管腔画像内に誤って非正常粘膜領域が含まれていた場合、その特徴量の中に非正常粘膜領域の特徴量が含まれてしまい、この非正常粘膜領域の特徴量がノイズとなって作成される初期値の精度が低下してしまう。ところで、上記したように、カプセル内視鏡等によって時系列で撮像される生体内管腔画像内では、正常粘膜領域が大半を占めるため、正常粘膜領域に比べてノイズとなる非正常粘膜領域は圧倒的に少ない。このため、多くの生体内管腔画像を処理して判別基準の作成・更新を繰り返し、得られた判別基準を初期値として用いれば、よりノイズの影響を低減することができる。

そこで、実施の形態３では、時系列画像を構成する各生体内管腔画像を時系列順に従って例えば所定枚数分処理することで判別基準の初期値を設定する。図１２は、実施の形態３の画像処理装置１ｂが行う処理の概要を説明する説明図である。図１２では、時系列順が１番目からＮ番目までの生体内管腔画像で構成された時系列画像を模式的に示している。例えば、前述の所定枚数を１〜Ｎの間のＭ枚とし、時系列順が先頭（１番目）からＭ番目までの各生体内管腔画像を処理することで初期値とする判別基準を作成する。具体的には、Ｍ番目の生体内管腔画像を設定対象画像Ｉｔとし、１番目からＭ番目までの時系列区間を初期値設定区間とする。そして、判別基準の初期値を作成するために、図１２中に矢印Ａ１１で示すように、１番目からＭ番目までの各生体内管腔画像を１番目から時系列順に（時系列前方から時系列後方に）処理し、実施の形態１と同様の要領で生体内管腔画像内の正常粘膜領域を判別して判別基準を作成・更新していく。そして、Ｍ番目の設定対象画像まで処理をした時点での判別基準を初期値に設定する。

このようにして初期値を設定したならば、その後は、図１２中に矢印Ａ１２で示すように、Ｍ−１番目から１番目までの各生体内管腔画像を時系列順を遡って（時系列後方から時系列前方に）処理し、実施の形態１と同様の要領で判別基準を作成・更新しながら生体内管腔画像内の正常粘膜領域を判別していく。そして、１番目の生体内管腔画像まで処理をしたならば、判別基準を初期値に再設定する。その後、図１２中に矢印Ａ１３で示すように、Ｍ番目の生体内管腔画像（設定対象画像）からＮ番目までの各生体内管腔画像を時系列順に（時系列前方から時系列後方に）処理し、実施の形態１と同様の要領で判別基準を作成・更新しながら生体内管腔画像内の正常粘膜領域を判別していく。

ここで、時系列距離が近い位置にある生体内管腔画像同士の粘膜色は類似している。逆に、時系列距離が遠い位置にある生体内管腔画像同士の粘膜色は類似していない。矢印Ａ１２で示すように設定対象画像から時系列順を遡って１番目の生体内管腔画像まで処理した後に初期値を再設定するのは、この粘膜色の違いによる誤判別を防止するためである。すなわち、１番目の生体内管腔画像まで処理した時点での判別基準を設定対象画像に適用してしまうと、１番目の生体内管腔画像とＭ番目の設定対象画像では時系列距離が遠いため、粘膜色の違いによって誤判別が発生し得る。そこで、設定対象画像から時系列順に最後尾の生体内管腔画像までを処理する（矢印Ａ１３）際の初期値として、１番目からＭ番目までの各生体内管腔画像を処理する（矢印Ａ１１）ことで作成した判別基準を用いる。このように、実施の形態３では、Ｍ−１番目の生体内管腔画像から時系列順を遡って１番目の生体内管腔画像までを処理する際（矢印Ａ１２）と、Ｍ番目の生体内管腔画像（設定対象画像）から時系列順にＮ番目の生体内管腔画像までを処理する際（矢印Ａ１３）とにおいて、前述のように初期値設定区間を構成する生体内管腔画像を処理することで作成した判別基準を初期値として用いる。

図１３および図１４は、実施の形態３の画像処理装置１ｂが行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４ｂに記録された画像処理プログラム１４１ｂに従って画像処理装置１ｂの各部が動作することによって実現される。

図１３に示すように、先ず、画像取得部１１が、時系列画像の画像データを取得する（ステップｉ１）。続いて、処理停止制御部２３０ｂは、初期値設定対象区間を設定し、この初期値設定対象区間の最後尾の生体内管腔画像を設定対象画像として決定する（ステップｉ３）。具体的には、処理停止制御部２３０ｂは、図１２に示して説明したように、先頭から所定枚数分の時系列区間を初期値設定対象区間として設定し、この初期値設定対象区間の最後尾の時系列画像を設定対象画像として決定する。初期値設定区間とする先頭からの枚数（何枚分の時系列区間を初期値設定区間とするのか）は、固定値としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。

続いて、演算部２０ｂが、ステップｉ１で取得した時系列画像を構成する時系列順が先頭の生体内管腔画像を処理対象画像として読み出す（ステップｉ５）。その後、初期値加重平均算出部２２９ｂが特徴量算出処理を実行し、処理対象画像を領域分割して分割領域毎に特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する（ステップｉ７）。この処理は、図３の特徴量算出処理と同様の処理手順で行う。

続いて、初期値加重平均算出部２２９ｂは、処理対象画像と設定対象画像との時系列距離が近いほど重みを大きく設定して正常粘膜領域の特徴量の加重平均を算出する（ステップｉ９）。具体的には、ステップｉ７で算出した分割領域毎の特徴量（Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値）の２次元特徴平面における頻度分布を作成し、作成した頻度分布を頻度の合計が１００になるように正規化する。そして、上記した式（４）に従って図６のステップｅ７〜ステップｅ９と同様の処理を行い、処理対象画像の特徴量の正規化した頻度分布と前回ステップｉ９で加重平均を算出して得た頻度分布とに時系列距離に基づく重みを設定して加算し、正常粘膜領域の特徴量の加重平均とする。

そして、続くステップｉ１０では、処理停止制御部２３０ｂが、処理対象画像の時系列順をもとに加重平均算出の終了判定を行う。そして、処理停止制御部２３０ｂは、処理対象画像の時系列順が設定対象画像の時系列順と一致するまでは、終了しないと判定して（ステップｉ１１：Ｎｏ）、ステップｉ５に戻る。一方、処理停止制御部２３０ｂは、処理対象画像の時系列順が設定対象画像の時系列順と一致しており、設定対象画像まで処理した場合には、加重平均算出を終了すると判定して（ステップｉ１１：Ｙｅｓ）、ステップｉ１３に移行する。

そして、ステップｉ１３では、初期値設定部２２１ｂが、加重平均算出の終了時の加重平均、すなわち、ステップｉ１０〜ステップｉ１１で加重平均算出を終了すると判定する直前にステップｉ９で算出した加重平均を、判別基準の初期値に設定する。

続いて、演算部２０ｂが、時系列順が設定対象画像の直前の生体内管腔画像を処理対象画像として読み出す（ステップｉ１５）。その後、この処理対象画像に対して特徴量算出部２１が特徴量算出処理を実行し（ステップｉ１７）、特定領域判別部２５が特定領域判別処理を実行し（ステップｉ１９）、信頼度算出基準設定部２２６が信頼度算出基準を設定し（ステップｉ２１）、信頼度算出部２２５が信頼度算出処理を実行し（ステップｉ２３）、判別基準作成部２２ｂが判別基準作成処理を実行する（ステップｉ２５）。ここで、ステップｉ１７の処理は図３の特徴量算出処理と同様の処理手順で行い、ステップｉ１９の処理は図４の特定領域判別処理と同様の処理手順で行い、ステップｉ２１の処理は図２のステップａ１１と同様に行い、ステップｉ２３の処理は図５の信頼度算出処理と同様の処理手順で行い、ステップｉ２５の処理は図６の判別基準作成処理と同様の処理手順で行う。

続いて、演算部２０ｂが、時系列順が先頭の生体内管腔画像を処理したか否かを判定する。処理していない場合には（ステップｉ２７：Ｎｏ）、時系列順が今回処理した処理対象画像の直前の生体内管腔画像を処理対象画像として記録部１４ｂから読み出す処理を行い（ステップｉ２９）、画像選択手段として処理対象画像を選択する。その後、ステップｉ１７に戻り、この処理対象画像についてステップｉ１７〜ステップｉ２５の処理を実行する。

一方、時系列順が先頭の生体内画像を処理した場合、すなわち、設定対象画像よりも時系列前方の全ての生体内管腔画像を処理対象としてステップｉ１７〜ステップｉ２５の処理を実行したならば（ステップｉ２７：Ｙｅｓ）、図１４のステップｉ３１に移行する。

すなわち、ステップｉ３１では、初期値設定部２２１ｂが、判別基準を図１３のステップｉ１３で設定した初期値として再設定する。そして、演算部２０ｂが、設定対象画像を処理対象画像として読み出す（ステップｉ３３）。その後、この処理対象画像に対して特徴量算出部２１が特徴量算出処理を実行し（ステップｉ３５）、特定領域判別部２５が特定領域判別処理を実行し（ステップｉ３７）、信頼度算出基準設定部２２６が信頼度算出基準を設定し（ステップｉ３９）、信頼度算出部２２５が信頼度算出処理を実行し（ステップｉ４１）、判別基準作成部２２ｂが判別基準作成処理を実行する（ステップｉ４３）。ここで、ステップｉ３５の処理は図３の特徴量算出処理と同様の処理手順で行い、ステップｉ３７の処理は図４の特定領域判別処理と同様の処理手順で行い、ステップｉ３９の処理は図２のステップａ１１と同様に行い、ステップｉ４１の処理は図５の信頼度算出処理と同様の処理手順で行い、ステップｉ４３の処理は図６の判別基準作成処理と同様の処理手順で行う。

そして、演算部２０ｂが、時系列順が最後尾の生体内管腔画像を処理したか否かを判定する。処理していない場合には（ステップｉ４５：Ｎｏ）、時系列順が今回処理した処理対象画像の次の生体内管腔画像を処理対象画像として記録部１４ｂから読み出す処理を行い（ステップｉ４７）、画像選択手段として処理対象画像を選択する。その後、ステップｉ３５に戻り、この処理対象画像についてステップｉ３５〜ステップｉ４３の処理を実行する。

一方、時系列順が最後尾の生体内画像を処理した場合、を処理した場合、すなわち、設定対象画像よりも時系列後方の全ての生体内管腔画像を処理対象としてステップｉ３５〜ステップｉ４３の処理を実行したならば（ステップｉ４５：Ｙｅｓ）、本処理を終える。

以上説明したように、実施の形態３では、予め正常粘膜領域を撮像した生体内管腔画像を用意して初期値を作成しておくのではなく、時系列画像を構成する生体内管腔画像を順次処理して判別基準を作成・更新していくことで初期値を作成することとした。したがって、初期値の精度低下を抑制することができるので、ノイズの影響を低減して正常粘膜領域の判別精度をより向上させることが可能となる。

なお、実施の形態３では、時系列画像を構成する各生体内管腔画像を時系列順に従って所定枚数分処理することで判別基準の初期値を設定することとした。これに対し、図１３のステップｉ９で算出した正常粘膜領域の特徴量の加重平均の値をもとに、加重平均算出の終了判定を行う構成としてもよい。通常の粘膜は色がばらつくため、ある程度分散値が大きくなる。そこで、例えば、正常粘膜領域の特徴量の加重平均の分散値が予め設定される閾値を超えたか否かによって加重平均算出の終了判定を行うこととしてもよい。この場合には、処理停止制御部２３０ｂが、上記したステップｉ１０の処理にかえて、ステップｉ９の処理の都度算出される加重平均の分散値を算出し、算出した分散値が予め設定される閾値を超えたか否かによって加重平均算出の終了判定を行う。そして、処理停止制御部２３０ｂは、上記したステップｉ１１の処理にかえて、前述のように算出した加重平均の分散値が閾値を超えた場合に、加重平均算出を終了すると判定する。加重平均の分散値が閾値以下である間は、加重平均算出を終了しないと判定する。

（実施の形態４）
次に、実施の形態４の画像処理装置について説明する。図１５は、実施の形態４の画像処理装置１ｃの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。実施の形態４の画像処理装置１ｃは、図１５に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｃと、演算部２０ｃと、画像処理装置１ｃ全体の動作を制御する制御部１５とを備える。

記録部１４ｃには、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１ｃが記録される。

また、演算部２０ｃは、特徴量算出部２１と、判別基準作成部２２ｃと、特定領域判別部２５とを含む。判別基準作成部２２ｃは、初期値設定部２２１ｃと、加重平均算出部２２２とを備える。初期値設定部２２１ｃは、時系列順が先頭の生体内管腔画像を処理する際に用いる判別基準の初期値を設定する機能部であり、初期値画像抽出手段としての初期値画像抽出部２３１ｃを備える。初期値画像抽出部２３１ｃは、時系列画像を構成する生体内管腔画像の中から複数枚の生体内管腔画像を抽出する機能部であり、初期値区間設定手段としての初期値区間設定部２３２ｃを備える。初期値区間設定部２３２ｃは、初期値画像抽出部２３１ｃが画像を抽出する時系列区間を設定する機能部であり、初期値臓器判別手段としての初期値臓器判別部２３３ｃを備える。初期値臓器判別部２３３ｃは、各生体内管腔画像に映る臓器種類を判別する。また、加重平均算出部２２２は、時系列距離重み設定部２２３と信頼度重み設定部２２４とを備え、信頼度重み設定部２２４は、信頼度算出部２２５を備える。信頼度算出部２２５は、信頼度算出基準設定部２２６と非特定領域判定部２２７とを備える。

図１６は、実施の形態４の画像処理装置１ｃが行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４ｃに記録された画像処理プログラム１４１ｃに従って画像処理装置１ｃの各部が動作することによって実現される。また、図１６において、実施の形態１と同一の処理工程には、同一の符号を付する。

図１６に示すように、実施の形態４では、ステップａ１で画像取得部１１が時系列画像の画像データを取得した後、続いて、初期値臓器判別部２３３ｃが、時系列画像を構成する各生体内管腔画像を順次判別対象とし、判別対象の生体内管腔画像に映る臓器種類を判別する（ステップｊ３１）。

臓器種類の判別方法としては、適宜公知の技術を用いることができる。例えば、特開２００６−２８８６１２号公報に開示されている技術を用い、生体内管腔画像の平均Ｒ値，Ｇ値，Ｂ値をもとに判別する。具体的には、事前に臓器種類毎の平均Ｒ値，Ｇ値，Ｂ値の数値範囲を設定しておく。例えば臓器種類を食道、胃、小腸および大腸の４種類で判別することとする。この場合には、予め食道、胃、小腸および大腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲をそれぞれ設定しておく。そして、判別対象の生体内管腔画像のＲ値、Ｇ値およびＢ値の平均値をそれぞれ平均Ｒ値，Ｇ値，Ｂ値として算出し、これら平均Ｒ値，Ｇ値，Ｂ値が食道の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その生体内管腔画像に映る観察部位の臓器種類を食道と判別する。判別対象の生体内管腔画像の平均Ｒ値，Ｇ値，Ｂ値が胃の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その生体内管腔画像に映る観察部位の臓器種類を胃と判別する。判別対象の生体内管腔画像の平均Ｒ値，Ｇ値，Ｂ値が小腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その生体内管腔画像に映る観察部位の臓器種類を小腸と判別する。判別対象の生体内管腔画像の平均Ｒ値，Ｇ値，Ｂ値が大腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その生体内管腔画像に映る観察部位の臓器種類を大腸と判別する。なお、ここでは、生体内管腔画像に映る臓器種類を判別できればよく、他の方法を用いてもよい。

続いて、初期値区間設定部２３２ｃが、最初に処理する（時系列順が先頭の）生体内管腔画像の臓器種類をもとに、画像を抽出する時系列区間を設定する（ステップｊ３３）。具体的には、ステップｊ３１で判別した各生体内管腔画像の臓器種類をもとに、時系列順が先頭の生体内管腔画像について判別した臓器種類の臓器が映る時系列区間を設定する。例えば、カプセル内視鏡によって撮像された時系列画像を時系列順が先頭の生体内管腔画像から処理する場合、最初に処理する時系列順が先頭の生体内管腔画像には通常食道が映る。このように時系列順が先頭の生体内管腔画像の臓器種類が食道の場合には、ステップｊ３３では、臓器種類が食道と判別された生体内管腔画像の時系列順をもとに、食道が映る時系列区間を設定する。

そして、初期値画像抽出部２３１ｃが、ステップｊ３３で設定した時系列区間を構成する生体内管腔画像の中から、複数枚の生体内管腔画像を例えばランダムに選出して抽出する（ステップｊ３５）。抽出する枚数は予め設定される固定枚数としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。

その後、ステップｊ３７に移行し、初期値設定部２２１ｃが初期値設定処理を実行する。図１７は、初期値設定処理の詳細な処理手順を示すフローチャートである。初期値設定処理では、初期値設定部２２１ｃは先ず、図１６のステップｊ３５で抽出した複数枚の生体内管腔画像をそれぞれ例えば８×８画素の矩形ブロックである分割領域に分割する（ステップｋ１）。続いて、初期値設定部２２１ｃは、分割した分割領域毎の特徴量として、Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する（ステップｋ２）。具体的には、分割領域毎に、上記した式（１）に従って分割領域内の各画素のＧ／Ｒ値の平均値を算出するとともに、上記した式（２）に従って分割領域内の各画素のＢ／Ｇ値の平均値を算出する。

その後、初期値設定部２２１ｃは、抽出した複数枚の生体内管腔画像それぞれについて分割領域毎に算出したＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する（ステップｋ３）。そして、初期値設定部２２１ｃは、頻度の合計が１００になるように頻度分布を正規化し、判別基準の初期値として設定する（ステップｋ５）。その後、図１６のステップｊ３７にリターンし、ステップａ５に移行する。

上記した実施の形態１等では、予め正常粘膜領域を撮像した生体内管腔画像を用意し、用意した生体内管腔画像の特徴量をもとに判別基準の初期値を作成しておくこととした。しかしながら、撮像される生体内管腔画像に映る粘膜の色は、その臓器の種類によって異なる場合がある。ここで、作成される判別基準の初期値は、最初に処理する生体内管腔画像内の正常粘膜領域を判別するのに用いるが、この最初に処理する生体内管腔画像の臓器種類と、用意した生体内管腔画像の臓器種類とが一致していないと、粘膜の色が異なる場合があるため、初期値の精度が低下してしまう。

実施の形態４では、時系列順が先頭の生体内管腔画像の臓器種類に応じて、この先頭の生体内管腔画像と同一の臓器が映る生体内管腔画像の特徴量を用いて判別基準の初期値を作成することとした。具体的には、このとき、先頭の生体内管腔画像と臓器種類が同一の生体内管腔画像を複数枚抽出し、抽出した生体内管腔画像それぞれの特徴量をもとに、判別基準の初期値を作成することとした。ここで、生体内管腔画像においては、正常粘膜領域が大半を占める。したがって、多くの生体内管腔画像について特徴量を算出して頻度分布を作成すれば、頻度分布の最頻値付近は正常粘膜領域となる。

このように、実施の形態４によれば、最初に処理する時系列が先頭の生体内管腔画像と同一の臓器が映る複数枚の生体内管腔画像の特徴量をもとに、判別基準の初期値を作成することができるので、精度良く初期値を作成することができる。そして、最初に処理する時系列順が先頭の生体内管腔画像については、作成した初期値を用いて正常粘膜領域の判別を行うことができる。したがって、粘膜色の変動に起因する正常粘膜領域の誤判別を防止することができ、正常粘膜領域を精度良く判別することができる。

（実施の形態５）
次に、実施の形態５の画像処理装置について説明する。図１８は、実施の形態５の画像処理装置１ｄの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。実施の形態５の画像処理装置１ｄは、図１８に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｄと、演算部２０ｄと、画像処理装置１ｄ全体の動作を制御する制御部１５とを備える。

記録部１４ｄには、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１ｄが記録される。

また、演算部２０ｄは、特徴量算出部２１と、判別基準作成部２２ｄと、特定領域判別部２５とを含む。判別基準作成部２２ｄは、初期値設定部２２１と、加重平均算出部２２２ｄとを備える。加重平均算出部２２２ｄは、時系列距離重み設定部２２３と信頼度重み設定部２２４ｄとを備え、信頼度重み設定部２２４ｄは、信頼度算出部２２５ｄを備える。信頼度算出部２２５ｄは、近傍領域判別手段としての近傍領域判別部２３４ｄを備える。近傍領域判別部２３４ｄは、正常粘膜領域と判別された分割領域の近傍領域を判別し、非正常粘膜領域が近傍に存在するか否かを判別する。

図１９は、実施の形態５の画像処理装置１ｄが行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４ｄに記録された画像処理プログラム１４１ｄに従って画像処理装置１ｄの各部が動作することによって実現される。また、図１９において、実施の形態１と同一の処理工程には、同一の符号を付する。

図１９に示すように、実施の形態５では、ステップａ９で特定領域判別部２５が特定領域判別処理を実行して処理対象画像内の正常粘膜領域を判別した後、近傍領域判別部２３４ｄが近傍領域判別処理を実行する（ステップｌ１１）。図２０は、近傍領域判別処理の詳細な処理手順を示すフローチャートである。

近傍判別処理では、近傍領域判別部２３４ｄは先ず、分割領域に割り振った領域番号が画素毎に設定された領域番号画像と、各分割領域の正常粘膜領域の判別結果とをもとに、正常粘膜領域と判別された分割領域に属する画素の画素値を「０」とし、非正常粘膜領域と判別された分割領域に属する画素の画素値を「１」とした２値画像を作成する（ステップｍ１）。

続いて、近傍領域判別部２３４ｄは、ステップｍ１で作成した２値画像に対して公知の膨張処理（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ１７９〜Ｐ１８０）を行い、画素値が「１」である非正常粘膜領域を膨張させた２値画像を作成する（ステップｍ３）。そして、近傍領域判別部２３４ｄは、膨張処理を行う前の元の２値画像（ステップｍ１で作成した２値画像）と、この元の２値画像を膨張させて作成した２値画像（ステップｍ３で作成した２値画像）との和を画素毎に算出する（ステップｍ５）。

そして、近傍領域判別部２３４ｄは、正常粘膜領域と判別された分割領域毎に、ステップｍ５で算出した値が「１」である画素を含むか否かを順次判定していく。すなわち、ステップｍ５で算出した値が「１」である画素を含む分割領域については、非正常粘膜領域が近傍に存在すると判別し、ステップｍ５で算出した値が「１」である画素を含まない分割領域については、非正常粘膜領域が近傍に存在しないと判別する（ステップｍ７）。その後、図１９のステップｌ１１にリターンし、ステップｌ１３に移行する。

ステップｌ１３では、信頼度算出部２２５ｄが、非正常粘膜領域が近傍に存在するか否かの判別結果を用い、正常粘膜領域と判別された分割領域毎に信頼度を算出する。具体的には、図２０のステップｍ７で近傍に非正常粘膜領域が存在すると判別された分割領域の信頼度を「０」とし、近傍に非正常粘膜領域が存在しないと判別された分割領域の信頼度を「１」として設定する。その後、ステップａ１５の判別基準作成処理に移行する。

以上説明したように、実施の形態５では、正常粘膜領域と判別された分割領域のうち、非正常粘膜領域と判別された領域が近傍に存在する分割領域を判別することとした。そして、正常粘膜領域と判別された分割領域のうち、近傍に非正常粘膜領域が存在すると判別した分割領域については、正常粘膜領域と正常粘膜領域以外の領域との間の中間的な色合いを持つ領域として、信頼度を低く算出することとした。したがって、このような中間的な色合いを持つ領域の特徴量を集計し難くして判別基準を作成することができるので、正常粘膜領域の判別精度をより向上させることができる。

（実施の形態６）
次に、実施の形態６の画像処理装置について説明する。図２１は、実施の形態６の画像処理装置１ｅの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。実施の形態６の画像処理装置１ｅは、図２１に示すように、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｅと、演算部２０ｅと、画像処理装置１ｅ全体の動作を制御する制御部１５とを備える。

記録部１４ｅには、時系列画像を構成する各生体内管腔画像内の正常粘膜領域を判別するための画像処理プログラム１４１ｅが記録される。

また、演算部２０ｅは、特徴量算出部２１と、判別基準作成部２２ｅと、特定領域判別部２５とを含む。判別基準作成部２２ｅは、初期値設定部２２１と加重平均算出部２２２ｅとを備え、加重平均算出部２２２ｅは、時系列距離重み設定部２２３と信頼度重み設定部２２４ｅとを備える。信頼度重み設定部２２４ｅは、信頼度算出部２２５ｅを備え、この信頼度算出部２２５ｅは、信頼度算出基準設定部２２６ｅを備える。そして、実施の形態６では、信頼度算出基準設定部２２６ｅは、信頼度算出画像抽出手段としての信頼度算出画像抽出部２３５ｅを備える。信頼度算出画像抽出部２３５ｅは、時系列画像を構成する生体内管腔画像の中から複数枚の生体内管腔画像を抽出する機能部であり、信頼度区間設定手段としての信頼度区間設定部２３６ｅを備える。信頼度区間設定部２３６ｅは、信頼度算出画像抽出部２３５ｅが画像を抽出する時系列区間を設定する機能部であり、信頼度臓器判別手段としての信頼度臓器判別部２３７ｅを備える。信頼度臓器判別部２３７ｅは、各生体内管腔画像に映る臓器種類を判別する。

図２２は、実施の形態６の画像処理装置１ｅが行う処理手順を示す全体フローチャートである。なお、ここで説明する処理は、記録部１４ｅに記録された画像処理プログラム１４１ｅに従って画像処理装置１ｅの各部が動作することによって実現される。また、図２２において、実施の形態１と同一の処理工程には、同一の符号を付する。

図２２に示すように、実施の形態６では、ステップａ１で画像取得部１１が時系列画像の画像データを取得した後、続いて、演算部２０ｅにおいて、信頼度算出基準設定部２２６ｅが、信頼度算出基準設定処理を実行する（ステップｎ２）。図２３は、信頼度算出基準設定処理の詳細な処理手順を示すフローチャートである。

信頼度算出基準設定処理では、先ず信頼度臓器判別部２３７ｅが、時系列画像を構成する各生体内管腔画像を順次判別対象とし、判別対象の生体内管腔画像に映る臓器種類を判別する（ステップｏ１）。ここでの処理は、例えば、上記した実施の形態４において図１６のステップｊ３１で説明した処理と同様の方法で実現できる。

続いて、信頼度区間設定部２３６ｅが、ステップｏ１の判別結果をもとに、臓器種類毎の時系列区間を設定する（ステップｏ３）。例えば、臓器種類として食道、胃、小腸および大腸を判別する場合には、ステップｏ３では、食道が映る生体内管腔画像で構成される時系列区間と、胃が映る生体内管腔画像で構成される時系列区間と、小腸が映る生体内管腔画像で構成される時系列区間と、大腸が映る生体内管腔画像で構成される時系列区間とをそれぞれ設定する。

続いて、ステップｏ３で時系列区間を設定した臓器種類毎に、ループＡの処理を行う（ステップｏ５〜ステップｏ１７）。すなわち、ループＡでは先ず、信頼度算出画像抽出部２３５ｅが、処理対象の臓器種類についてステップｏ３で設定した時系列区間を構成する生体内管腔画像の中から、それぞれ複数枚の生体内管腔画像を例えばランダムに選出して抽出する（ステップｏ７）。抽出する枚数は予め設定される固定枚数としてもよいし、ユーザ操作等によって設定変更可能に構成してもよい。

続いて、信頼度算出基準設定部２２６ｅが、ステップｏ７で抽出した複数枚の生体内管腔画像をそれぞれ例えば８×８画素の矩形ブロックである分割領域に分割する（ステップｏ９）。そして、信頼度算出基準設定部２２６ｅは、分割した分割領域毎の特徴量として、Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値を算出する（ステップｏ１１）。具体的には、分割領域毎に、上記した式（１）に従って分割領域内の各画素のＧ／Ｒ値の平均値を算出するとともに、上記した式（２）に従って分割領域内の各画素のＢ／Ｇ値の平均値を算出する。

その後、信頼度算出基準設定部２２６ｅは、抽出した複数枚の生体内管腔画像それぞれについて分割領域毎に算出したＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値の２次元特徴平面における頻度分布を作成する（ステップｏ１３）。そして、信頼度算出基準設定部２２６ｅは、頻度の合計が１００になるように頻度分布を正規化し、処理対象の臓器種類についての信頼度算出基準として設定する（ステップｏ１５）。

以上のようにして臓器種類毎にループＡの処理を行い、各臓器種類について信頼度算出基準を設定したならば、図２２のステップｎ２にリターンし、その後ステップａ３に移行する。

また、実施の形態６では、ステップａ９で特定領域判別部２５が特定領域判別処理を実行して処理対象画像内の正常粘膜領域を判別した後、信頼度算出部２２５ｅが、処理対象画像について図２３のステップｏ１で判別した臓器種類を取得する（ステップｎ１１）。そして、信頼度算出部２２５ｅは、処理対象画像内で正常粘膜領域と判別された分割領域毎に信頼度を算出する（ステップｎ１３）。このステップｎ１３の後は、ステップａ１５に移行する。

具体的には、信頼度算出部２２５ｅは、処理対象画像に映る臓器種類についての信頼度算出基準を用いて信頼度を算出する。すなわち、信頼度算出部２２５ｅは、正常粘膜領域と判別された分割領域を順次処理し、処理対象の分割領域の特徴量であるＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値と、ステップｎ１１で取得した臓器種類についてステップｎ２の信頼度算出基準設定処理で設定した信頼度算出基準（処理対象画像と同一の臓器が映る生体内管腔画像における分割領域毎の特徴量の頻度分布）とのマハラノビス距離を算出する。

そして、信頼度算出部２２５ｅは、算出したマハラノビス距離をもとに、次式（５），（６）に従って信頼度Ｔを算出する。ここで、Ｍａｈａは、算出したマハラノビス距離を表す。すなわち、信頼度算出部２２５ｅは、ハラノビス距離Ｍａｈａの値が０．１以下の場合と０．１より大きい場合とで場合分けして処理対象の分割領域の信頼度Ｔを算出する。

以上説明したように、実施の形態６によれば、時系列画像を構成する各生体内管腔画像の臓器種類を判別し、臓器種類毎の時系列区間を設定することとした。そして、臓器種類毎に対応する時系列区間から複数枚の生体内管腔画像を抽出し、抽出した複数枚の生体内管腔画像それぞれの特徴量をもとに臓器種類毎の信頼度算出基準を設定することとした。ここで、実施の形態４で上記したように、撮像される生体内管腔画像に映る粘膜の色は、その臓器の種類によって異なる。実施の形態６によれば、臓器種類毎に、その臓器が映る生体内管腔画像の特徴量を用いて信頼度算出基準を算出することができる。そして、処理対象画像の臓器種類に応じた信頼度算出基準を用いて正常粘膜領域の信頼度を算出し、算出した信頼度を加味して判別基準を作成することができる。したがって、正常粘膜領域の信頼度をより高精度に算出することができ、信頼度が低く算出された特徴量を集計し難くして判別基準を作成することができるので、正常粘膜領域の判別精度を向上させることができる。

なお、上記した各実施の形態では、Ｇ／Ｒ値の平均値およびＢ／Ｇ値の平均値を特徴量として例示したが、本発明で適用可能な特徴量はこれに限定されるものではなく、他の値を特徴量として用いることとしてもよい。例えば、Ｌ＊ａ＊ｂ＊変換（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ６２〜Ｐ６３）によって各画素のＲＧＢ値からａ＊ｂ＊値を求め、例えば分割領域毎に平均値を算出して特徴量として用いることとしてもよい。あるいは、ＨＳＩ変換（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ６４〜Ｐ６８）を用いてＲＧＢ値を色相Ｈおよび彩度Ｓの値に変換し、例えば分割領域毎にこれら色相Ｈおよび彩度Ｓの平均値を算出して特徴量として用いることとしてもよい。そして、このような他の値を特徴量として用いる場合には、上記した各実施の形態で特徴量すなわちＧ／Ｒ値の平均値およびＢ／Ｇ値の平均値を用いることとして説明した処理を前述の他の値を用いて行うようにすればよい。

また、上記した各実施の形態では、時系列画像を構成する各生体内管腔画像を順次処理対象画像とし、この処理対象画像を分割領域に分割することとしたが、この分割領域に分割する処理は、処理負荷を軽減するために行う処理である。したがって、必ずしも領域分割を行う必要はなく、画素毎に特徴量を算出することとしてもよい。この場合には、例えば各画素のＧ／Ｒ値やＢ／Ｇ値、あるいはａ＊ｂ＊値、色素Ｈや彩度Ｓの値を画素毎の特徴量として算出し、上記した各実施の形態で分割領域毎に行うこととして説明した処理を画素毎に行うようにすればよい。

また、上記した実施の形態１の画像処理装置１、実施の形態２の画像処理装置１ａ、実施の形態３の画像処理装置１ｂ、実施の形態４の画像処理装置１ｃ、実施の形態５の画像処理装置１ｄ、実施の形態６の画像処理装置１ｅは、予め用意されたプログラムをパソコンやワークステーション等のコンピュータシステムで実行することによって実現することができる。以下、各実施の形態１〜６で説明した画像処理装置１，１ａ，１ｂ，１ｃ，１ｄ，１ｅと同様の機能を有し、画像処理プログラム１４１，１４１ａ，１４１ｂ，１４１ｃ，１４１ｄ，１４１ｅを実行するコンピュータシステムについて説明する。

図２４は、本変形例におけるコンピューターシステム４００の構成を示すシステム構成図であり、図２５は、このコンピューターシステム４００を構成する本体部４１０の構成を示すブロック図である。図２４に示すように、コンピューターシステム４００は、本体部４１０と、本体部４１０からの指示によって表示画面４２１に画像等の情報を表示するためのディスプレイ４２０と、このコンピューターシステム４００に種々の情報を入力するためのキーボード４３０と、ディスプレイ４２０の表示画面４２１上の任意の位置を指定するためのマウス４４０とを備える。

また、このコンピューターシステム４００における本体部４１０は、図２４および図２５に示すように、ＣＰＵ４１１と、ＲＡＭ４１２と、ＲＯＭ４１３と、ハードディスクドライブ（ＨＤＤ）４１４と、ＣＤ−ＲＯＭ４６０を受け入れるＣＤ−ＲＯＭドライブ４１５と、ＵＳＢメモリ４７０を着脱可能に接続するＵＳＢポート４１６と、ディスプレイ４２０、キーボード４３０およびマウス４４０を接続するＩ／Ｏインターフェース４１７と、ローカルエリアネットワークまたは広域エリアネットワーク（ＬＡＮ／ＷＡＮ）Ｎ１に接続するためのＬＡＮインターフェース４１８とを備える。

さらに、このコンピューターシステム４００には、インターネット等の公衆回線Ｎ３に接続するためのモデム４５０が接続されるとともに、ＬＡＮインターフェース４１８およびローカルエリアネットワークまたは広域エリアネットワークＮ１を介して、他のコンピューターシステムであるパソコン（ＰＣ）４８１、サーバ４８２、プリンタ４８３等が接続される。

そして、このコンピューターシステム４００は、記録媒体に記録された画像処理プログラム（例えば実施の形態１の画像処理プログラム１４１や実施の形態２の画像処理プログラム１４１ａ、実施の形態３の画像処理プログラム１４１ｂ、実施の形態４の画像処理プログラム１４１ｃ，実施の形態５の画像処理プログラム１４１ｄ、実施の形態６の画像処理プログラム１４１ｅ）を読み出して実行することで画像処理装置（例えば実施の形態１の画像処理装置１や実施の形態２の画像処理装置１ａ、実施の形態３の画像処理装置１ｂ、実施の形態４の画像処理装置１ｃ、実施の形態５の画像処理装置１ｄ、実施の形態６の画像処理装置１ｅ）を実現する。ここで、記録媒体とは、ＣＤ−ＲＯＭ４６０やＵＳＢメモリ４７０の他、ＭＯディスクやＤＶＤディスク、フレキシブルディスク（ＦＤ）、光磁気ディスク、ＩＣカード等を含む「可搬用の物理媒体」、コンピューターシステム４００の内外に備えられるＨＤＤ４１４やＲＡＭ４１２、ＲＯＭ４１３等の「固定用の物理媒体」、モデム４５０を介して接続される公衆回線Ｎ３や、他のコンピューターシステムであるＰＣ４８１やサーバ４８２が接続されるローカルエリアネットワークまたは広域エリアネットワークＮ１等のように、プログラムの送信に際して短期にプログラムを記憶する「通信媒体」等、コンピューターシステム４００によって読み取り可能な画像処理プログラムを記録するあらゆる記録媒体を含む。

すなわち、画像処理プログラムは、「可搬用の物理媒体」、「固定用の物理媒体」、「通信媒体」等の記録媒体にコンピューター読み取り可能に記録されるものであり、コンピューターシステム４００は、このような記録媒体から画像処理プログラムを読み出して実行することで画像処理装置を実現する。なお、画像処理プログラムは、コンピューターシステム４００によって実行されることに限定されるものではなく、他のコンピューターシステムであるＰＣ４８１やサーバ４８２が画像処理プログラムを実行する場合や、これらが協働して画像処理プログラムを実行するような場合にも、本発明を同様に適用することができる。

また、本発明は、上記した各実施の形態１〜６およびその変形例そのままに限定されるものではなく、各実施の形態や変形例に開示されている複数の構成要素を適宜組み合わせることによって、種々の発明を形成できる。例えば、各実施の形態や変形例に示される全構成要素からいくつかの構成要素を除外して形成してもよい。あるいは、異なる実施の形態や変形例に示した構成要素を適宜組み合わせて形成してもよい。

以上のように、本発明の画像処理装置、画像処理方法、および画像処理プログラムは、生体内管腔を時系列で撮像した一連の時系列画像を構成する画像内の特定領域を精度良く判別するのに適している。

１，１ａ，１ｂ，１ｃ，１ｄ，１ｅ 画像処理装置
１１ 画像取得部
１２ 入力部
１３ 表示部
１４，１４ａ，１４ｂ，１４ｃ，１４ｄ，１４ｅ 記録部
１４１，１４１ａ，１４１ｂ，１４１ｃ，１４１ｄ，１４１ｅ 画像処理プログラム
２０，２０ａ，２０ｂ，２０ｃ，２０ｄ，２０ｅ 演算部
２１ 特徴量算出部
２２，２２ａ，２２ｂ，２２ｃ，２２ｄ，２２ｅ 判別基準作成部
２２１，２２１ｂ，２２１ｃ 初期値設定部
２２２，２２２ａ，２２２ｄ，２２２ｅ 加重平均算出部
２２３ 時系列距離重み設定部
２２４，２２４ａ，２２４ｄ，２２４ｅ 信頼度重み設定部
２２５，２２５ａ，２２５ｄ，２２５ｅ 信頼度算出部
２２６，２２６ｅ 信頼度算出基準設定部
２２７ 非特定領域判定部
２２８ａ 統計量算出部
２２９ｂ 初期値加重平均算出部
２３０ｂ 処理停止制御部
２３１ｃ 初期値画像抽出部
２３２ｃ 初期値区間設定部
２３３ｃ 初期値臓器判別部
２３４ｄ 近傍領域判別部
２３５ｅ 信頼度算出画像抽出部
２３６ｅ 信頼度区間設定部
２３７ｅ 信頼度臓器判別部
２５，２５ａ 特定領域判別部
２５１ａ クラスタリング部
１５ 制御部

Claims (24)

1. 撮像対象を時系列で撮像した一連の時系列画像を処理する画像処理装置であって、
   前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択手段と、
   前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成手段と、
   前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出手段と、
   前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別手段と、
   を備え、
   前記判別基準作成手段は、前記画像選択手段が前記処理対象画像として既に選択し、前記特定領域判別手段が既に判別を行った画像内の前記特定領域の特徴量をもとに、前記判別基準を作成し、
   前記判別基準作成手段は、
   前記判別基準の初期値を設定する初期値設定手段と、
   前記初期値と、前記既に判別を行った画像内の前記特定領域の特徴量との加重平均を算出する加重平均算出手段と、
   を備え、前記加重平均をもとに前記判別基準を作成することを特徴とする画像処理装置。
2. 前記加重平均算出手段は、前記既に判別を行った画像内の前記特定領域の特徴量に対し、前記既に判別を行った画像と前記処理対象画像との時系列的な距離に応じた重みを設定する時系列距離重み設定手段を備え、前記時系列的な距離に応じた重みに従って前記加重平均を算出することを特徴とする請求項１に記載の画像処理装置。
3. 前記時系列距離重み設定手段は、前記時系列的な距離が近いほど前記時系列的な距離に応じた重みを大きく設定することを特徴とする請求項２に記載の画像処理装置。
4. 前記加重平均算出手段は、
   前記処理対象画像内の前記特定領域の信頼度を算出する信頼度算出手段と、
   前記処理対象画像内の前記特定領域の特徴量に対して前記信頼度に応じた重みを設定する信頼度重み設定手段と、
   を備え、前記信頼度に応じた重みに従って前記処理対象画像内の前記特定領域の特徴量の加重平均を算出することを特徴とする請求項１に記載の画像処理装置。
5. 前記信頼度算出手段は、前記特定領域の特徴量をもとに前記信頼度を算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. 前記信頼度算出手段は、前記特定領域判別手段によって前記処理対象画像内で前記特定領域と判別された前記画素または前記小領域毎の前記特徴量の統計量を算出する統計量算出手段を備え、前記統計量をもとに前記特定領域の信頼度を算出することを特徴とする請求項５に記載の画像処理装置。
7. 前記信頼度算出手段は、前記特定領域の近傍領域を判別する近傍領域判別手段を備え、前記近傍領域の判別結果をもとに前記特定領域の信頼度を算出することを特徴とする請求項５に記載の画像処理装置。
8. 前記信頼度算出手段は、前記信頼度を算出するための信頼度算出基準を設定する信頼度算出基準設定手段を備え、前記特定領域の特徴量をもとに、前記信頼度算出基準を用いて前記特定領域の信頼度を算出することを特徴とする請求項５に記載の画像処理装置。
9. 前記信頼度算出基準設定手段は、前記特定領域判別手段が前記処理対象画像内の前記特定領域の判別に用いた前記判別基準を前記信頼度算出基準として設定することを特徴とする請求項８に記載の画像処理装置。
10. 前記信頼度算出基準設定手段は、前記特定領域判別手段によって前記処理対象画像内で前記特定領域と判別されなかった前記画素または前記小領域毎の前記特徴量の分布をもとに、前記信頼度算出基準を設定することを特徴とする請求項８に記載の画像処理装置。
11. 前記信頼度算出基準設定手段は、前記時系列画像から複数枚の画像を抽出する信頼度算出画像抽出手段を備え、前記複数枚の画像の特徴量をもとに前記信頼度算出基準を設定することを特徴とする請求項８に記載の画像処理装置。
12. 前記信頼度算出画像抽出手段は、前記複数枚の画像を抽出する時系列区間を設定する信頼度区間設定手段を備え、前記時系列区間から前記複数枚の画像を抽出することを特徴とする請求項１１に記載の画像処理装置。
13. 前記信頼度区間設定手段は、前記時系列画像を構成する画像に映る臓器種類を判別する信頼度臓器判別手段を備え、前記臓器種類の判別結果をもとに前記時系列区間を設定することを特徴とする請求項１２に記載の画像処理装置。
14. 前記信頼度算出手段は、前記特定領域判別手段によって前記処理対象画像内で前記特定領域と判別されなかった前記画素または前記小領域の有無を判定する非特定領域判定手段を備え、前記特定領域と判別されなかった前記画素または前記小領域の有無をもとに、前記信頼度を算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。
15. 前記初期値設定手段は、前記時系列画像から複数枚の画像を抽出する初期値画像抽出手段を備え、前記複数枚の画像の特徴量をもとに前記初期値を設定することを特徴とする請求項１に記載の画像処理装置。
16. 前記初期値画像抽出手段は、前記複数枚の画像を抽出する時系列区間を設定する初期値区間設定手段を備え、前記時系列区間から前記複数枚の画像を抽出することを特徴とする請求項１５に記載の画像処理装置。
17. 前記撮像対象は、生体内管腔であり、
    前記初期値区間設定手段は、前記時系列画像を構成する画像に映る臓器種類を判別する初期値臓器判別手段を備え、前記臓器種類の判別結果をもとに前記時系列区間を設定することを特徴とする請求項１６に記載の画像処理装置。
18. 前記初期値設定手段は、
    前記時系列画像を構成する初期値設定区間を構成する画像を順次処理し、今回処理した画像と時系列的な距離が近い処理済みの画像ほど大きな重み付けを行うことで、前記初期値設定区間を構成する画像内の特定領域の特徴量の加重平均を算出する初期値加重平均算出手段と、
    前記初期値設定区間を構成する画像の全てを処理した時点で前記算出の停止を制御する停止制御手段と、
    を備え、前記算出を停止した時点での前記加重平均を前記初期値として設定することを特徴とする請求項１に記載の画像処理装置。
19. 前記画像選択手段は、前記初期値設定区間の最後尾の画像の時系列順をもとに、時系列前方に遡って前記処理対象画像を選択し、時系列順が先頭の画像を処理対象画像として選択した後は、前記初期値設定区間の最後尾の画像から時系列後方に前記処理対象画像を選択し、
    前記初期値設定手段は、前記画像選択手段が前記初期値設定区間の最後尾の画像を処理対象画像として選択した際、前記判別基準を前記初期値とした前記算出を停止した時点での前記加重平均に再設定することを特徴とする請求項１８に記載の画像処理装置。
20. 前記初期値設定手段は、
    前記時系列画像中の初期値設定区間において、時系列的に最後尾の画像との時系列距離が近いほど高い重みを設定して画像内の特定領域の特徴量の加重平均を算出する初期値加重平均算出手段と、
    前記加重平均の値に基づいて、前記加重平均の算出の停止を制御する停止制御手段と、
    を備え、前記加重平均の算出を停止した時点での前記加重平均を前記初期値として設定することを特徴とする請求項１に記載の画像処理装置。
21. 前記特定領域判別手段は、前記画素毎または前記小領域毎の前記特徴量の分布をクラスタリングするクラスタリング手段を備え、前記クラスタリングの結果得られたクラスタ毎に前記特定領域を判別することを特徴とする請求項１に記載の画像処理装置。
22. 前記撮像対象は、生体内管腔であり、
    前記特定領域は、前記生体内管腔内壁の正常粘膜の領域であることを特徴とする請求項１に記載の画像処理装置。
23. 撮像対象を時系列で撮像することにより取得され、記録部に記録された一連の時系列画像の画像データに基づき、該一連の時系列画像を処理する画像処理方法であって、コンピュータが備える演算部が、
    前記記録部から読み出された前記画像データに基づいて、前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択工程と、
    前記画像データに基づいて、前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成工程と、
    前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出工程と、
    前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別工程と、
    を含み、
    前記判別基準作成工程は、前記画像選択工程において前記処理対象画像として既に選択され、前記特定領域判別工程において既に判別が行われた画像内の前記特定領域の特徴量をもとに、前記判別基準を作成し、
    前記判別基準作成工程は、
    前記判別基準の初期値を設定する初期値設定工程と、
    前記初期値と、前記既に判別が行われた画像内の前記特定領域の特徴量との加重平均を算出する加重平均算出工程と、
    を含む処理を実行して、前記加重平均をもとに前記判別基準を作成することを特徴とする画像処理方法。
24. コンピュータに、撮像対象を時系列で撮像した一連の時系列画像を処理させるための画像処理プログラムであって、
    前記時系列画像を構成する画像の中から時系列順に従って処理対象画像を選択する画像選択手順と、
    前記処理対象画像内の特定領域を判別するための判別基準を作成する判別基準作成手順と、
    前記処理対象画像の画素毎または小領域毎の特徴量を算出する特徴量算出手順と、
    前記画素毎または前記小領域毎の前記特徴量をもとに、前記判別基準を用いて前記処理対象画像内の特定領域を判別する特定領域判別手順と、
    を前記コンピュータに実行させ、
    前記判別基準作成手順は、前記画像選択手段が前記処理対象画像として既に選択し、前記特定領域判別手段が既に判別を行った画像内の前記特定領域の特徴量をもとに、前記判別基準を作成し、
    前記判別基準作成手順は、
    前記判別基準の初期値を設定する初期値設定手順と、
    前記初期値と、前記既に判別を行った画像内の前記特定領域の特徴量との加重平均を算出する加重平均算出手順と、
    を含み、前記加重平均をもとに前記判別基準を作成することを特徴とする画像処理プログラム。

Images