JPH11151232A - 肺領域抽出装置、肺領域抽出方法及びコンピュータ読み取り可能な記憶媒体 - Google Patents
肺領域抽出装置、肺領域抽出方法及びコンピュータ読み取り可能な記憶媒体Info
- Publication number
- JPH11151232A JPH11151232A JP31932297A JP31932297A JPH11151232A JP H11151232 A JPH11151232 A JP H11151232A JP 31932297 A JP31932297 A JP 31932297A JP 31932297 A JP31932297 A JP 31932297A JP H11151232 A JPH11151232 A JP H11151232A
- Authority
- JP
- Japan
- Prior art keywords
- region
- threshold value
- procedure
- extracting
- image signal
- 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.)
- Granted
Links
- 210000004072 lung Anatomy 0.000 title claims abstract description 141
- 238000000605 extraction Methods 0.000 title claims abstract description 58
- 238000002372 labelling Methods 0.000 claims abstract description 62
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 138
- 230000006870 function Effects 0.000 claims description 23
- 238000012217 deletion Methods 0.000 claims description 20
- 230000037430 deletion Effects 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 210000001370 mediastinum Anatomy 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 210000000746 body region Anatomy 0.000 description 5
- 230000008602 contraction Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【課題】 肺領域を精度よく短時間で抽出できるように
する。 【解決手段】 しきい値処理部１０１は入力Ｘ線画像を
所定のしきい値を用いて２値化し、ラベリング部１０２
は２値化画像をラベリングし、肺領域抽出部１０３は、
ラベリングされた領域のうち一定面積以下の領域と、入
力画像の最上段、最下段、最右段、最左段に接する所定
の領域とを除いた領域を抽出し、これを肺領域とする。
する。 【解決手段】 しきい値処理部１０１は入力Ｘ線画像を
所定のしきい値を用いて２値化し、ラベリング部１０２
は２値化画像をラベリングし、肺領域抽出部１０３は、
ラベリングされた領域のうち一定面積以下の領域と、入
力画像の最上段、最下段、最右段、最左段に接する所定
の領域とを除いた領域を抽出し、これを肺領域とする。
Description
【０００１】
【発明の属する技術分野】本発明はＸ線画像からの肺領
域抽出装置、肺領域抽出方法及びこれらに用いられるコ
ンピュータ読み取り可能な記憶媒体に関する。
域抽出装置、肺領域抽出方法及びこれらに用いられるコ
ンピュータ読み取り可能な記憶媒体に関する。
【０００２】
【従来の技術】従来より、胸部Ｘ線画像から画像処理に
より肺野部輪郭線を求める方法が、例えば特開昭６３−
２４０８３２号公報により提案されている。この方法
は、胸部放射線画像データの１つの行又は列にのみ注目
し、その１次元の濃度データ列の中で前後のデータの値
の関係が予め定めた特定のパターンとなる点をその行又
は列における輪郭の点とし、それらの輪郭の点を結んだ
線を肺野の輪郭線とするものである。
より肺野部輪郭線を求める方法が、例えば特開昭６３−
２４０８３２号公報により提案されている。この方法
は、胸部放射線画像データの１つの行又は列にのみ注目
し、その１次元の濃度データ列の中で前後のデータの値
の関係が予め定めた特定のパターンとなる点をその行又
は列における輪郭の点とし、それらの輪郭の点を結んだ
線を肺野の輪郭線とするものである。
【０００３】また、肺領域に外接する方形領域を抽出す
る方法が、例えば特開平３−２１８５７８号公報により
提案されている。この方法は、画像中央部の縦方向のプ
ロジェクションを作成し、画像全体の右側及び左側の１
／３のコラムにおいて、画像データの中央側から外側に
向かって移動し、各移動点のプロジェクションとしきい
値とを比較し、最初にしきい値以下になった点を肺野の
左端と右端として決定する。同様に、画像中央部の横方
向のプロジェクションを作成し、画像データの中央部か
ら上方と下方に向かって移動し、各移動点のプロジェク
ションとしきい値とを比較し、最初にしきい値以下にな
った点を肺野の上端と下端として決定するものである。
る方法が、例えば特開平３−２１８５７８号公報により
提案されている。この方法は、画像中央部の縦方向のプ
ロジェクションを作成し、画像全体の右側及び左側の１
／３のコラムにおいて、画像データの中央側から外側に
向かって移動し、各移動点のプロジェクションとしきい
値とを比較し、最初にしきい値以下になった点を肺野の
左端と右端として決定する。同様に、画像中央部の横方
向のプロジェクションを作成し、画像データの中央部か
ら上方と下方に向かって移動し、各移動点のプロジェク
ションとしきい値とを比較し、最初にしきい値以下にな
った点を肺野の上端と下端として決定するものである。
【０００４】
【発明が解決しようとする課題】しかしながら、上記特
開昭６３−２４０８３２号公報による方法では、輪郭点
を抽出するためのパターンがあらかじめ固定されてお
り、一定条件下のパターンでないと輪郭点が抽出できな
いという問題があった。また、複数の輪郭点を抽出する
処理及び輪郭点を結ぶ処理が必要であり、処理に時間が
かかるという問題があった。
開昭６３−２４０８３２号公報による方法では、輪郭点
を抽出するためのパターンがあらかじめ固定されてお
り、一定条件下のパターンでないと輪郭点が抽出できな
いという問題があった。また、複数の輪郭点を抽出する
処理及び輪郭点を結ぶ処理が必要であり、処理に時間が
かかるという問題があった。
【０００５】また、上記特開平３−２１８５７８号公報
による方法では、肺領域の略外接領域しか求まらず、肺
領域を精度よく抽出する必要がある場合には用をなさな
いという問題がある。
による方法では、肺領域の略外接領域しか求まらず、肺
領域を精度よく抽出する必要がある場合には用をなさな
いという問題がある。
【０００６】本発明は上記のような問題を解決するため
になされたもので、肺領域を精度よく短時間で抽出でき
るようにすることを目的とする。
になされたもので、肺領域を精度よく短時間で抽出でき
るようにすることを目的とする。
【０００７】
【課題を解決するための手段】請求項１の発明による肺
領域抽出装置においては、入力画像信号をしきい値に基
づいて２値化するしきい値処理手段と、上記しきい値処
理手段で２値化した画像信号をラベリングするラベリン
グ手段と、上記ラベリング手段でラベリングされた領域
のうち画像端に接する領域と一定面積以下の領域とを除
去し、残ったラベリング領域を肺領域として抽出する肺
領域抽出手段とを設けている。
領域抽出装置においては、入力画像信号をしきい値に基
づいて２値化するしきい値処理手段と、上記しきい値処
理手段で２値化した画像信号をラベリングするラベリン
グ手段と、上記ラベリング手段でラベリングされた領域
のうち画像端に接する領域と一定面積以下の領域とを除
去し、残ったラベリング領域を肺領域として抽出する肺
領域抽出手段とを設けている。
【０００８】請求項２の発明による肺領域抽出装置にお
いては、入力画像信号の特徴量を抽出する特徴量抽出手
段と、上記特徴量抽出手段で抽出された特徴量からしき
い値を推定するしきい値推定手段と、上記しきい値推定
手段で推定されたしきい値に基づいて上記入力画像信号
を２値化するしきい値処理手段と、上記しきい値処理手
段で２値化した画像信号をラベリングするラベリング手
段と、上記ラベリング手段でラベリングされた領域のう
ち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出手段とを設けている。
いては、入力画像信号の特徴量を抽出する特徴量抽出手
段と、上記特徴量抽出手段で抽出された特徴量からしき
い値を推定するしきい値推定手段と、上記しきい値推定
手段で推定されたしきい値に基づいて上記入力画像信号
を２値化するしきい値処理手段と、上記しきい値処理手
段で２値化した画像信号をラベリングするラベリング手
段と、上記ラベリング手段でラベリングされた領域のう
ち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出手段とを設けている。
【０００９】請求項３の発明による肺領域抽出装置にお
いては、入力画像信号からす抜け領域とこのす抜け領域
に接する体部分とを一定幅内で削除するす抜け削除手段
と、上記す抜け削除手段で削除されなかった領域をしき
い値に基づいて２値化するしきい値処理手段と、上記し
きい値処理手段で２値化した画像信号を縮小及び膨張処
理することによりノイズを除去するノイズ除去手段と、
上記ノイズ除去手段で除去されなかった領域を肺領域と
して抽出する肺領域抽出手段とを設けている。
いては、入力画像信号からす抜け領域とこのす抜け領域
に接する体部分とを一定幅内で削除するす抜け削除手段
と、上記す抜け削除手段で削除されなかった領域をしき
い値に基づいて２値化するしきい値処理手段と、上記し
きい値処理手段で２値化した画像信号を縮小及び膨張処
理することによりノイズを除去するノイズ除去手段と、
上記ノイズ除去手段で除去されなかった領域を肺領域と
して抽出する肺領域抽出手段とを設けている。
【００１０】請求項４の発明による肺領域抽出装置にお
いては、入力画像信号の特徴量を抽出する特徴量抽出手
段と、上記特徴量抽出手段で抽出された特徴量からしき
い値を推定するしきい値推定手段と、上記入力画像信号
からす抜け領域とこのす抜け領域に接する体部分とを一
定幅内で削除するす抜け削除手段と、上記す抜け削除手
段で削除されなかった領域を上記しきい値推定手段で推
定されたしきい値に基づいて２値化するしきい値処理手
段と、上記しきい値処理手段で２値化した画像信号を縮
小及び膨張処理することによりノイズを除去するノイズ
除去手段と、上記ノイズ除去手段で除去されなかった領
域を肺領域として抽出する肺領域抽出手段とを設けてい
る。
いては、入力画像信号の特徴量を抽出する特徴量抽出手
段と、上記特徴量抽出手段で抽出された特徴量からしき
い値を推定するしきい値推定手段と、上記入力画像信号
からす抜け領域とこのす抜け領域に接する体部分とを一
定幅内で削除するす抜け削除手段と、上記す抜け削除手
段で削除されなかった領域を上記しきい値推定手段で推
定されたしきい値に基づいて２値化するしきい値処理手
段と、上記しきい値処理手段で２値化した画像信号を縮
小及び膨張処理することによりノイズを除去するノイズ
除去手段と、上記ノイズ除去手段で除去されなかった領
域を肺領域として抽出する肺領域抽出手段とを設けてい
る。
【００１１】請求項８の発明による肺領域抽出方法にお
いては、入力画像信号をしきい値に基づいて２値化する
しきい値処理手順と、上記しきい値処理手順で２値化し
た画像信号をラベリングするラベリング手順と、上記ラ
ベリング手順でラベリングされた領域のうち画像端に接
する領域と一定面積以下の領域とを除去し、残ったラベ
リング領域を肺領域として抽出する肺領域抽出手順とを
設けている。
いては、入力画像信号をしきい値に基づいて２値化する
しきい値処理手順と、上記しきい値処理手順で２値化し
た画像信号をラベリングするラベリング手順と、上記ラ
ベリング手順でラベリングされた領域のうち画像端に接
する領域と一定面積以下の領域とを除去し、残ったラベ
リング領域を肺領域として抽出する肺領域抽出手順とを
設けている。
【００１２】請求項９の発明による肺領域抽出方法にお
いては、入力画像信号の特徴量を抽出する特徴量抽出手
順と、上記特徴量抽出手順で抽出された特徴量からしき
い値を推定するしきい値推定手順と、上記しきい値推定
手順で推定されたしきい値に基づいて上記入力画像信号
を２値化するしきい値処理手順と、上記しきい値処理手
順で２値化した画像信号をラベリングするラベリング手
順と、上記ラベリング手順でラベリングされた領域のう
ち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出手順とを設けている。
いては、入力画像信号の特徴量を抽出する特徴量抽出手
順と、上記特徴量抽出手順で抽出された特徴量からしき
い値を推定するしきい値推定手順と、上記しきい値推定
手順で推定されたしきい値に基づいて上記入力画像信号
を２値化するしきい値処理手順と、上記しきい値処理手
順で２値化した画像信号をラベリングするラベリング手
順と、上記ラベリング手順でラベリングされた領域のう
ち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出手順とを設けている。
【００１３】請求項１０の発明による肺領域抽出方法に
おいては、入力画像信号からす抜け領域とこのす抜け領
域に接する体部分とを一定幅内で削除するす抜け削除手
順と、上記す抜け削除手順で削除されなかった領域をし
きい値に基づいて２値化するしきい値処理手順と、上記
しきい値処理手順で２値化した画像信号を縮小及び膨張
処理することによりノイズを除去するノイズ除去手順
と、上記ノイズ除去手順で除去されなかった領域を肺領
域として抽出する肺領域抽出手順とを設けている。
おいては、入力画像信号からす抜け領域とこのす抜け領
域に接する体部分とを一定幅内で削除するす抜け削除手
順と、上記す抜け削除手順で削除されなかった領域をし
きい値に基づいて２値化するしきい値処理手順と、上記
しきい値処理手順で２値化した画像信号を縮小及び膨張
処理することによりノイズを除去するノイズ除去手順
と、上記ノイズ除去手順で除去されなかった領域を肺領
域として抽出する肺領域抽出手順とを設けている。
【００１４】請求項１１の発明による肺領域抽出方法に
おいては、入力画像信号の特徴量を抽出する特徴量抽出
手順と、上記特徴量抽出手順で抽出された特徴量からし
きい値を推定するしきい値推定手順と、上記入力画像信
号からす抜け領域とこのす抜け領域に接する体部分とを
一定幅内で削除するす抜け削除手順と、上記す抜け削除
手順で削除されなかった領域を上記しきい値推定手順で
推定されたしきい値に基づいて２値化するしきい値処理
手順と、上記しきい値処理手順で２値化した画像信号を
縮小及び膨張処理することによりノイズを除去するノイ
ズ除去手順と、上記ノイズ除去手順で除去されなかった
領域を肺領域として抽出する肺領域抽出手順とを設けて
いる。
おいては、入力画像信号の特徴量を抽出する特徴量抽出
手順と、上記特徴量抽出手順で抽出された特徴量からし
きい値を推定するしきい値推定手順と、上記入力画像信
号からす抜け領域とこのす抜け領域に接する体部分とを
一定幅内で削除するす抜け削除手順と、上記す抜け削除
手順で削除されなかった領域を上記しきい値推定手順で
推定されたしきい値に基づいて２値化するしきい値処理
手順と、上記しきい値処理手順で２値化した画像信号を
縮小及び膨張処理することによりノイズを除去するノイ
ズ除去手順と、上記ノイズ除去手順で除去されなかった
領域を肺領域として抽出する肺領域抽出手順とを設けて
いる。
【００１５】請求項１５の発明によるコンピュータ読み
取り可能な記憶媒体においては、入力画像信号をしきい
値に基づいて２値化するしきい値処理と、上記しきい値
処理で２値化した画像信号をラベリングするラベリング
処理と、上記ラベリング処理でラベリングされた領域の
うち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出処理とを実行するためのプログラムを記憶してい
る。
取り可能な記憶媒体においては、入力画像信号をしきい
値に基づいて２値化するしきい値処理と、上記しきい値
処理で２値化した画像信号をラベリングするラベリング
処理と、上記ラベリング処理でラベリングされた領域の
うち画像端に接する領域と一定面積以下の領域とを除去
し、残ったラベリング領域を肺領域として抽出する肺領
域抽出処理とを実行するためのプログラムを記憶してい
る。
【００１６】請求項１６の発明によるコンピュータ読み
取り可能な記憶媒体においては、入力画像信号の特徴量
を抽出する特徴量抽出処理と、上記特徴量抽出処理で抽
出された特徴量からしきい値を推定するしきい値推定処
理と、上記しきい値推定処理で推定されたしきい値に基
づいて上記入力画像信号を２値化するしきい値処理と、
上記しきい値処理で２値化した画像信号をラベリングす
るラベリング処理と、上記ラベリング処理でラベリング
された領域のうち画像端に接する領域と一定面積以下の
領域とを除去し、残ったラベリング領域を肺領域として
抽出する肺領域抽出処理とを実行するためのプログラム
を記憶している。
取り可能な記憶媒体においては、入力画像信号の特徴量
を抽出する特徴量抽出処理と、上記特徴量抽出処理で抽
出された特徴量からしきい値を推定するしきい値推定処
理と、上記しきい値推定処理で推定されたしきい値に基
づいて上記入力画像信号を２値化するしきい値処理と、
上記しきい値処理で２値化した画像信号をラベリングす
るラベリング処理と、上記ラベリング処理でラベリング
された領域のうち画像端に接する領域と一定面積以下の
領域とを除去し、残ったラベリング領域を肺領域として
抽出する肺領域抽出処理とを実行するためのプログラム
を記憶している。
【００１７】請求項１７の発明によるコンピュータ読み
取り可能な記憶媒体においては、入力画像信号からす抜
け領域とこのす抜け領域に接する体部分とを一定幅内で
削除するす抜け削除処理と、上記す抜け削除処理で削除
されなかった領域をしきい値に基づいて２値化するしき
い値処理と、上記しきい値処理で２値化した画像信号を
縮小及び膨張処理することによりノイズを除去するノイ
ズ除去処理と、上記ノイズ除去処理で除去されなかった
領域を肺領域として抽出する肺領域抽出処理とを実行す
るためのプログラムを記憶している。
取り可能な記憶媒体においては、入力画像信号からす抜
け領域とこのす抜け領域に接する体部分とを一定幅内で
削除するす抜け削除処理と、上記す抜け削除処理で削除
されなかった領域をしきい値に基づいて２値化するしき
い値処理と、上記しきい値処理で２値化した画像信号を
縮小及び膨張処理することによりノイズを除去するノイ
ズ除去処理と、上記ノイズ除去処理で除去されなかった
領域を肺領域として抽出する肺領域抽出処理とを実行す
るためのプログラムを記憶している。
【００１８】請求項１８の発明によるコンピュータ読み
取り可能な記憶媒体においては、入力画像信号の特徴量
を抽出する特徴量抽出処理と、上記特徴量抽出処理で抽
出された特徴量からしきい値を推定するしきい値推定処
理と、上記入力画像信号からす抜け領域とこのす抜け領
域に接する体部分とを一定幅内で削除するす抜け削除処
理と、上記す抜け削除処理で削除されなかった領域を上
記しきい値推定処理で推定されたしきい値に基づいて２
値化するしきい値処理と、上記しきい値処理で２値化し
た画像信号を縮小及び膨張処理することによりノイズを
除去するノイズ除去処理と、上記ノイズ除去処理で除去
されなかった領域を肺領域として抽出する肺領域抽出処
理とを実行するためのプログラムを記憶している。
取り可能な記憶媒体においては、入力画像信号の特徴量
を抽出する特徴量抽出処理と、上記特徴量抽出処理で抽
出された特徴量からしきい値を推定するしきい値推定処
理と、上記入力画像信号からす抜け領域とこのす抜け領
域に接する体部分とを一定幅内で削除するす抜け削除処
理と、上記す抜け削除処理で削除されなかった領域を上
記しきい値推定処理で推定されたしきい値に基づいて２
値化するしきい値処理と、上記しきい値処理で２値化し
た画像信号を縮小及び膨張処理することによりノイズを
除去するノイズ除去処理と、上記ノイズ除去処理で除去
されなかった領域を肺領域として抽出する肺領域抽出処
理とを実行するためのプログラムを記憶している。
【００１９】
【発明の実施の形態】以下、本発明の実施の形態を説明
する。図１は本発明の第１の実施の形態による肺領域抽
出装置の構成を示すブロック図である。図１において、
１０１はしきい値Ｔｈ１に基づき画像を２値化するしき
い値処理部、１０２はしきい値処理部１０１で２値化さ
れた画像をラベリングするラベリング部、１０３はラベ
リング部１０２でラベリングされた画像のうち、画像端
に接する領域および一定面積以下の領域を削除し、削除
されなかった領域を肺領域とする肺領域抽出部である。
する。図１は本発明の第１の実施の形態による肺領域抽
出装置の構成を示すブロック図である。図１において、
１０１はしきい値Ｔｈ１に基づき画像を２値化するしき
い値処理部、１０２はしきい値処理部１０１で２値化さ
れた画像をラベリングするラベリング部、１０３はラベ
リング部１０２でラベリングされた画像のうち、画像端
に接する領域および一定面積以下の領域を削除し、削除
されなかった領域を肺領域とする肺領域抽出部である。
【００２０】次に、動作について説明する。しきい値処
理部１０１は入力Ｘ線画像のしきい値処理を行う。例え
ば、しきい値Ｔｈ１より大きい画像濃度値を１、それ以
下の画像濃度値を０として画像データを２値化する。
尚、画像濃度値を０、１に限定せず、任意の２値でもよ
い。また、逆にしきい値Ｔｈ１より大きい画像濃度値を
０、それ以下の画像濃度値を１として画像データを２値
化してもよい。また、しきい値はしきい値を入力するこ
とで半２値化した画像を表示するビューアなどを見なが
ら人為的に決定するものである。次に、ラベリング部１
０２では、しきい値処理部１０１で２値化された画像デ
ータのうち濃度値１の領域を、例えば「画像理解のため
のディジタル画像処理」、ｐｐ４５−４６、昭晃堂（１
９９３）（鳥脇純一郎著）に記載される方法でラベリン
グ処理を行う。
理部１０１は入力Ｘ線画像のしきい値処理を行う。例え
ば、しきい値Ｔｈ１より大きい画像濃度値を１、それ以
下の画像濃度値を０として画像データを２値化する。
尚、画像濃度値を０、１に限定せず、任意の２値でもよ
い。また、逆にしきい値Ｔｈ１より大きい画像濃度値を
０、それ以下の画像濃度値を１として画像データを２値
化してもよい。また、しきい値はしきい値を入力するこ
とで半２値化した画像を表示するビューアなどを見なが
ら人為的に決定するものである。次に、ラベリング部１
０２では、しきい値処理部１０１で２値化された画像デ
ータのうち濃度値１の領域を、例えば「画像理解のため
のディジタル画像処理」、ｐｐ４５−４６、昭晃堂（１
９９３）（鳥脇純一郎著）に記載される方法でラベリン
グ処理を行う。
【００２１】図２に２値化画像の一例を示す。図２にお
いて、輪郭線１０ａ、１０ｂで囲まれる領域が肺領域で
ある。上記ラベリング処理によって、２値化画像の全面
にわたって、黒い領域や輪郭線１０ａ、１０ｂを含む全
ての輪郭線により囲まれた領域等を探索し、それらの領
域の面積を画素数等により求めておく。
いて、輪郭線１０ａ、１０ｂで囲まれる領域が肺領域で
ある。上記ラベリング処理によって、２値化画像の全面
にわたって、黒い領域や輪郭線１０ａ、１０ｂを含む全
ての輪郭線により囲まれた領域等を探索し、それらの領
域の面積を画素数等により求めておく。
【００２２】次に、肺領域抽出部１０３では、ラベリン
グ部１０２でラベリングされた各領域のうち、面積Ｔｈ
２以下の領域及び画像端（入力画像の最上段、最下段、
最右段、最左段）に接する領域（図２の点線枠１１の外
側の領域）を除去し、残った領域を肺領域とする。ここ
で、Ｔｈ２以下の領域は肺領域外で高濃度を示す領域、
画像端に接する領域はＸ線のす抜け領域として除去す
る。
グ部１０２でラベリングされた各領域のうち、面積Ｔｈ
２以下の領域及び画像端（入力画像の最上段、最下段、
最右段、最左段）に接する領域（図２の点線枠１１の外
側の領域）を除去し、残った領域を肺領域とする。ここ
で、Ｔｈ２以下の領域は肺領域外で高濃度を示す領域、
画像端に接する領域はＸ線のす抜け領域として除去す
る。
【００２３】以上のように、この第１の実施の形態によ
れば、画像を見ながら人手で肺領域を選択する必要が無
く、しきい値を入力するだけで肺領域を自動的に抽出で
きる効果がある。また、しきい値を入力するだけである
ため、処理時間を短縮できる効果がある。また、人手で
輪郭をなぞる場合には、肺輪郭にぶれを生じるが、精度
よく肺輪郭も抽出できる効果がある。
れば、画像を見ながら人手で肺領域を選択する必要が無
く、しきい値を入力するだけで肺領域を自動的に抽出で
きる効果がある。また、しきい値を入力するだけである
ため、処理時間を短縮できる効果がある。また、人手で
輪郭をなぞる場合には、肺輪郭にぶれを生じるが、精度
よく肺輪郭も抽出できる効果がある。
【００２４】図３は本発明の第２の実施の形態による肺
領域抽出装置の構成を示すブロック図である。図３にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部である。２０２は特徴量抽出部２０１で算出
された特徴量からしきい値を算出するしきい値推定部、
１０１はしきい値推定部２０２で算出されたしきい値に
基づき画像を２値化するしきい値処理部、１０２はしき
い値処理部１０１で２値化された画像をラベリングする
ラベリング部、１０３はラベリング部１０２でラベリン
グされた画像のうち、画像端に接する領域および一定面
積以下の領域を削除し、削除されなかった領域を肺領域
とする肺領域抽出部である。
領域抽出装置の構成を示すブロック図である。図３にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部である。２０２は特徴量抽出部２０１で算出
された特徴量からしきい値を算出するしきい値推定部、
１０１はしきい値推定部２０２で算出されたしきい値に
基づき画像を２値化するしきい値処理部、１０２はしき
い値処理部１０１で２値化された画像をラベリングする
ラベリング部、１０３はラベリング部１０２でラベリン
グされた画像のうち、画像端に接する領域および一定面
積以下の領域を削除し、削除されなかった領域を肺領域
とする肺領域抽出部である。
【００２５】次に、動作について説明する。まず、特徴
量抽出部２０１の処理を図４のフローチャートに従い説
明する。まず、照射領域内のす抜け領域及びす抜け領域
と一定間隔内で接する体領域を例えば０画素で置き換え
る（ステップＳ３０１）。具体的には以下のような画像
の変換を行う。
量抽出部２０１の処理を図４のフローチャートに従い説
明する。まず、照射領域内のす抜け領域及びす抜け領域
と一定間隔内で接する体領域を例えば０画素で置き換え
る（ステップＳ３０１）。具体的には以下のような画像
の変換を行う。
【００２６】
【数１】
【００２７】ここで、ｆ（ｘ，ｙ）は画像データを示
し、ｆ１（ｘ，ｙ）はす抜け領域及びす抜け領域と一定
間隔内で接する体領域を削除した後の画像を示す。ｓｇ
ｎ（ｘ，ｙ）は以下のように表される。尚、Ｔｈ１は実
験により定められる定数、ｄ１、ｄ２は体領域を削除す
る幅を決める定数である。 ｓｇｎ（ｘ，ｙ）＝０ ｆ（ｘ，ｙ）≧Ｔｈ１のとき ｓｇｎ（ｘ，ｙ）＝１ その他 ………（２）
し、ｆ１（ｘ，ｙ）はす抜け領域及びす抜け領域と一定
間隔内で接する体領域を削除した後の画像を示す。ｓｇ
ｎ（ｘ，ｙ）は以下のように表される。尚、Ｔｈ１は実
験により定められる定数、ｄ１、ｄ２は体領域を削除す
る幅を決める定数である。 ｓｇｎ（ｘ，ｙ）＝０ ｆ（ｘ，ｙ）≧Ｔｈ１のとき ｓｇｎ（ｘ，ｙ）＝１ その他 ………（２）
【００２８】次に、画像濃度値の最高値を算出する（ス
テップＳ３０２）。ここではす抜け領域除去後の画像デ
ータから最大濃度値を算出する。次に、上記算出された
最高値の座標を通り、例えば体側に垂直方向のプロファ
イルを作成する。ここでは横軸方向のプロファイルを作
成する（ステップＳ３０３）。次に、作成したプロファ
イルから凹部を算出する（ステップＳ３０４）。
テップＳ３０２）。ここではす抜け領域除去後の画像デ
ータから最大濃度値を算出する。次に、上記算出された
最高値の座標を通り、例えば体側に垂直方向のプロファ
イルを作成する。ここでは横軸方向のプロファイルを作
成する（ステップＳ３０３）。次に、作成したプロファ
イルから凹部を算出する（ステップＳ３０４）。
【００２９】具体的には、 （ｆ１（ｘ−ｄ，ｙ１）−ｆ１（ｘ，ｙ１））＞０ ＆＆ （ｆ１（ｘ＋ｄ，ｙ１）−ｆ１（ｘ，ｙ１））＞０ ………（３） なるｘ領域を算出する。ここで、ｙ１は上記算出した濃
度の最高値のｙ軸上の座標の位置、ｄは実験的に定める
定数を示す。次に、算出した凹部領域から濃度値の最低
値を算出する（ステップＳ３０５）。
度の最高値のｙ軸上の座標の位置、ｄは実験的に定める
定数を示す。次に、算出した凹部領域から濃度値の最低
値を算出する（ステップＳ３０５）。
【００３０】次に、しきい値推定部２０２では、特徴量
抽出部２０１で算出した肺領域内の最大濃度値と、この
最大濃度値と同一水平軸上の縦隔内の最低濃度値とから
しきい値を推定する。推定に用いる関数は、例えば線形
回帰式、ニューラルネットワーク等を用いる。尚、詳細
は第３、第４の実施の形態において説明する。しきい値
処理部１０１はしきい値推定部２０２で算出されたしき
い値に基づき入力画像のしきい値処理を行う。次に、ラ
ベリング部１０２では、しきい値処理部１０１で２値化
された画像データのうち、濃度値１の領域に対してラベ
リング処理を行う。
抽出部２０１で算出した肺領域内の最大濃度値と、この
最大濃度値と同一水平軸上の縦隔内の最低濃度値とから
しきい値を推定する。推定に用いる関数は、例えば線形
回帰式、ニューラルネットワーク等を用いる。尚、詳細
は第３、第４の実施の形態において説明する。しきい値
処理部１０１はしきい値推定部２０２で算出されたしき
い値に基づき入力画像のしきい値処理を行う。次に、ラ
ベリング部１０２では、しきい値処理部１０１で２値化
された画像データのうち、濃度値１の領域に対してラベ
リング処理を行う。
【００３１】次に、肺領域抽出部１０３では、ラベリン
グ部１０２でラベリングされた領域のうち、面積Ｔｈ２
以下の領域及び画像端（入力画像の最上段、最下段、最
右段、最左段）に接する領域を除去し、残った領域を肺
領域とする。ここで、Ｔｈ２以下の領域は肺領域外で高
濃度を示す領域、画像端に接する領域はす抜け領域とし
て除去する。
グ部１０２でラベリングされた領域のうち、面積Ｔｈ２
以下の領域及び画像端（入力画像の最上段、最下段、最
右段、最左段）に接する領域を除去し、残った領域を肺
領域とする。ここで、Ｔｈ２以下の領域は肺領域外で高
濃度を示す領域、画像端に接する領域はす抜け領域とし
て除去する。
【００３２】以上のようにこの第２の実施の形態によれ
ば、画像内の特徴量からしきい値を推定することによ
り、人為的な処理を省くことができ、処理時間を短縮で
きる効果がある。また、肺領域内の最大濃度値とこの最
大濃度値と同一水平軸上の縦隔内の最低濃度値とを用い
ることにより、しきい値を精度よく推定できるため、肺
領域を精度よく抽出できる効果がある。
ば、画像内の特徴量からしきい値を推定することによ
り、人為的な処理を省くことができ、処理時間を短縮で
きる効果がある。また、肺領域内の最大濃度値とこの最
大濃度値と同一水平軸上の縦隔内の最低濃度値とを用い
ることにより、しきい値を精度よく推定できるため、肺
領域を精度よく抽出できる効果がある。
【００３３】図５は本発明の第３の実施の形態による肺
領域抽出装置の構成を示すブロック図である。図５にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部、４０２はしきい値を入力するしきい値入力
部、４０３は特徴量抽出部２０１で抽出された特徴量
と、しきい値入力部４０２で入力されたしきい値を記憶
する記憶部、４０４は肺領域内の最大濃度値と、この最
大濃度値と同一水平線上の縦隔内の最小濃度値とからし
きい値を推定する関数を学習する学習部である。
領域抽出装置の構成を示すブロック図である。図５にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部、４０２はしきい値を入力するしきい値入力
部、４０３は特徴量抽出部２０１で抽出された特徴量
と、しきい値入力部４０２で入力されたしきい値を記憶
する記憶部、４０４は肺領域内の最大濃度値と、この最
大濃度値と同一水平線上の縦隔内の最小濃度値とからし
きい値を推定する関数を学習する学習部である。
【００３４】次に、動作について図６のフローチャート
と共に説明する。まず、肺領域を撮影した画像を読み込
み、しきい値を入力することで半２値化表示できるモニ
タに表示し、肺領域が最適に現れるしきい値を決定する
（ステップＳ５０１、Ｓ５０２）。次に、しきい値入力
部４０２で上記決定されたしきい値を入力する（ステッ
プＳ５０３）。さらに特徴量抽出部２０１で、第２の実
施の形態と同様の方法を用いて肺領域内の最大濃度値
と、この最大濃度値と同一水平軸上の縦隔内の最小濃度
値とを算出する（ステップＳ５０４）。そして、上記特
徴量と上記しきい値とを記憶部４０３に記憶する（ステ
ップＳ５０５）。以下、学習に必要なデータ数が得られ
るまでステップＳ５０１からＳ５０５を繰り返す。
と共に説明する。まず、肺領域を撮影した画像を読み込
み、しきい値を入力することで半２値化表示できるモニ
タに表示し、肺領域が最適に現れるしきい値を決定する
（ステップＳ５０１、Ｓ５０２）。次に、しきい値入力
部４０２で上記決定されたしきい値を入力する（ステッ
プＳ５０３）。さらに特徴量抽出部２０１で、第２の実
施の形態と同様の方法を用いて肺領域内の最大濃度値
と、この最大濃度値と同一水平軸上の縦隔内の最小濃度
値とを算出する（ステップＳ５０４）。そして、上記特
徴量と上記しきい値とを記憶部４０３に記憶する（ステ
ップＳ５０５）。以下、学習に必要なデータ数が得られ
るまでステップＳ５０１からＳ５０５を繰り返す。
【００３５】学習部４０４では、記憶された上記特徴量
からしきい値を推定する関数を学習する（ステップＳ５
０６）。ここでは、目的変数をしきい値入力部４０２で
入力したしきい値、説明変数をこのしきい値に対応する
最大濃度値と同一水平線上の縦隔内の最小濃度値とし、
例えば「多変量解析のはなし」ｐｐ３７−７７、東京図
書（１９９５）（有馬哲著）に示される重回帰分析で学
習する。
からしきい値を推定する関数を学習する（ステップＳ５
０６）。ここでは、目的変数をしきい値入力部４０２で
入力したしきい値、説明変数をこのしきい値に対応する
最大濃度値と同一水平線上の縦隔内の最小濃度値とし、
例えば「多変量解析のはなし」ｐｐ３７−７７、東京図
書（１９９５）（有馬哲著）に示される重回帰分析で学
習する。
【００３６】以上のようにこの第３の実施の形態によれ
ば、学習に重回帰分析を用いることにより、上記特徴量
からしきい値を推定する関数を短時間で精度よく作成す
ることができる効果が得られる。また、学習用データを
逐次的に増加可能であり、増加した時点で関数の学習が
可能であるため、データの蓄積に従いより精度のよい関
数を学習できる効果が得られる。
ば、学習に重回帰分析を用いることにより、上記特徴量
からしきい値を推定する関数を短時間で精度よく作成す
ることができる効果が得られる。また、学習用データを
逐次的に増加可能であり、増加した時点で関数の学習が
可能であるため、データの蓄積に従いより精度のよい関
数を学習できる効果が得られる。
【００３７】図７は本発明の第４の実施の形態による構
成を示す図であり、学習部４０４における関数に用いる
ニューラルネットの構成図を示す。図７において、入力
層のセル数を、肺領域内の最大濃度値と、この最大濃度
値と同一水平軸上の縦隔内の最小濃度値とに対応する２
セル（Ｏ6 、Ｏ7 ）、中間層を例えば４セル（Ｏ2 、Ｏ
3 、Ｏ4 、Ｏ5 ）、出力層のセル数をしきい値に対応す
る１セル（Ｏ1 ）としている。
成を示す図であり、学習部４０４における関数に用いる
ニューラルネットの構成図を示す。図７において、入力
層のセル数を、肺領域内の最大濃度値と、この最大濃度
値と同一水平軸上の縦隔内の最小濃度値とに対応する２
セル（Ｏ6 、Ｏ7 ）、中間層を例えば４セル（Ｏ2 、Ｏ
3 、Ｏ4 、Ｏ5 ）、出力層のセル数をしきい値に対応す
る１セル（Ｏ1 ）としている。
【００３８】次に、動作について説明する。記憶部４０
３に記憶されるデータを用い、上記肺領域内の最大濃度
値と、最大濃度値と同一水平線上の縦隔内の最小濃度値
とを入力とし、この入力される特徴に対応するしきい値
を出力とする関数を学習する。関数の学習には、図７に
示すように、例えばセルを層状に結合した全結合３層の
フィードフォワード型ニューラルネットを用いＰ．Ｄ．
Ｐ．，Ｖｏｌ．１（ｐｐ３１８−３６２、ＭＩＴｐｒｅ
ｓｓ、Ｃａｍｂｒｉｄｇｅ，ＭＡ、１９８６）に記され
る誤差逆伝播法を用いる。上記入力層の２セル（Ｏ6 、
Ｏ7 ）に、上記肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを、教師信号
として特徴量に対応するしきい値を出力層のセルＯ1 に
与える。ここでは、中間層のセル数を４としているが、
学習データ数に応じて任意に変更してよい。
３に記憶されるデータを用い、上記肺領域内の最大濃度
値と、最大濃度値と同一水平線上の縦隔内の最小濃度値
とを入力とし、この入力される特徴に対応するしきい値
を出力とする関数を学習する。関数の学習には、図７に
示すように、例えばセルを層状に結合した全結合３層の
フィードフォワード型ニューラルネットを用いＰ．Ｄ．
Ｐ．，Ｖｏｌ．１（ｐｐ３１８−３６２、ＭＩＴｐｒｅ
ｓｓ、Ｃａｍｂｒｉｄｇｅ，ＭＡ、１９８６）に記され
る誤差逆伝播法を用いる。上記入力層の２セル（Ｏ6 、
Ｏ7 ）に、上記肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを、教師信号
として特徴量に対応するしきい値を出力層のセルＯ1 に
与える。ここでは、中間層のセル数を４としているが、
学習データ数に応じて任意に変更してよい。
【００３９】以上のように、この第４の実施の形態によ
れば、関数としてニューラルネットを用いるため、入力
データと出力データとの関係に非線型性を含む場合に
も、精度よく出力値を推定できる効果が得られる。
れば、関数としてニューラルネットを用いるため、入力
データと出力データとの関係に非線型性を含む場合に
も、精度よく出力値を推定できる効果が得られる。
【００４０】図８は本発明の第５の実施の形態による肺
領域抽出装置の構成を示すブロック図である。図８にお
いて、７０１はす抜け領域とす抜け領域と一定幅で接す
る体内領域を削除するす抜け削除部、７０２はす抜け削
除部７０１で削除されなかった領域を入力されたしきい
値に基づき画像を２値化するしきい値処理部、７０３は
しきい値処理部７０２で２値化された画像から一定幅以
下の領域を削除するノイズ除去部、７０４はノイズ除去
部７０３で削除されなかった領域を肺領域とする肺領域
抽出部である。
領域抽出装置の構成を示すブロック図である。図８にお
いて、７０１はす抜け領域とす抜け領域と一定幅で接す
る体内領域を削除するす抜け削除部、７０２はす抜け削
除部７０１で削除されなかった領域を入力されたしきい
値に基づき画像を２値化するしきい値処理部、７０３は
しきい値処理部７０２で２値化された画像から一定幅以
下の領域を削除するノイズ除去部、７０４はノイズ除去
部７０３で削除されなかった領域を肺領域とする肺領域
抽出部である。
【００４１】次に、動作について説明する。す抜け削除
部７０１ではす抜け領域とす抜け領域と一定幅で接する
領域を削除する。具体的には、照射領域内のす抜け領域
及びす抜け領域と一定間隔内で接する体領域を例えば０
画素で置き換える前記（１）（２）式で示したような画
像の変換を行う。
部７０１ではす抜け領域とす抜け領域と一定幅で接する
領域を削除する。具体的には、照射領域内のす抜け領域
及びす抜け領域と一定間隔内で接する体領域を例えば０
画素で置き換える前記（１）（２）式で示したような画
像の変換を行う。
【００４２】次に、しきい値処理部７０２は、入力され
るしきい値Ｔｈ３以下の画像データを０、それ以上を１
に置き換えて画像を２値化する。そして、ノイズ除去部
７０３は、しきい値処理部７０２で画素値１に置き換え
られた領域のうち一定幅以下の領域を削除する。具体的
にはまず収縮処理を以下のように行う。 ｆ２（ｘ，ｙ）＝ｍｉｎ｛ｆ１（ｘ＋ｘ１，ｙ＋ｙ１）｜−ｄ３≦ｘ１≦ｄ３ ，−ｄ４≦ｙ１≦ｄ４｝ ………（４） ここで、ｆ１（ｘ，ｙ）は閾値処理後の画像データ、ｆ
２（ｘ，ｙ）は収縮処理後の画像データを示す。
るしきい値Ｔｈ３以下の画像データを０、それ以上を１
に置き換えて画像を２値化する。そして、ノイズ除去部
７０３は、しきい値処理部７０２で画素値１に置き換え
られた領域のうち一定幅以下の領域を削除する。具体的
にはまず収縮処理を以下のように行う。 ｆ２（ｘ，ｙ）＝ｍｉｎ｛ｆ１（ｘ＋ｘ１，ｙ＋ｙ１）｜−ｄ３≦ｘ１≦ｄ３ ，−ｄ４≦ｙ１≦ｄ４｝ ………（４） ここで、ｆ１（ｘ，ｙ）は閾値処理後の画像データ、ｆ
２（ｘ，ｙ）は収縮処理後の画像データを示す。
【００４３】次に、膨張処理を以下のように行う。 ｆ３（ｘ，ｙ）＝ｍａｘ｛ｆ２（ｘ＋ｘ１，ｙ＋ｙ１）｜−ｄ３≦ｘ１≦ｄ３ ，−ｄ４≦ｙ１≦ｄ４ ………（５） ここで、ｆ２（ｘ，ｙ）は収縮処理後の画像データ、ｆ
３（ｘ，ｙ）は膨張処理後の画像データを示す。次に、
肺領域抽出部７０４は、ノイズ除去部７０３でのノイズ
除去後の画像に対し、１画素の領域を肺領域とする。
３（ｘ，ｙ）は膨張処理後の画像データを示す。次に、
肺領域抽出部７０４は、ノイズ除去部７０３でのノイズ
除去後の画像に対し、１画素の領域を肺領域とする。
【００４４】以上のようにこの第５の実施の形態によれ
ば、す抜け領域及びす抜け領域と一定幅で接する領域を
除去し、ノイズ除去処理を行うことにより、ラベリング
処理を行わなくても肺領域の抽出が可能であり、より短
時間で肺領域を抽出できる効果がある。
ば、す抜け領域及びす抜け領域と一定幅で接する領域を
除去し、ノイズ除去処理を行うことにより、ラベリング
処理を行わなくても肺領域の抽出が可能であり、より短
時間で肺領域を抽出できる効果がある。
【００４５】図９は本発明の第６の実施の形態による肺
領域抽出装置の構成を示すブロック図である。図９にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部である。２０２は特徴量抽出部２０１で算出
された特徴量からしきい値を算出するしきい値推定部、
７０１はす抜け領域とす抜け領域と一定幅で接する体内
領域を削除するす抜け削除部、７０２はす抜け削除部７
０１で削除されなかった領域をしきい値推定部２０２で
推定されたしきい値に基づき画像を２値化するしきい値
処理部、７０３はしきい値処理部７０２で２値化された
画像から一定幅以下の領域を削除するノイズ除去部、７
０４はノイズ除去部７０３で削除されなかった領域を肺
領域とする肺領域抽出部である。
領域抽出装置の構成を示すブロック図である。図９にお
いて、２０１は肺領域内の最大濃度値と、この最大濃度
値と同一水平線上の縦隔内の最小濃度値とを算出する特
徴量抽出部である。２０２は特徴量抽出部２０１で算出
された特徴量からしきい値を算出するしきい値推定部、
７０１はす抜け領域とす抜け領域と一定幅で接する体内
領域を削除するす抜け削除部、７０２はす抜け削除部７
０１で削除されなかった領域をしきい値推定部２０２で
推定されたしきい値に基づき画像を２値化するしきい値
処理部、７０３はしきい値処理部７０２で２値化された
画像から一定幅以下の領域を削除するノイズ除去部、７
０４はノイズ除去部７０３で削除されなかった領域を肺
領域とする肺領域抽出部である。
【００４６】次に、動作について説明する。特徴量抽出
部２０１は肺領域内の最大濃度値と、この最大濃度値と
同一水平線上の縦隔内の最小濃度値とを算出し、しきい
値推定部２０２は特徴量抽出部２０１で算出された特徴
量からしきい値を算出する。す抜け削除部７０１はす抜
け領域及びす抜け領域と接する体内領域を削除し、しき
い値処理部７０２はす抜け削除部７０１で削除されなか
った領域をしきい値推定部２０２で算出されたしきい値
に基づき２値化する。そして、ノイズ除去部７０３がし
きい値処理部２０２で２値化されか画像中の一定幅以下
の画像を削除し、肺領域抽出部７０４がノイズ除去部７
０３で除去されなかった領域を肺領域とするものであ
る。
部２０１は肺領域内の最大濃度値と、この最大濃度値と
同一水平線上の縦隔内の最小濃度値とを算出し、しきい
値推定部２０２は特徴量抽出部２０１で算出された特徴
量からしきい値を算出する。す抜け削除部７０１はす抜
け領域及びす抜け領域と接する体内領域を削除し、しき
い値処理部７０２はす抜け削除部７０１で削除されなか
った領域をしきい値推定部２０２で算出されたしきい値
に基づき２値化する。そして、ノイズ除去部７０３がし
きい値処理部２０２で２値化されか画像中の一定幅以下
の画像を削除し、肺領域抽出部７０４がノイズ除去部７
０３で除去されなかった領域を肺領域とするものであ
る。
【００４７】以上のようにこの第６の実施の形態によれ
ば、す抜け領域及びす抜け領域と一定幅で接する領域を
削除し、ノイズ除去処理を行うことにより、ラベリング
処理を行わなくても肺領域の抽出が可能であり、さら
に、しきい値をしきい値推定部２０２により算出するた
め、人為的な操作を行うことなく自動的に短時間で精度
よく肺領域を抽出できる効果がある。
ば、す抜け領域及びす抜け領域と一定幅で接する領域を
削除し、ノイズ除去処理を行うことにより、ラベリング
処理を行わなくても肺領域の抽出が可能であり、さら
に、しきい値をしきい値推定部２０２により算出するた
め、人為的な操作を行うことなく自動的に短時間で精度
よく肺領域を抽出できる効果がある。
【００４８】尚、図１、図３、図５、図８及び図９の各
機能ブロックによるシステムは、ハード的に構成しても
よく、またＣＰＵやメモリ等から成るマイクロコンピュ
ータシステムに構成してもよい。マイクロコンピュータ
システムに構成する場合、上記メモリは本発明による記
憶媒体を構成する。この記憶媒体には、図４、図６のフ
ローチャートに示す処理を含む処理を実行するためのプ
ログラムが記憶される。また、この記憶媒体としてはＲ
ＯＭ、ＲＡＭ等の半導体メモリ、光ディスク、光磁気デ
ィスク、磁気媒体等を用いてよく、これらをＣＤ−ＲＯ
Ｍ、フロッピディスク、磁気テープ、不揮発性のメモリ
カード等として用いてよい。
機能ブロックによるシステムは、ハード的に構成しても
よく、またＣＰＵやメモリ等から成るマイクロコンピュ
ータシステムに構成してもよい。マイクロコンピュータ
システムに構成する場合、上記メモリは本発明による記
憶媒体を構成する。この記憶媒体には、図４、図６のフ
ローチャートに示す処理を含む処理を実行するためのプ
ログラムが記憶される。また、この記憶媒体としてはＲ
ＯＭ、ＲＡＭ等の半導体メモリ、光ディスク、光磁気デ
ィスク、磁気媒体等を用いてよく、これらをＣＤ−ＲＯ
Ｍ、フロッピディスク、磁気テープ、不揮発性のメモリ
カード等として用いてよい。
【００４９】
【発明の効果】以上説明したように、請求項１、８、１
５の発明によれば、入力画像をしきい値に基づいて２値
化し、この２値化画像をラベリングし、ラベリングした
領域から画像端に接する領域と一定面積以下の領域とを
除去することによって肺領域を抽出するようにしたこと
により、画像を見ながら手作業で肺領域を選択すること
なく、しきい値を入力するだけで肺領域を抽出できるの
で、処理を短時間に精度よく行うことができる効果が得
られる。
５の発明によれば、入力画像をしきい値に基づいて２値
化し、この２値化画像をラベリングし、ラベリングした
領域から画像端に接する領域と一定面積以下の領域とを
除去することによって肺領域を抽出するようにしたこと
により、画像を見ながら手作業で肺領域を選択すること
なく、しきい値を入力するだけで肺領域を抽出できるの
で、処理を短時間に精度よく行うことができる効果が得
られる。
【００５０】また、請求項２、９、１６の発明によれ
ば、入力画像の特徴量を抽出し、この特徴量に基づいて
しきい値を推定し、推定されたしきい値を用いて２値化
した後、ラベリングして肺領域を抽出するようにしたこ
とにより、しきい値を入力する作業も必要なくなり、さ
らに短時間に処理を行うことができる。特に肺領域内の
最大濃度値とこの最大濃度値と同一水平軸上の縦隔内の
最低濃度値とを特徴量として抽出し、この特徴量からし
きい値を推定することにより、適切なしきい値を得るこ
とができる効果が得られる。
ば、入力画像の特徴量を抽出し、この特徴量に基づいて
しきい値を推定し、推定されたしきい値を用いて２値化
した後、ラベリングして肺領域を抽出するようにしたこ
とにより、しきい値を入力する作業も必要なくなり、さ
らに短時間に処理を行うことができる。特に肺領域内の
最大濃度値とこの最大濃度値と同一水平軸上の縦隔内の
最低濃度値とを特徴量として抽出し、この特徴量からし
きい値を推定することにより、適切なしきい値を得るこ
とができる効果が得られる。
【００５１】また、請求項３、１０、１７の発明によれ
ば、入力画像からす抜け領域とこのす抜け領域に接する
体部分を一定幅内で削除し、削除しきれない領域を２値
化し、この２値化画像の一定幅以下の領域をノイズ除去
し、除去されなかった領域を肺領域として抽出するよう
にしたことにより、ラベリング処理を行うことなく肺領
域を精度よく短時間に抽出できる効果がある。
ば、入力画像からす抜け領域とこのす抜け領域に接する
体部分を一定幅内で削除し、削除しきれない領域を２値
化し、この２値化画像の一定幅以下の領域をノイズ除去
し、除去されなかった領域を肺領域として抽出するよう
にしたことにより、ラベリング処理を行うことなく肺領
域を精度よく短時間に抽出できる効果がある。
【００５２】請求項４、１１、１８の発明によれば、入
力画像からす抜け領域とこのす抜け領域に接する体部分
を一定幅内で削除し、削除されなかった領域を、入力画
像の特徴量に基づいて推定したしきい値に基づいて２値
化し、２値化画像のうち一定幅以下の領域をノイズ除去
し、除去されなかった領域を肺領域とするようにしたこ
とにより、手作業を除去することができると共に、ラベ
リング処理を行う必要が無いため、肺領域をさらに短時
間で精度よく抽出できる効果が得られる。
力画像からす抜け領域とこのす抜け領域に接する体部分
を一定幅内で削除し、削除されなかった領域を、入力画
像の特徴量に基づいて推定したしきい値に基づいて２値
化し、２値化画像のうち一定幅以下の領域をノイズ除去
し、除去されなかった領域を肺領域とするようにしたこ
とにより、手作業を除去することができると共に、ラベ
リング処理を行う必要が無いため、肺領域をさらに短時
間で精度よく抽出できる効果が得られる。
【００５３】請求項５、１２、１９の発明によれば、入
力画像の特徴量と、肺領域抽出のためのしきい値とを記
憶し、この記憶された値に基づいて、上記特徴量から上
記肺領域抽出のためのしきい値を推定する関数を学習す
るようにしたことにより、データの蓄積に従いさらに精
度のよいしきい値を推定する関数を学習できる効果があ
る。
力画像の特徴量と、肺領域抽出のためのしきい値とを記
憶し、この記憶された値に基づいて、上記特徴量から上
記肺領域抽出のためのしきい値を推定する関数を学習す
るようにしたことにより、データの蓄積に従いさらに精
度のよいしきい値を推定する関数を学習できる効果があ
る。
【００５４】請求項６、１３、２０の発明によれば、上
記しきい値を推定する関数を線形回帰分析で学習するよ
うにしたことにより、短時間で精度よくしきい値を推定
できる関数を得られる効果がある。
記しきい値を推定する関数を線形回帰分析で学習するよ
うにしたことにより、短時間で精度よくしきい値を推定
できる関数を得られる効果がある。
【００５５】請求項７、１４、２１の発明によれば、上
記学習を行う際の上記しきい値を推定する関数をニュー
ラルネットとするため、入力データと出力データとの関
係に非線形性を含む場合にも、精度よく出力値を推定で
きる効果が得られる。
記学習を行う際の上記しきい値を推定する関数をニュー
ラルネットとするため、入力データと出力データとの関
係に非線形性を含む場合にも、精度よく出力値を推定で
きる効果が得られる。
【図１】本発明の第１の実施の形態の構成を示すブロッ
ク図である。
ク図である。
【図２】２値化画像の一例を示す構成図である。
【図３】本発明の第２の実施の形態の構成を示すブロッ
ク図である。
ク図である。
【図４】特徴量抽出の処理手順を示すフローチャートで
ある。
ある。
【図５】本発明の第３の実施の形態の構成を示すブロッ
ク図である。
ク図である。
【図６】本発明の第４の実施の形態の処理手順を示すフ
ローチャートである。
ローチャートである。
【図７】本発明の第５の実施の形態のニューラルネット
の構造を示す構成図である。
の構造を示す構成図である。
【図８】本発明の第６の実施の形態の構成を示すブロッ
ク図である。
ク図である。
【図９】本発明の第７の実施の形態の構成を示すブロッ
ク図である。
ク図である。
１０１ しきい値処理部 １０２ ラベリング部 １０３ 肺領域抽出部 ２０１ 特徴量抽出部 ２０２ しきい値推定部 ４０２ しきい値入力部 ４０３ 記憶部 ４０４ 学習部 ７０１ す抜け削除部 ７０２ しきい値処理部 ７０３ ノイズ除去部 ７０４ 肺領域抽出部
Claims (21)
- 【請求項１】 入力画像信号をしきい値に基づいて２値
化するしきい値処理手段と、 上記しきい値処理手段で２値化した画像信号をラベリン
グするラベリング手段と、 上記ラベリング手段でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出手
段とを有することを特徴とする肺領域抽出装置。 - 【請求項２】 入力画像信号の特徴量を抽出する特徴量
抽出手段と、 上記特徴量抽出手段で抽出された特徴量からしきい値を
推定するしきい値推定手段と、 上記しきい値推定手段で推定されたしきい値に基づいて
上記入力画像信号を２値化するしきい値処理手段と、 上記しきい値処理手段で２値化した画像信号をラベリン
グするラベリング手段と、 上記ラベリング手段でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出手
段とを有することを特徴とする肺領域抽出装置。 - 【請求項３】 入力画像信号からす抜け領域とこのす抜
け領域に接する体部分とを一定幅内で削除するす抜け削
除手段と、 上記す抜け削除手段で削除されなかった領域をしきい値
に基づいて２値化するしきい値処理手段と、 上記しきい値処理手段で２値化した画像信号を縮小及び
膨張処理することによりノイズを除去するノイズ除去手
段と、 上記ノイズ除去手段で除去されなかった領域を肺領域と
して抽出する肺領域抽出手段とを有することを特徴とす
る肺領域抽出装置。 - 【請求項４】 入力画像信号の特徴量を抽出する特徴量
抽出手段と、 上記特徴量抽出手段で抽出された特徴量からしきい値を
推定するしきい値推定手段と、 上記入力画像信号からす抜け領域とこのす抜け領域に接
する体部分とを一定幅内で削除するす抜け削除手段と、 上記す抜け削除手段で削除されなかった領域を上記しき
い値推定手段で推定されたしきい値に基づいて２値化す
るしきい値処理手段と、 上記しきい値処理手段で２値化した画像信号を縮小及び
膨張処理することによりノイズを除去するノイズ除去手
段と、 上記ノイズ除去手段で除去されなかった領域を肺領域と
して抽出する肺領域抽出手段とを有することを特徴とす
る肺領域抽出装置。 - 【請求項５】 上記特徴量抽出手段で抽出された特徴量
と肺領域抽出のためのしきい値とを記憶する記憶手段
と、 上記記憶手段に記憶された値に基づいて上記特徴量抽出
手段で抽出された特徴量から上記肺領域抽出のためのし
きい値を推定する関数を学習する学習手段とを有するこ
とを特徴とする請求項２又は４に記載の肺領域抽出装
置。 - 【請求項６】 上記学習手段は、上記しきい値を推定す
る関数を線形回帰分析で学習することを特徴とする請求
項５に記載の肺領域抽出装置。 - 【請求項７】 上記学習手段は、上記しきい値を推定す
る関数をニューラルネットとすることを特徴とする請求
項５に記載の肺領域抽出装置。 - 【請求項８】 入力画像信号をしきい値に基づいて２値
化するしきい値処理手順と、 上記しきい値処理手順で２値化した画像信号をラベリン
グするラベリング手順と、 上記ラベリング手順でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出手
順とを有することを特徴とする肺領域抽出方法。 - 【請求項９】 入力画像信号の特徴量を抽出する特徴量
抽出手順と、 上記特徴量抽出手順で抽出された特徴量からしきい値を
推定するしきい値推定手順と、 上記しきい値推定手順で推定されたしきい値に基づいて
上記入力画像信号を２値化するしきい値処理手順と、 上記しきい値処理手順で２値化した画像信号をラベリン
グするラベリング手順と、 上記ラベリング手順でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出手
順とを有することを特徴とする肺領域抽出方法。 - 【請求項１０】 入力画像信号からす抜け領域とこのす
抜け領域に接する体部分とを一定幅内で削除するす抜け
削除手順と、 上記す抜け削除手順で削除されなかった領域をしきい値
に基づいて２値化するしきい値処理手順と、 上記しきい値処理手順で２値化した画像信号を縮小及び
膨張処理することによりノイズを除去するノイズ除去手
順と、 上記ノイズ除去手順で除去されなかった領域を肺領域と
して抽出する肺領域抽出手順とを有することを特徴とす
る肺領域抽出方法。 - 【請求項１１】 入力画像信号の特徴量を抽出する特徴
量抽出手順と、 上記特徴量抽出手順で抽出された特徴量からしきい値を
推定するしきい値推定手順と、 上記入力画像信号からす抜け領域とこのす抜け領域に接
する体部分とを一定幅内で削除するす抜け削除手順と、 上記す抜け削除手順で削除されなかった領域を上記しき
い値推定手順で推定されたしきい値に基づいて２値化す
るしきい値処理手順と、 上記しきい値処理手順で２値化した画像信号を縮小及び
膨張処理することによりノイズを除去するノイズ除去手
順と、 上記ノイズ除去手順で除去されなかった領域を肺領域と
して抽出する肺領域抽出手順とを有することを特徴とす
る肺領域抽出方法。 - 【請求項１２】 上記特徴量抽出手順で抽出された特徴
量と肺領域抽出のためのしきい値とを記憶する記憶手順
と、 上記記憶手順に記憶された値に基づいて上記特徴量抽出
手順で抽出された特徴量から上記肺領域抽出のためのし
きい値を推定する関数を学習する学習手順とを有するこ
とを特徴とする請求項９又は１１に記載の肺領域抽出方
法。 - 【請求項１３】 上記学習手順は、上記しきい値を推定
する関数を線形回帰分析で学習することを特徴とする請
求項１２に記載の肺領域抽出方法。 - 【請求項１４】 上記学習手順は、上記しきい値を推定
する関数をニューラルネットとすることを特徴とする請
求項１２に記載の肺領域抽出方法。 - 【請求項１５】 入力画像信号をしきい値に基づいて２
値化するしきい値処理と、 上記しきい値処理で２値化した画像信号をラベリングす
るラベリング処理と、 上記ラベリング処理でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出処
理とを実行するためのプログラムを記憶したコンピュー
タ読み取り可能な記憶媒体。 - 【請求項１６】 入力画像信号の特徴量を抽出する特徴
量抽出処理と、 上記特徴量抽出処理で抽出された特徴量からしきい値を
推定するしきい値推定処理と、 上記しきい値推定処理で推定されたしきい値に基づいて
上記入力画像信号を２値化するしきい値処理と、 上記しきい値処理で２値化した画像信号をラベリングす
るラベリング処理と、 上記ラベリング処理でラベリングされた領域のうち画像
端に接する領域と一定面積以下の領域とを除去し、残っ
たラベリング領域を肺領域として抽出する肺領域抽出処
理とを実行するためのプログラムを記憶したコンピュー
タ読み取り可能な記憶媒体。 - 【請求項１７】 入力画像信号からす抜け領域とこのす
抜け領域に接する体部分とを一定幅内で削除するす抜け
削除処理と、 上記す抜け削除処理で削除されなかった領域をしきい値
に基づいて２値化するしきい値処理と、 上記しきい値処理で２値化した画像信号を縮小及び膨張
処理することによりノイズを除去するノイズ除去処理
と、 上記ノイズ除去処理で除去されなかった領域を肺領域と
して抽出する肺領域抽出処理とを実行するためのプログ
ラムを記憶したコンピュータ読み取り可能な記憶媒体。 - 【請求項１８】 入力画像信号の特徴量を抽出する特徴
量抽出処理と、 上記特徴量抽出処理で抽出された特徴量からしきい値を
推定するしきい値推定処理と、 上記入力画像信号からす抜け領域とこのす抜け領域に接
する体部分とを一定幅内で削除するす抜け削除処理と、 上記す抜け削除処理で削除されなかった領域を上記しき
い値推定処理で推定されたしきい値に基づいて２値化す
るしきい値処理と、 上記しきい値処理で２値化した画像信号を縮小及び膨張
処理することによりノイズを除去するノイズ除去処理
と、 上記ノイズ除去処理で除去されなかった領域を肺領域と
して抽出する肺領域抽出処理とを実行するためのプログ
ラムを記憶したコンピュータ読み取り可能な記憶媒体。 - 【請求項１９】 上記特徴量抽出処理で抽出された特徴
量と肺領域抽出のためのしきい値とを記憶する記憶処理
と、 上記記憶処理に記憶された値に基づいて上記特徴量抽出
処理で抽出された特徴量から上記肺領域抽出のためのし
きい値を推定する関数を学習する学習処理とを実行する
ためのプログラムを記憶したことを特徴とする請求項１
６又は１８に記載のコンピュータ読み取り可能な記憶媒
体。 - 【請求項２０】 上記学習処理は、上記しきい値を推定
する関数を線形回帰分析で学習することを特徴とする請
求項１９に記載のコンピュータ読み取り可能な記憶媒
体。 - 【請求項２１】 上記学習処理は、上記しきい値を推定
する関数をニューラルネットとすることを特徴とする請
求項１９に記載のコンピュータ読み取り可能な記憶媒
体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31932297A JP4143149B2 (ja) | 1997-11-20 | 1997-11-20 | 領域抽出装置、領域抽出方法及びコンピュータ読み取り可能な記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31932297A JP4143149B2 (ja) | 1997-11-20 | 1997-11-20 | 領域抽出装置、領域抽出方法及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11151232A true JPH11151232A (ja) | 1999-06-08 |
| JP4143149B2 JP4143149B2 (ja) | 2008-09-03 |
Family
ID=18108910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31932297A Expired - Fee Related JP4143149B2 (ja) | 1997-11-20 | 1997-11-20 | 領域抽出装置、領域抽出方法及びコンピュータ読み取り可能な記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4143149B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002010997A (ja) * | 2000-06-27 | 2002-01-15 | Canon Inc | 撮影装置、画像処理装置、画像処理システム、動作制御方法、及び記憶媒体 |
| JP2002269537A (ja) * | 2001-03-14 | 2002-09-20 | Canon Inc | 画像処理装置、方法およびプログラム |
| JP2002282244A (ja) * | 2001-03-23 | 2002-10-02 | Canon Inc | 画像処理装置、方法およびプログラム |
| US7327823B2 (en) | 2003-11-05 | 2008-02-05 | Canon Kabushiki Kaisha | Radiation image processing apparatus, radiation image processing method, program, and computer-readable medium |
| JP2010082296A (ja) * | 2008-10-01 | 2010-04-15 | Infocom Corp | 胸部ｘ線画像の変換方法、装置、システム、コンピュータプログラムおよび媒体 |
| US8121381B2 (en) | 2008-02-26 | 2012-02-21 | Canon Kabushiki Kaisha | X-ray image processing apparatus and method |
| JP2013012222A (ja) * | 2012-08-27 | 2013-01-17 | Canon Inc | 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体 |
| US8855417B2 (en) | 2010-06-29 | 2014-10-07 | Fujifilm Corporation | Method and device for shape extraction, and size measuring device and distance measuring device |
| JPWO2017221860A1 (ja) * | 2016-06-21 | 2019-04-11 | 日本電気株式会社 | 領域識別装置と領域識別方法および領域識別プログラム |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5804340B2 (ja) | 2010-06-10 | 2015-11-04 | 株式会社島津製作所 | 放射線画像領域抽出装置、放射線画像領域抽出プログラム、放射線撮影装置および放射線画像領域抽出方法 |
-
1997
- 1997-11-20 JP JP31932297A patent/JP4143149B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002010997A (ja) * | 2000-06-27 | 2002-01-15 | Canon Inc | 撮影装置、画像処理装置、画像処理システム、動作制御方法、及び記憶媒体 |
| JP2002269537A (ja) * | 2001-03-14 | 2002-09-20 | Canon Inc | 画像処理装置、方法およびプログラム |
| JP2002282244A (ja) * | 2001-03-23 | 2002-10-02 | Canon Inc | 画像処理装置、方法およびプログラム |
| US7327823B2 (en) | 2003-11-05 | 2008-02-05 | Canon Kabushiki Kaisha | Radiation image processing apparatus, radiation image processing method, program, and computer-readable medium |
| US8121381B2 (en) | 2008-02-26 | 2012-02-21 | Canon Kabushiki Kaisha | X-ray image processing apparatus and method |
| JP2010082296A (ja) * | 2008-10-01 | 2010-04-15 | Infocom Corp | 胸部ｘ線画像の変換方法、装置、システム、コンピュータプログラムおよび媒体 |
| US8855417B2 (en) | 2010-06-29 | 2014-10-07 | Fujifilm Corporation | Method and device for shape extraction, and size measuring device and distance measuring device |
| JP2013012222A (ja) * | 2012-08-27 | 2013-01-17 | Canon Inc | 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体 |
| JPWO2017221860A1 (ja) * | 2016-06-21 | 2019-04-11 | 日本電気株式会社 | 領域識別装置と領域識別方法および領域識別プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4143149B2 (ja) | 2008-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369581B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN101453575B (zh) | 一种视频字幕信息提取方法 | |
| JP5166409B2 (ja) | 映像処理方法および映像処理装置 | |
| US5048107A (en) | Table region identification method | |
| US6587586B1 (en) | Extracting textual information from a video sequence | |
| CN105184292A (zh) | 自然场景图像中手写体数学公式结构分析与识别方法 | |
| CN110767292A (zh) | 病理编号识别方法、信息识别方法、装置及信息识别系统 | |
| CN109993089B (zh) | 一种基于深度学习的视频目标去除及背景恢复方法 | |
| CN111415364B (zh) | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 | |
| JP2008217706A (ja) | ラベリング装置、ラベリング方法及びプログラム | |
| TW200529093A (en) | Face image detection method, face image detection system, and face image detection program | |
| JPH11151232A (ja) | 肺領域抽出装置、肺領域抽出方法及びコンピュータ読み取り可能な記憶媒体 | |
| CN113706562B (zh) | 图像分割方法、装置、系统及细胞分割方法 | |
| CN113706372A (zh) | 自动抠图模型建立方法及系统 | |
| JP2010244207A (ja) | 移動物体追跡装置、移動物体追跡方法および移動物体追跡プログラム | |
| CN112686247A (zh) | 一种身份证号码检测方法、装置、可读存储介质和终端 | |
| Park et al. | Tracking non-rigid objects using probabilistic Hausdorff distance matching | |
| JP3062382B2 (ja) | 画像処理装置及び方法 | |
| CN112633179A (zh) | 基于视频分析的农贸市场过道物体占道检测方法 | |
| JPH0256707B2 (ja) | ||
| JP2003067738A (ja) | 網点除去方法及びシステム | |
| CN114384073A (zh) | 一种基于地铁隧道裂纹检测方法及系统 | |
| CN111523533B (zh) | 一种从图像中确定物体所在区域的方法及装置 | |
| JP2988097B2 (ja) | 濃淡画像の領域分割方法 | |
| CN112861603B (zh) | 一种有限表格自动识别与解析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040922 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040922 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070213 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070727 |
|
| 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: 20080115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080219 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080229 |
|
| 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: 20080603 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080616 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110620 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120620 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120620 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130620 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |