WO2016143855A1 - 画像分割装置、画像分割方法及び画像処理システム - Google Patents

画像分割装置、画像分割方法及び画像処理システム Download PDF

Info

Publication number
WO2016143855A1
WO2016143855A1 PCT/JP2016/057591 JP2016057591W WO2016143855A1 WO 2016143855 A1 WO2016143855 A1 WO 2016143855A1 JP 2016057591 W JP2016057591 W JP 2016057591W WO 2016143855 A1 WO2016143855 A1 WO 2016143855A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
region
dividing
noise
edge
Prior art date
Application number
PCT/JP2016/057591
Other languages
English (en)
French (fr)
Inventor
瑾娟 王
Original Assignee
株式会社日立製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2016143855A1 publication Critical patent/WO2016143855A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Definitions

  • the present invention relates to an image dividing device, an image dividing method, and an image processing system.
  • Image segmentation is an important process for image processing and analysis.
  • medical image segmentation has important significance in research on medical image processing, and is a basis for subsequent image processing including registration and measurement as intermediate processing.
  • accurately positioning the lesion and determining the extent of the lesion has a crucial impact on subsequent diagnosis and treatment.
  • a medical staff manually draws a boundary, reproducibility is low and the amount of work is large.
  • computer-assisted medical image segmentation has become an increasingly important research topic.
  • the level set method is one method for finding the solution of the curve expansion problem.
  • the solution can be obtained by converting the curve or curved surface expansion problem into a surface expansion of the level basic function in a one-dimensional high space, and the topology can be changed. This is an important means of image segmentation.
  • the level set method can be broadly divided into two types: a gradient-based level set method and a region-based level set method.
  • the gradient-based level set method is born from the theoretical framework proposed by Non-Patent Document 1, and its basic principle is to use the gradient of the image to stop the curve expansion at the boundary of the division target.
  • the region-based level set is born from the theoretical framework proposed by Non-Patent Document 2, and its basic principle assumes that each of the inner and outer regions of the dividing boundary in the image has a statistically uniform intensity.
  • non-patent document 3 uses a gradient-based level set method
  • non-patent document 4 uses a region-based level set method.
  • Patent Document 1 for a three-dimensional pulmonary blood vessel image, an image region average value (corresponding to a region) and image edge energy (corresponding to a gradient) are simultaneously added to the total energy function, and a level set method is used.
  • ⁇ Shape modeling with front propagation A level set approach ⁇ , Malladi; ⁇ Boundary detection by minimizing functionals ⁇ , Mumford-Shah; ⁇ Distance Regularized Level Set Evolution and its Application to Image Segmentation ⁇ , C.Li, C.Xu, C.Gui, and M.D.Fox, IEEE Trans. Image Processing, vol.19 (12), 2010; ⁇ A Level Set Method for Image Segmentation in the Presence of Intensity Inhomogeneities with Application to MRI ⁇ , C.Li, R.Huang, Z.Ding, C.Gatenby, DNMetaxas, and JCGore, IEEE Trans. Image Processing .20 (7), pp.2007-2016, 2011.
  • the above-described conventional techniques still have the following technical problems.
  • the main problem of the gradient-based level set method such as Non-Patent Document 3 is that the division effect is not good when the image is a weak boundary having a low gradient value.
  • the main problem of the level set method based on regions such as Non-Patent Document 4 is that the effect of being divided when the intensity of the image in each region is not uniform is not good.
  • Patent Document 1 is an invention issued only for a three-dimensional pulmonary blood vessel image, and always considers an image area average value (corresponding to an area) and image edge energy (gradient) without considering different situations of various images. Is added to the total energy function at the same time and the level set method is used to find the solution. Therefore, Patent Document 1 is difficult to apply to various images, has a large calculation amount, and increases the processing load of the apparatus.
  • an ultrasonic image may have large image noise, many spots, low contrast, uneven brightness inside the tumor, and unclear borders. It is difficult to obtain an ideal segmentation effect for ultrasonic images having different characteristics using any of the above-described methods in the prior art.
  • the present invention provides an image dividing apparatus, an image dividing method, and an image processing system that can ensure an excellent dividing effect in different actual scenes.
  • the present invention provides an image dividing device that divides an image, and the image dividing device includes a smoothing filter unit that performs smoothing filtering on the image, and the smoothed filtering unit.
  • An area setting unit that sets a region of interest in an image
  • an edge calculation unit that calculates edge information for the region of interest, an image after the smoothing filtering, the region of interest, and an edge value based on the edge information
  • the dividing unit divides the image using a level set method based on a region, and when the determining unit determines that the noise of the image is not large and the image is not blurred, the image dividing unit The image is divided using a level set method based on a gradient.
  • the present invention further provides an image segmentation method for segmenting an image, the image segmentation method comprising: a smoothing filtering step for performing smoothing filtering on the image; and an interest in the image after smoothing filtering.
  • a region setting step for setting a region
  • an edge calculation step for calculating edge information for the region of interest, the image after the smoothing filtering, the region of interest, and an edge value based on the edge information, and the image
  • a determination step for determining whether noise is large and whether the image is blurred, and based on a determination result of the determination step, the level set method based on gradient or the level set method based on region
  • An image dividing step for dividing the image, and the determining step causes a large amount of noise in the image.
  • the image dividing step divides the image using a region-based level set method, and the determining step determines that the noise of the image is not large and that the image is not blurred. In this case, the image dividing step divides the image using a level set method based on a gradient.
  • the present invention further provides an image processing system that performs processing on an image and outputs the processed image.
  • the image processing system includes an image acquisition device that acquires an image, and the image acquisition device.
  • An image dividing device for dividing the acquired image, and an output device for outputting the image divided by the image dividing device.
  • an appropriate level set method is selected according to whether the noise of the image is large and whether the image is blurred, and image feature information It is possible to obtain an ideal segmentation effect for images having different characteristics. And it can be easily combined with other division methods. Further, it can be easily realized by software or hardware, and only a little change is required after applying to conventional software or hardware.
  • the determination step can further determine whether or not the intensity of the image is uniform. If the determination step determines that the noise of the image is not large and the image is blurred. If it is determined, and if it is further determined that the intensity of the image is uniform, the image dividing step divides the image using a region-based level set method, and the determining step increases noise of the image. If it is determined that the image is not blurred and the intensity of the image is determined to be non-uniform, the image segmentation step divides the image using a gradient-based level set method. Also good.
  • an appropriate level set method is selected according to whether the image intensity is uniform, and the image feature information is obtained. It can be fully utilized and a more ideal segmentation effect can be obtained for images with different characteristics.
  • the determining step based on a difference value between edge values when performing smoothing filtering on the image using different smoothing filter parameters in the smoothing filtering step, You may determine whether the noise of an image is large.
  • This provided a specific method for judging whether the noise in the image is large. According to this method, it is only necessary to change the smoothing filter parameter and determine the difference value between the calculated edge values, whereby the edge value already used in the image division process can be used, The amount of processing can be reduced and the processing load can be reduced.
  • a difference value between edge values when performing smoothing filtering on the reference image using different smoothing filter parameters in the smoothing filtering step is used as a noise threshold value. If the difference value between the edge values when performing smoothing filtering on the image using different smoothing filter parameters in the smoothing filtering step is larger than the noise threshold, it is determined that the noise of the image is large. May be.
  • the determining step it may be determined whether the image is blurred based on an edge value between the region of interest of the image and a predetermined initial contour.
  • This provided a specific method for judging whether an image is blurred. According to this method, it is only necessary to determine the edge value between the region of interest of the image and the predetermined initial contour, and thereby, the edge value already used in the image division process can be used, and the processing amount Can be reduced, the processing load can be reduced, and the accuracy can be improved.
  • an edge value between a region of interest of the reference image and an initial contour is set as a fuzzy threshold, and an edge value between the region of interest of the image and the initial contour is set based on the fuzzy threshold. If it is small, it may be determined that the image is blurred.
  • the determining step it may be determined whether the intensity of the image is uniform based on a luminance uniformity within a predetermined initial contour of the image.
  • the luminance uniformity in the initial contour of the reference image is set as a uniformity threshold, and the luminance uniformity in the predetermined initial contour of the image satisfies the uniformity threshold. In this case, it may be determined that the intensity of the image is uniform.
  • the luminance uniformity value in the initial contour may be calculated for the reference image and used as the uniformity threshold value. It can be simplified.
  • each of the above-described image dividing methods of the present invention can be realized by an image dividing apparatus or an image processing system.
  • the present invention is not limited to the image dividing method, the image dividing apparatus, and the image processing system, and is realized by an image dividing program that causes a computer to execute the image dividing method or an integrated circuit that constitutes the image dividing apparatus. Also good.
  • FIG. 1 is a configuration block diagram of an image processing system according to the present invention.
  • 3 shows a flowchart of an image dividing method according to the first embodiment of the present invention.
  • 6 shows a flowchart of an image dividing method according to a second embodiment of the present invention. 6 shows a flowchart for determining whether or not the noise of an image is large in a specific example according to the present invention.
  • FIG. 5 shows a flowchart of a threshold setting method for determining whether image noise is large in the specific example shown in FIG. 4.
  • FIG. 6 shows a flowchart for determining whether an image is blurred in another specific example of the present invention.
  • 7 is a flowchart of a threshold setting method for determining whether an image is blurred in the specific example shown in FIG.
  • FIG. 7 is a flowchart for determining whether the intensity of an image is uniform in yet another specific example according to the present invention.
  • FIG. 9 is a flowchart of a threshold setting method for determining whether the intensity of an image is uniform in the specific example shown in FIG.
  • the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image is shown.
  • the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image is shown.
  • the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image is shown.
  • the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image is shown.
  • FIG. 1 is a block diagram showing a simple configuration of an image processing system according to the present invention.
  • the image processing system includes an image acquisition device 100, an image division device 200, and an output means 300.
  • the image acquisition apparatus 100 acquires an image and transmits the image to the image division apparatus 200.
  • the image dividing device 200 performs a dividing process on the image provided by the image acquisition device 100.
  • Various data necessary for the process or generated by the process is stored in, for example, a shared memory.
  • the output unit 300 outputs (and / or displays) the result of the division process performed by the image dividing apparatus 200.
  • the image dividing device 200 includes a smoothing filter means 10, an area setting means 20, an edge calculating means 30, a judging means 40, and an image dividing means 50. These configurations provided in the image dividing apparatus 200 may be realized as hardware by independent circuit configurations, or may be realized as a functional module by executing a program stored in a memory by a processor. This will be specifically described below.
  • the smoothing filter means 10 performs smoothing filtering on the image provided by the image acquisition device 100, and transmits the smoothed filtered image to the region setting means 20, the edge calculation means 30, and the determination means 40.
  • the region setting unit 20 sets a region of interest in the smoothed and filtered image and transmits the region of interest setting result to the edge calculating unit 30 and the determining unit 40.
  • the edge calculating means 30 calculates edge information of the region of interest in the current image.
  • the image edge information can be calculated using a conventional image edge detection algorithm, such as a canny algorithm.
  • the determination unit 40 reads the smoothed filtered image output from the smoothing filter unit 10, the region of interest set by the region setting unit 20, and the edge information output from the edge calculation unit 30.
  • the edge value is used to calculate, and for example, it is determined whether the noise of the image is large, whether the image is blurred, and whether the intensity of the image is uniform.
  • the determination unit 40 calculates the noise parameter, the fuzzy parameter, and the uniform parameter of the image, reads the noise parameter, the fuzzy parameter, and the uniform parameter of the reference image from the shared memory, and determines the noise, fuzzy, and uniform characteristics of the image. Can be analyzed.
  • the image dividing means 50 performs a dividing process on the current image using the image feature obtained by the judging means 40.
  • the division processing can be performed using a known level set method.
  • the image dividing means 50 can further perform other post-processing on the image.
  • FIG. 2 shows a flowchart of the image dividing method according to the first embodiment of the present invention.
  • the image dividing method includes a smoothing filtering step S101, an area setting step S102, an edge calculating step S103, a determining step S104, and an image dividing step S105.
  • the smoothing filtering step S101 the smoothing filter means 10 performs smoothing filtering on the image.
  • region setting means 20 sets a region of interest in the smoothed and filtered image.
  • edge calculation step S103 the edge calculation means 30 calculates edge information for the region of interest.
  • the determination means 40 first determines whether or not the noise of the image is large based on the smoothed filtered image, the region of interest and the edge value based on the edge information (sub step S1041).
  • sub-step S1051 of image division step S105 is executed to divide the image using the level set method based on the region.
  • sub-step S1041 determines whether or not the image noise is not large. If the result of determination in sub-step S1041 is that the image noise is not large, it is further determined whether or not the image is blurred (sub-step S1042). If the result of determination in sub-step S1042 is that the image is blurred, sub-step S1051 of image division step S105 is executed to divide the image using the level set method based on the region.
  • sub-step S1052 of image division step S105 is executed, and the image is divided using a level set method based on gradients.
  • an appropriate level set method is selected depending on whether the noise of the image is large and whether the image is blurry, and the feature information of the image is fully utilized and is different.
  • An ideal division effect can be obtained for the feature image. And it can be easily combined with other division methods. Further, it can be easily realized by software or hardware, and only a little change is required after applying to conventional software or hardware.
  • the determination means 40 can further determine whether the intensity of the image is uniform.
  • the determination step when it is determined by the determination means 40 that the image noise is not large and the image is blurred, and the image intensity is determined to be uniform, the image division means 50 is divided into regions. The image is segmented using a based level set method.
  • the determination step if the determination unit 40 determines that the image noise is not large and the image is blurred, and further determines that the intensity of the image is not uniform, the image division unit 50 in the image division step. Divides the image using a gradient based level set method. This will be specifically described below.
  • FIG. 3 shows a flowchart of the image dividing method according to the second embodiment of the present invention.
  • step S201 an image to be divided is read.
  • step S202 smoothing filtering is performed on the read image.
  • a guided filter algorithm in the prior art can be used.
  • a region of interest is set.
  • an approximate region including a division target may be manually selected, or a region at a fixed position may be automatically selected based on experience.
  • an edge image is acquired for the region of interest of the smoothed filtered image.
  • the canny algorithm in the prior art is used.
  • an edge value is calculated, and for example, an average value of edge pixels in the edge image is calculated using a conventional technique.
  • step S205 the noise characteristics of the image are determined.
  • method step S205 If it is determined in method step S205 that the noise in the image is large, then method step S209 is executed, and division is performed using the level set method based on the region.
  • method step S206 is subsequently executed.
  • step S206 it is determined whether or not the current image is blurred.
  • method step S207 is subsequently executed.
  • method step S208 is subsequently executed, and division is performed using a level set method based on gradients.
  • step S207 it is determined whether or not the intensity of the current image is uniform.
  • step S207 If it is determined in method step S207 that the intensity of the current image is uniform, then step S209 is executed, and division is performed using the level set method based on the region.
  • step S208 is subsequently executed, and division is performed using a level set method based on a gradient.
  • method step S210 the division result obtained in method step S208 or method step S209 is output.
  • Step S202 described above corresponds to the smoothing filtering step of the present invention
  • step S203 corresponds to the region setting step
  • acquisition of the edge image in step S204 corresponds to the edge calculation step
  • steps S205 to S207 correspond to the determination step
  • Steps S208 and S209 correspond to the image division step.
  • an appropriate level setting method is selected on the basis of whether the image is noisy and whether the image is blurred or not, depending on whether the intensity of the image is uniform.
  • the image feature information can be fully utilized, and a more ideal division effect can be obtained for images having different features.
  • the determination unit 40 is based on a difference value between edge values when performing smoothing filtering on an image to be divided using different smoothing filter parameters in the smoothing filtering. Thus, it is determined whether the noise of the image is large. This will be specifically described below.
  • FIG. 4 shows a flowchart for determining whether or not the noise of the image is large in one specific example according to the present invention.
  • a new smoothing filter parameter different from the smoothing filter parameter set in S101 of FIG. 2 or S202 of FIG. 3 is set.
  • method step S302 smoothing filtering is performed on the image with the parameters set in method step S301.
  • a conventional guided filter algorithm is used.
  • method step S303 an edge image is acquired for the region of interest set corresponding to method step S102 of FIG. 2 or step S203 of FIG. 3 in the image obtained by filtering in method step S302.
  • the canny algorithm in the prior art is used.
  • an edge value is calculated, and an average value of edge pixels in the edge image is calculated using, for example, a conventional technique.
  • method step S304 a difference value between the edge value obtained in step S103 of FIG. 2 or method step S204 of FIG. 3 and the edge value obtained in method step S303 is calculated.
  • method step S305 it is determined whether or not the edge value difference value obtained in method step S304 is greater than a threshold value.
  • method step S305 If it is determined in method step S305 that the difference value is larger than the threshold value, the process proceeds to method step S306, that is, it is determined that the noise of the image is large.
  • method step S305 If it is determined in method step S305 that the difference value is not larger than the threshold value, the process proceeds to method step S307, that is, it is determined that the noise of the image is not large.
  • a threshold value may be set in advance, or a threshold value may be set using the following method. That is, an image to be divided using the above different smoothing filter parameters using the difference value between the edge values when performing smoothing filtering on the reference image using the above different smoothing filter parameters as a noise threshold If the difference value between the edge values when performing smoothing filtering is larger than the noise threshold, it is determined that the noise of the image to be divided is large. This will be specifically described below.
  • FIG. 5 is a flowchart of a threshold setting method for determining whether or not the image noise is large in the specific example shown in FIG.
  • smoothing filtering is performed on the read reference image.
  • the reference image for setting the threshold may be an image manually selected based on experience or an image automatically selected by the system based on history recording.
  • a region of interest is set. As a method for setting a region of interest, an approximate region including a division target may be manually selected, or a region at a fixed position may be automatically selected based on experience.
  • an edge image is acquired for the region of interest of the smoothed filtered reference image.
  • the canny algorithm in the prior art is used.
  • an edge value is calculated, and for example, an average value of edge pixels in the edge image is calculated using a conventional technique.
  • step S405 smoothing filtering is performed on the reference image with the parameters set in method step S404.
  • a guided filter algorithm in the prior art is used.
  • an edge image is acquired for the region of interest set corresponding to method step S402 in the image obtained by filtering in method step S405.
  • the canny algorithm in the prior art is used.
  • an edge value is calculated, and for example, an average value of edge pixels in the edge image is calculated using a conventional technique.
  • method step S407 the difference value between the edge values obtained in method step S403 and method step S406 is calculated.
  • the difference value of the edge values obtained in method step S407 is set as a noise threshold value that is a noise threshold value of the image.
  • the determination means 40 determines whether or not the image is blurred based on the edge value between the region of interest of the image to be divided and a predetermined initial contour. This will be specifically described below.
  • FIG. 6 shows a flowchart for determining whether an image is blurred in another specific example of the present invention.
  • an edge image is acquired for the region in the initial contour in the image obtained by filtering in step S101 of FIG. 2 or method step S202 of FIG.
  • the initial contour is a region different from the region of interest, and the setting method may manually select an approximate region within the division target, or may automatically select a fixed-position region based on experience.
  • the edge value of the partial image between the region of interest and the initial contour is calculated.
  • a conventional technique can be used for calculating the edge value. For example, the average value of the edge pixels of the partial image between the region of interest and the initial contour is calculated.
  • method step S503 it is determined whether the edge value obtained in method step S502 is smaller than a threshold value.
  • method step S503 If it is determined in method step S503 that the difference value is smaller than the threshold value, the process proceeds to method step S504, that is, it is determined that the image is blurred.
  • method step S503 If it is determined in method step S503 that the difference value is not smaller than the threshold value, the process proceeds to method step S505, that is, it is determined that the image is not blurred.
  • the fuzzy threshold that is the above threshold may be set in advance, for example, or may be set by the following method. That is, when the edge value between the region of interest of the reference image and the initial contour is a fuzzy threshold value and the edge value between the region of interest of the image to be divided and the initial contour is smaller than the fuzzy threshold value, the image to be divided is Judge as blurry. This will be specifically described below.
  • FIG. 7 shows a flowchart of a threshold setting method for determining whether an image is blurred in the specific example shown in FIG.
  • method step S601 smoothing filtering is performed on the read reference image.
  • the reference image for setting the threshold may be an image manually selected based on experience or an image automatically selected by the system based on history recording.
  • method step S602 a region of interest is set. As a method for setting a region of interest, an approximate region including a division target may be manually selected, or a region at a fixed position may be automatically selected based on experience.
  • an edge image is acquired for the region of interest of the smoothed and filtered reference image.
  • the canny algorithm in the prior art is used.
  • an edge image is acquired for the region in the initial contour in the reference image obtained by filtering in method step S601.
  • the canny algorithm in the prior art is used.
  • the initial contour is a region different from the region of interest, and the setting method may manually select an approximate region within the division target, or may automatically select a fixed-position region based on experience.
  • the edge value of the partial image between the region of interest and the initial contour is calculated using the edge image obtained in method step S603 and the edge image obtained in method step S604.
  • a conventional technique can be used for calculating the edge value. For example, the average value of the edge pixels of the partial image between the region of interest and the initial contour is calculated.
  • the edge value obtained in method step S605 is set as a fuzzy threshold which is a threshold for determining blurring of an image.
  • the determination unit 40 determines whether or not the intensity of the image is uniform based on the luminance uniformity within a predetermined initial contour of the image to be divided. This will be specifically described below.
  • FIG. 8 is a flowchart for determining whether the intensity of an image is uniform in still another specific example of the present invention.
  • a standard deviation of image pixels is calculated for the region in the initial contour in the image obtained by filtering in step S101 of FIG. 2 or method step S202 of FIG.
  • an approximate region within the division target may be manually selected, or a region at a fixed position may be automatically selected based on experience.
  • method step S702 it is determined whether the standard deviation obtained in method step S701 is smaller than a threshold value.
  • the process proceeds to the method step S703, that is, it is determined that the image intensity is uniform.
  • the process proceeds to the method step S704, that is, it is determined that the image intensity is not uniform.
  • the processing amount can be reduced and the processing load can be reduced by appropriately setting the initial contour of the image and calculating the luminance uniformity inside thereof.
  • the initial contour for example, by including only the inside of the object of interest (for example, a tumor)
  • Accuracy can be improved.
  • a threshold value may be set in advance for the uniformity threshold value that is the above threshold value, or the threshold value may be set by the following method. That is, when the luminance uniformity in the initial contour of the reference image is set as the uniformity threshold and the luminance uniformity in the initial contour of the image to be divided satisfies the uniformity threshold, it is determined that the intensity of the image is uniform. .
  • the standard deviation of the pixel is an example of the luminance uniformity of the pixel.
  • various conventional techniques for calculating the luminance uniformity of the image for example, standard Deviation or variance can be used.
  • the relationship between the parameter size and the high degree of uniformity of the image intensity may be directly proportional or may be inversely proportional.
  • the present invention is not limited to the case where it is smaller than the above threshold. In other words, satisfying the uniformity threshold here is not inferior to the uniformity threshold.
  • FIG. 9 is a flowchart of a threshold setting method for determining whether the image intensity is uniform in the specific example shown in FIG.
  • step S801 smoothing filtering is performed on the read reference image.
  • a guided filter algorithm in the prior art is used.
  • the reference image for setting the threshold may be an image manually selected based on experience or an image automatically selected by the system based on history recording.
  • the standard deviation of image pixels is calculated using, for example, a conventional technique for the region in the initial contour in the image obtained by filtering in method step S801.
  • an approximate region within the division target may be manually selected, or a region at a fixed position may be automatically selected based on experience.
  • the standard deviation obtained in method step S802 is set as a uniformity threshold value, which is a threshold value for uniform image intensity.
  • a process similar to the process for an image to be divided may be used to calculate the luminance uniformity in the initial contour with respect to the reference image and set it as a uniformity threshold, thereby simplifying the processing process.
  • FIGS. 10 to 13 show the results of applying the second embodiment of the present invention to a tumor ultrasound image.
  • the white dotted line rectangular frame indicates the selected region of interest
  • the white solid line rectangular frame indicates the selected initial contour.
  • FIG. 10 shows the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image.
  • the input image shown in FIG. 10 is judged to be uniform, with no image noise, blurring, and uniform.
  • a region-based level set method is selected and used.
  • the comparison result shows that the result of the level set method based on the region is superior to the result of the level set method based on the gradient for the input image shown in FIG.
  • FIG. 11 shows the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image.
  • the input image shown in FIG. 11 is judged to be uniform, with noisy and blurred image, and the image division method of the second embodiment (FIG. 3).
  • the level set method based on the region is selected and used based on the flowchart shown in FIG.
  • the comparison result shows that the result of the level set method based on the region is superior to the result of the level set method based on the gradient for the input image shown in FIG.
  • FIG. 12 shows the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image.
  • the image dividing method of the second embodiment of the present invention it is determined that the input image shown in FIG. 12 has no image noise, is blurry, and is uneven, and the image dividing method of the second embodiment ( Based on the flowchart shown in FIG. 3, the gradient based level set method is selected and used.
  • the comparison result shows that the result of the level set method based on the gradient is superior to the result of the level set method based on the region for the input image shown in FIG.
  • FIG. 13 shows the result of applying the image segmentation method according to the second embodiment of the present invention to a tumor ultrasound image.
  • the image division method of the second embodiment of the present invention it is determined that the input image shown in FIG. 13 has no image noise and is not blurred, and the image division method of the second embodiment (the flowchart shown in FIG. 3).
  • the gradient-based level set method is selected and used.
  • the comparison result shows that the result of the level set method based on the gradient is superior to the result of the level set method based on the region for the input image shown in FIG.
  • the division result of the present invention has been described by taking an ultrasonic image as an example. Furthermore, it can be applied to images other than medical use.
  • the divided image according to the present invention can be used in a plurality of fields such as scientific research and biological data acquisition. Further, the divided image according to the present invention can be used as intermediate data in fields such as disease diagnosis and health care.
  • Example of this invention was described based on drawing, the Example described above is only a specific example for understanding this invention, and is not for limiting the range of this invention. Engineers in this field can make various modifications, combinations, and rational omissions of each embodiment based on the technical contents of the present invention, and the forms obtained thereby are also within the scope of the present invention. included.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本発明は画像分割装置、画像分割方法及び画像処理システムを提供する。画像分割方法は、平滑化フィルタリングステップ、領域設定ステップ、エッジ算出ステップ、判断ステップ及び画像分割ステップを備える。判断ステップにおいて画像のノイズが大きいと判断された場合、画像分割ステップは領域に基づくレベルセット法を用いて画像を分割し、判断ステップにおいて画像のノイズが大きくなく、そして、さらに画像がぼやけていないと判断された場合、画像分割ステップは勾配に基づくレベルセット法を用いて画像を分割する。本発明の画像分割装置、画像分割方法及び画像処理システムによれば、画像のノイズが大きいかどうか、及び画像がぼやけているかどうかに応じて適切なレベルセット法を選択して、画像の特徴情報を十分に利用し、異なる特徴の画像に対して理想的な分割効果を得ることができる。

Description

画像分割装置、画像分割方法及び画像処理システム
　本発明は画像分割装置、画像分割方法及び画像処理システムに関する。
　画像分割は画像処理と分析のための重要なプロセスである。例えば、医学画像分割は医学画像処理の研究において重要な意義を有し、中間処理として、位置合わせや測定などを含む後続する画像処理の基礎である。医学画像において、病巣を正確に位置決めし、病巣の範囲を確定することは、後続する診断と治療に極めて重要な影響を与える。従来の医学画像分割は、医療従事者が手動で境界を描くので、再現性が低く、作業量が多い。コンピュータと画像処理技術の発展に伴い、コンピュータ補助による医学画像分割が益々重要な研究課題になっている。
　レベルセット法は曲線展開問題の解を求める一つの方法であり、曲線或いは曲面の展開問題を一次元高い空間におけるレベル基関数の曲面展開に転化する方法で解を求め、トポロジーの変化ができ、画像分割の重要な手段である。現在、レベルセット法は大きく分けて、勾配に基づくレベルセット法と領域に基づくレベルセット法の二種類に分けられる。勾配に基づくレベルセット法は非特許文献１により提案された理論的枠組みから生まれ、その基本原理は画像の勾配を用いて分割対象の境界で曲線展開を停止する。領域に基づくレベルセットは非特許文献２により提案された理論的枠組みから生まれ、その基本原理は画像において分割境界の内外領域のそれぞれが統計上均一の強度を有すると仮定する。
　近年、従来のレベルセット法の分割効果を改善すべく、幾つかの新しい方法が提案された。例えば、非特許文献３では勾配に基づくレベルセット法が用いられ、非特許文献４では領域に基づくレベルセット法が用いられている。また、特許文献１では三次元肺血管画像に対して、画像領域平均値（領域に対応する）と画像エッジエネルギー（勾配に対応する）を同時に総エネルギー関数に加えて、レベルセット法を用いてエネルギーが最も小さい最適化問題の解を求めている。
《Shape modeling with front propagation: A level set approach》, Malladi; 《Boundary detection by minimizing functionals》, Mumford-Shah; 《Distance Regularized Level Set Evolution and its Application to Image Segmentation》, C.Li, C.Xu, C.Gui, and M.D.Fox, IEEE Trans. Image Processing, vol.19 (12), 2010; 《A Level Set Method for Image Segmentation in the Presence of Intensity Inhomogeneities with Application to MRI》, C.Li, R.Huang, Z.Ding, C.Gatenby, D.N.Metaxas, and J.C.Gore, IEEE Trans. Image Processing, vol.20(7), pp.2007-2016, 2011。
ＣＮ１０２２４３７５９Ｂ
　しかしながら、上記の従来の技術においては、依然以下のような技術課題が存在する。例えば、非特許文献３などの勾配に基づくレベルセット法の主な問題は、画像が低勾配値を有する弱境界のときに分割効果がよくない。一方、非特許文献４などの領域に基づくレベルセット法の主な問題は、各領域における画像の強度が不均一のときに分割された効果がよくない。
　また、特許文献１は三次元肺血管画像に対してのみ出された発明であり、様々な画像の異なる状況を考慮せず、常に画像領域平均値（領域に対応する）と画像エッジエネルギー（勾配に対応する）を同時に総エネルギー関数に加えてレベルセット法を用いて解を求めている。したがって、特許文献１は様々な画像への適用が難しく、そして演算量が大きく、装置の処理負荷が増加する。
　例えば、超音波画像は画像形成の固有特徴から、画像のノイズが大きく、斑点が多く、コントラストが低く、腫瘤内部の輝度の不均一と境界が鮮明でないことがいずれも生じる可能性がある。従来の技術における上記のいずれの方法を用いても異なる特徴の超音波画像に対して理想的な分割効果を得ることが難しい。
　本発明は、異なる実際のシーンにおいて優れた分割効果を確保可能な画像分割装置、画像分割方法及び画像処理システムを提供する。
上記の効果を達成すべく、本発明は画像を分割する画像分割装置を提供し、該画像分割装置は、前記画像に対して平滑化フィルタリングを行う平滑化フィルタ手段と、平滑化フィルタリング後の前記画像に関心領域を設定する領域設定手段と、前記関心領域に対してエッジ情報を算出するエッジ算出手段と、前記平滑化フィルタリング後の画像、前記関心領域及び前記エッジ情報に基づくエッジ値に基づいて、前記画像のノイズが大きいかどうか、及び前記画像がぼやけているかどうかを判断する判断手段と、前記判断手段の判断結果に基づいて、勾配に基づくレベルセット法または領域に基づくレベルセット法を用いて前記画像を分割する画像分割手段と、を備え、前記判断手段により前記画像のノイズが大きいと判断された場合、前記画像分割手段は領域に基づくレベルセット法を用いて前記画像を分割し、前記判断手段により前記画像のノイズが大きくなく、そして、さらに前記画像がぼやけていないと判断された場合、前記画像分割手段は勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする。
　また、本発明は、さらに、画像を分割する画像分割方法を提供し、該画像分割方法は、前記画像に対して平滑化フィルタリングを行う平滑化フィルタリングステップと、平滑化フィルタリング後の前記画像に関心領域を設定する領域設定ステップと、前記関心領域に対してエッジ情報を算出するエッジ算出ステップと、前記平滑化フィルタリング後の画像、前記関心領域及び前記エッジ情報に基づくエッジ値に基づいて、前記画像のノイズが大きいかどうか、及び前記画像がぼやけているかどうかを判断する判断ステップと、前記判断ステップの判断結果に基づいて、勾配に基づくレベルセット法または領域に基づくレベルセット法を用いて前記画像を分割する画像分割ステップと、を備え、前記判断ステップにより前記画像のノイズが大きいと判断された場合、前記画像分割ステップは領域に基づくレベルセット法を用いて前記画像を分割し、前記判断ステップにより前記画像のノイズが大きくなく、そして、さらに前記画像がぼやけていないと判断された場合、前記画像分割ステップは勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする。
　また、本発明は、さらに、画像に対して処理を行うとともに処理後の画像を出力する画像処理システムを提供し、該画像処理システムは、画像を取得する画像取得装置と、前記画像取得装置で取得した画像を分割する画像分割装置と、前記画像分割装置により分割された画像を出力する出力装置と、を備えることを特徴とする。
　本発明の画像分割装置、画像分割方法及び画像処理システムによれば、画像のノイズが大きいかどうか、及び画像がぼやけているかどうかに応じて適切なレベルセット法を選択して、画像の特徴情報を十分に利用し、異なる特徴の画像に対して理想的な分割効果を得ることができる。そして、その他の分割方法に容易に結び付けることができる。また、ソフトウェア或いはハードウェアによって簡単に実現することができ、従来のソフトウェア或いはハードウェアに適用した上で、少し変更を加えるだけでよい。
　本発明の画像分割方法は、前記判断ステップが、さらに、前記画像の強度が均一であるかどうかを判断可能であり、前記判断ステップにより前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が均一であると判断された場合、前記画像分割ステップは領域に基づくレベルセット法を用いて前記画像を分割し、前記判断ステップにより前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が不均一であると判断された場合、前記画像分割ステップは勾配に基づくレベルセット法を用いて前記画像を分割してもよい。
　これにより、画像のノイズが大きいかどうか、及び画像がぼやけているかどうかを基に、さらに画像の強度が均一であるかどうかに応じて適切なレベルセット法を選択して、画像の特徴情報を十分に利用し、異なる特徴の画像に対してより理想的な分割効果を得ることができる。
　本発明の画像分割方法は、前記判断ステップにおいて、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値に基づいて、前記画像のノイズが大きいかどうかを判断してもよい。
　これにより、画像のノイズが大きいかどうかを判断する一つの具体的な方法を提供した。この方法によれば、平滑化フィルタパラメータを変更して、算出されたエッジ値同士の差値を判断するだけでよく、これにより上記の画像分割処理において既に利用したエッジ値を用いることができ、処理量を減少させ、処理負荷を軽減させることができる。
　本発明の画像分割方法は、前記判断ステップにおいて、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記リファレンス画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値をノイズ閾値とし、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値が前記ノイズ閾値より大きい場合、前記画像のノイズが大きいと判断してもよい。
　これにより、画像のノイズが大きいかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対してエッジ値同士の差値を算出してノイズ閾値とすればよく、処理過程を簡素化することができる。
　本発明の画像分割方法は、前記判断ステップにおいて、前記画像の前記関心領域と予め決められた初期輪郭の間のエッジ値に基づいて、前記画像がぼやけているかどうかを判断してもよい。
　これにより、画像がぼやけているかどうかを判断する一つの具体的な方法を提供した。この方法によれば、画像の関心領域と予め決められた初期輪郭の間のエッジ値を判断するだけでよく、これにより上記の画像分割処理において既に利用したエッジ値を用いることができ、処理量を減少させ、処理負荷を軽減するとともに正確性を向上させることができる。
　本発明の画像分割方法は、前記判断ステップにおいて、リファレンス画像の関心領域と初期輪郭の間のエッジ値をファジー閾値とし、前記画像の前記関心領域と初期輪郭の間のエッジ値が前記ファジー閾値より小さい場合、前記画像がぼやけていると判断してもよい。
　これにより、画像がぼやけているかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対して関心領域と初期輪郭の間のエッジ値を算出してファジー閾値とすればよく、処理過程を簡素化することができる。
　本発明の画像分割方法は、前記判断ステップにおいて、前記画像の予め決められた初期輪郭内の輝度均一度に基づいて、前記画像の強度が均一であるかどうかを判断してもよい。
　これにより、画像の強度が均一であるかどうかを判断する一つの具体的な方法を提供した。この方法によれば、画像の初期輪郭を適切に設定するとともにその内部の輝度均一度を算出することにより、処理量を減少させ、処理負荷を軽減するとともに正確性を向上させることできる。
　本発明の画像分割方法は、前記判断ステップにおいて、前記リファレンス画像の初期輪郭内の輝度均一度を均一度閾値とし、前記画像の予め決められた初期輪郭内の輝度均一度が均一度閾値を満たす場合、前記画像の強度が均一であると判断してもよい。
　これにより、画像の強度が均一であるかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対して初期輪郭内の輝度均一度値を算出して均一度閾値とすればよく、処理過程を簡素化することができる。
　また、本発明の画像分割方法の上記のそれぞれの方法はいずれも画像分割装置或いは画像処理システムによって実現することができる。また、本発明は上記の画像分割方法、画像分割装置及び画像処理システムに限らず、上記の画像分割方法をコンピュータに実行させる画像分割プログラム或いは上記の画像分割装置を構成する集積回路によって実現してもよい。
本発明に係わる画像処理システムの構成ブロック図を示す。 本発明の第一実施例に係わる画像分割方法のフローチャートを示す。 本発明の第二実施例に係わる画像分割方法のフローチャートを示す。 本発明に係わる一具体例において画像のノイズが大きいかどうかを判断するフローチャートを示す。 図４に示す具体例において画像のノイズが大きいかどうかを判断する閾値の設定方法のフローチャートを示す。 本発明に係わる他の具体例において画像がぼやけているかどうかを判断するフローチャートを示す。 図６に示す具体例において画像がぼやけているかどうかを判断する閾値の設定方法のフローチャートを示す。 本発明に係わるさらに他の具体例において画像の強度が均一であるかどうかを判断するフローチャートを示す。 図８に示す具体例において画像の強度が均一であるかどうかを判断する閾値の設定方法のフローチャートを示す。 本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。 本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。 本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。 本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。
　以下、図面及び実施例に基づいて本発明についてより詳しく説明する。なお、図面において同一または対応部分については同一の符号を付し、その説明を省略する。
　図１は本発明に係わる画像処理システムの簡単な構成ブロック図を示す。
　図１に示すように、本発明に係わる画像処理システムは、画像取得装置１００、画像分割装置２００及び出力手段３００を含む。前記画像取得装置１００は画像を取得し、前記画像を画像分割装置２００に伝送する。前記画像分割装置２００は画像取得装置１００により提供された画像に対して分割処理を行う。処理に必要或いは処理により生成した様々なデータは例えば共有メモリに記憶される。前記出力手段３００は画像分割装置２００によって分割処理された結果を出力（及び／または表示）する。
　画像分割装置２００は平滑化フィルタ手段１０、領域設定手段２０、エッジ算出手段３０、判断手段４０及び画像分割手段５０を含む。画像分割装置２００に備えられているこれらの構成はそれぞれ独立した回路構成によってハードウェアとして実現してもよく、プロセッサによりメモリに記憶されたプログラムを実行することで機能モジュールとして実現してもよい。以下、具体的に説明する。
　前記平滑化フィルタ手段１０は画像取得装置１００により提供された画像に対して平滑化フィルタリングを行い、平滑化フィルタリングされた画像を領域設定手段２０、エッジ算出手段３０及び判断手段４０に送信する。
　前記領域設定手段２０は平滑化フィルタリングされた画像に関心領域を設定するとともに関心領域の設定結果を前記エッジ算出手段３０と判断手段４０に送信する。
　前記エッジ算出手段３０は現在画像において関心領域のエッジ情報を算出する。画像のエッジ情報の算出は、従来の画像エッジ検出アルゴリズム、例えばキャニー（canny）アルゴリズムを用いることができる。
　前記判断手段４０は平滑化フィルタ手段１０により出力された平滑化フィルタリングされた画像、領域設定手段２０により設定された関心領域、及びエッジ算出手段３０により出力されたエッジ情報を読み取り、該エッジ情報を用いてエッジ値を算出し、且つ例えば画像のノイズが大きいかどうか、画像がぼやけているかどうか、画像の強度が均一であるかどうかを判断する。
　例えば、判断手段４０は、画像のノイズパラメータ、ファジーパラメータ及び均一パラメータをそれぞれ算出し、共有メモリからリファレンス画像のノイズパラメータ、ファジーパラメータ及び均一パラメータを読み取って、画像のノイズ、ファジー及び均一の特徴について分析することができる。
　前記画像分割手段５０は判断手段４０により得られた画像特徴を用いて現在画像に対して分割処理を行う。ここで、例えば既知のレベルセット法を用いて前記分割処理を行うことができる。また、前記画像分割手段５０はさらに画像に対してその他の後処理を行うことができる。
　以下、本発明の第一実施例に係る画像分割装置２００により実行する画像分割方法について具体的に説明する。図２は本発明の第一実施例に係わる画像分割方法のフローチャートを示す。
　図２に示すように、本発明の第一実施例の画像分割方法は平滑化フィルタリングステップＳ１０１、領域設定ステップＳ１０２、エッジ算出ステップＳ１０３、判断ステップＳ１０４及び画像分割ステップＳ１０５を含む。
平滑化フィルタリングステップＳ１０１において、平滑化フィルタ手段１０は画像に対して平滑化フィルタリングを行う。
　領域設定ステップＳ１０２において、領域設定手段２０は平滑化フィルタリングされた前記画像に関心領域を設定する。
　エッジ算出ステップＳ１０３において、エッジ算出手段３０は関心領域に対してエッジ情報を算出する。
　判断ステップＳ１０４において、判断手段４０は先ず平滑化フィルタリングされた画像、関心領域及びエッジ情報に基づくエッジ値に基づいて、画像のノイズが大きいかどうかを判断する（サブステップＳ１０４１）。
　サブステップＳ１０４１における判断結果、画像のノイズが大きい場合、画像分割ステップＳ１０５のサブステップＳ１０５１を実行し、領域に基づくレベルセット法を用いて画像を分割する。
　サブステップＳ１０４１における判断結果、画像のノイズが大きくない場合、さらに画像がぼやけているかどうかを判断する（サブステップＳ１０４２）。
サブステップＳ１０４２における判断結果、画像がぼやけている場合、画像分割ステップＳ１０５のサブステップＳ１０５１を実行し、領域に基づくレベルセット法を用いて画像を分割する。
　サブステップＳ１０４２における判断結果、画像がぼやけていない場合、画像分割ステップＳ１０５のサブステップＳ１０５２を実行し、勾配に基づくレベルセット法を用いて画像を分割する。
　本発明の第一実施例によれば、画像のノイズが大きいかどうか、及び画像がぼやけているかどうかに応じて適切なレベルセット法を選択して、画像の特徴情報を十分に利用し、異なる特徴の画像に対して理想的な分割効果を得ることができる。そして、その他の分割方法に容易に結び付けることができる。また、ソフトウェア或いはハードウェアによって簡単に実現することができ、従来のソフトウェア或いはハードウェアに適用した上で、少し変更を加えるだけでよい。
　以下、本発明の第二実施例に係る画像分割装置２００により実行する画像分割方法について具体的に説明する。第二実施例は第一実施例を基に画像の強度が均一であるかどうかの判断を追加したもので、その他は第一実施例を参照してよい。以下、第一実施例と異なる点のみに重点をおいて説明し、第一実施例と同じ或いは似ている箇所については説明を省略する。
　本発明の第二実施例によれば、判断手段４０はさらに画像の強度が均一であるかどうかを判断することができる。判断ステップにおいて、判断手段４０により画像のノイズが大きくなく且つ画像がぼやけていると判断され、さらに画像の強度が均一であると判断された場合、画像分割ステップにおいて、画像分割手段５０は領域に基づくレベルセット法を用いて前記画像を分割する。また、判断ステップにおいて、判断手段４０により画像のノイズが大きくなく且つ画像がぼやけていると判断され、さらに画像の強度が不均一であると判断された場合、画像分割ステップにおいて、画像分割手段５０は勾配に基づくレベルセット法を用いて前記画像を分割する。以下、具体的に説明する。
　図３は本発明の第二実施例に係わる画像分割方法のフローチャートを示す。
　方法ステップＳ２０１において、分割しようとする画像を読み取る。
　方法ステップＳ２０２において、読み取った画像に対して平滑化フィルタリングを行う。例えば、従来の技術におけるガイデッドフィルタ（guided filter）アルゴリズムを用いることができる。
　方法ステップＳ２０３において、関心領域を設定する。関心領域の設定方法は、手動で分割対象を含むおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ２０４において、平滑化フィルタリングされた画像の関心領域に対して、エッジ画像を取得する。ここで、例えば、従来の技術におけるcannyアルゴリズムを用いる。その後、エッジ値を算出し、例えば、従来の技術を用いてエッジ画像におけるエッジピクセルの平均値を算出する。
　方法ステップＳ２０５において、画像のノイズの特徴を判断する。
　方法ステップＳ２０５において、画像のノイズが大きいと判断されると、続いて方法ステップＳ２０９を実行し、領域に基づくレベルセット法を用いて分割を行う。
　方法ステップＳ２０５において、画像のノイズが大きくないと判断されると、続いて方法ステップＳ２０６を実行する。
　方法ステップＳ２０６において、現在画像がぼやけているかどうかを判断する。
　方法ステップＳ２０６において、現在画像がぼやけていると判断されると、続いて方法ステップＳ２０７を実行する。
　方法ステップＳ２０６において、現在画像がぼやけていないと判断されると、続いて方法ステップＳ２０８を実行し、勾配に基づくレベルセット法を用いて分割を行う。
　その次の方法ステップＳ２０７において、現在画像の強度が均一であるかどうかを判断する。
　方法ステップＳ２０７において、現在画像の強度が均一であると判断されると、続いてステップＳ２０９を実行し、領域に基づくレベルセット法を用いて分割を行う。
　方法ステップＳ２０７において、現在画像の強度が不均一であると判断されると、続いてステップＳ２０８を実行し、勾配に基づくレベルセット法を用いて分割を行う。
　続いて方法ステップＳ２１０において、方法ステップＳ２０８或いは方法ステップＳ２０９で得られた分割結果を出力する。
　上記のステップＳ２０２は本発明の平滑化フィルタリングステップに対応し、ステップＳ２０３は領域設定ステップに対応し、ステップＳ２０４におけるエッジ画像の取得はエッジ算出ステップに対応し、ステップＳ２０５～Ｓ２０７は判断ステップに対応し、ステップＳ２０８とＳ２０９は画像分割ステップに対応する。
　本発明の第二実施例によれば、画像のノイズが大きいかどうか及び画像がぼやけているかどうかを基に、さらに画像の強度が均一であるかどうかに応じて適切なレベルセット法を選択して、画像の特徴情報を十分に利用し、異なる特徴の画像に対してより理想的な分割効果を得ることができる。
　以下、本発明の一具体例について具体的に説明する。本具体例は上記の第一実施或いは上記の第二実施例に適用することができる。
　本具体例によれば、判断ステップにおいて、判断手段４０は平滑化フィルタリングで異なる平滑化フィルタパラメータを用いて分割しようとする画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値に基づいて、該画像のノイズが大きいかどうかを判断する。以下、具体的に説明する。
　図４は本発明に係わる一具体例において画像のノイズが大きいかどうかを判断するフローチャートを示す。
　方法ステップＳ３０１において、この前の図２のＳ１０１或いは図３のＳ２０２で設定された平滑化フィルタパラメータと異なる新たな平滑化フィルタパラメータを設定する。
　方法ステップＳ３０２において、方法ステップＳ３０１で設定されたパラメータで画像に対して平滑化フィルタリングを行う。例えば従来の技術におけるguided filterアルゴリズムを用いる。
方法ステップＳ３０３において、方法ステップＳ３０２でフィルタリングして得られた画像における図２の方法ステップＳ１０２或いは図３のステップＳ２０３に対応して設定された関心領域に対して、エッジ画像を取得する。ここで、例えば、従来の技術におけるcannyアルゴリズムを用いる。その後、エッジ値を算出し、例えば従来の技術を用いてエッジ画像におけるエッジピクセルの平均値を算出する。
　方法ステップＳ３０４において、図２のステップＳ１０３或いは図３の方法ステップＳ２０４で得られたエッジ値と方法ステップＳ３０３で得られたエッジ値の差値を算出する。
　方法ステップＳ３０５において、方法ステップＳ３０４で得られたエッジ値の差値が閾値より大きいかどうかを判断する。
　方法ステップＳ３０５において、差値が閾値より大きいと判断されると、続いて方法ステップＳ３０６に進み、即ち画像のノイズが大きいと判断する。
　方法ステップＳ３０５において、差値が閾値より大きくないと判断されると、続いて方法ステップＳ３０７に進み、即ち画像のノイズが大きくないと判断する。
　これにより、画像のノイズが大きいかどうかを判断する一つの具体的な方法を提供した。この方法によれば、平滑化フィルタパラメータを変更して、算出されたエッジ値同士の差値を判断するだけでよく、これにより上記の画像分割処理において既に算出されたエッジ値を用いることができ、処理量を減少させ、処理負荷を軽減させることができる。
　上記の閾値であるノイズ閾値について、例えば閾値を予め設定してもよく、下記のような方法を用いて閾値を設定してもよい。即ち、上記の異なる平滑化フィルタパラメータを用いてリファレンス画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値をノイズ閾値とし、上記の異なる平滑化フィルタパラメータを用いて分割しようとする画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値が前記ノイズ閾値より大きい場合、分割しようとする画像のノイズが大きいと判断する。以下、具体的に説明する。
　図５は図４に示す具体例において画像のノイズが大きいかどうかを判断する閾値の設定方法のフローチャートを示す。
方法ステップＳ４０１において、読み取ったリファレンス画像に対して平滑化フィルタリングを行う。ここで、例えば、従来の技術におけるguided filterアルゴリズムを用いる。閾値を設定するリファレンス画像は手動で経験に基づいて選択した画像であってもよく、システムが履歴記録に基づいて自動的に選択した画像であってもよい。
方法ステップＳ４０２において、関心領域を設定する。関心領域の設定方法は、手動で分割対象を含むおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ４０３において、平滑化フィルタリングされたリファレンス画像の関心領域に対して、エッジ画像を取得する。ここで、例えば、従来の技術におけるcannyアルゴリズムを用いる。その後、エッジ値を算出し、例えば、従来の技術を用いてエッジ画像におけるエッジピクセルの平均値を算出する。
　方法ステップＳ４０４において、新しい平滑化フィルタパラメータを設定する。
　方法ステップＳ４０５において、方法ステップＳ４０４で設定されたパラメータでリファレンス画像に対して平滑化フィルタリングを行う。ここで、例えば、従来の技術におけるguided filterアルゴリズムを用いる。
　方法ステップＳ４０６において、方法ステップＳ４０５でフィルタリングして得られた画像における方法ステップＳ４０２に対応して設定された関心領域に対して、エッジ画像を取得する。例えば、従来の技術におけるcannyアルゴリズムを用いる。その後、エッジ値を算出し、例えば、従来の技術を用いてエッジ画像におけるエッジピクセルの平均値を算出する。
　方法ステップＳ４０７において、方法ステップＳ４０３と方法ステップＳ４０６で得られたエッジ値の差値を算出する。
　方法ステップＳ４０８において、方法ステップＳ４０７で得られたエッジ値の差値を画像のノイズの閾値であるノイズ閾値とする。
　これにより、画像のノイズが大きいかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対してエッジ値同士の差値を算出してノイズ閾値とすればよく、処理過程を簡素化することができる。
　以下、本発明の他の具体例について具体的に説明する。本具体例は上記の第一実施例或いは上記の第二実施例に適用することができる。
　本具体例によれば、判断ステップにおいて、判断手段４０は分割しようとする画像の関心領域と予め決められた初期輪郭の間のエッジ値に基づいて、該画像がぼやけているかどうかを判断する。以下、具体的に説明する。
　図６は本発明に係わる他の具体例において画像がぼやけているかどうかを判断するフローチャートを示す。
　方法ステップＳ５０１において、図２のステップＳ１０１或いは図３の方法ステップＳ２０２でフィルタリングして得られた画像における初期輪郭内の領域に対して、エッジ画像を取得する。ここで、例えば従来の技術におけるcannyアルゴリズムを用いる。初期輪郭とは関心領域と異なる領域であり、その設定方法は手動で分割対象内のおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ５０２において、図２のステップＳ１０３或いは図３の方法ステップＳ２０４で得られたエッジ画像と方法ステップＳ５０１で得られたエッジ画像を用いて、関心領域と初期輪郭の間の部分画像のエッジ値を算出する。エッジ値の算出には従来の技術を用いることができ、例えば関心領域と初期輪郭の間の部分画像のエッジピクセルの平均値を算出する。
　方法ステップＳ５０３において、方法ステップＳ５０２で得られたエッジ値が閾値より小さいかどうかを判断する。
　方法ステップＳ５０３において、差値が閾値より小さいと判断されると、続いて方法ステップＳ５０４に進み、即ち画像がぼやけていると判断する。
　方法ステップＳ５０３において、差値が閾値より小さくないと判断されると、続いて方法ステップＳ５０５に進み、即ち画像がぼやけていないと判断する。
　これにより、画像がぼやけているかどうかを判断する一つの具体的な方法を提供した。この方法によれば、画像の関心領域と予め決められた初期輪郭の間のエッジ値を判断するだけでよく、これにより上記の画像分割処理において既に算出されたエッジ値を用いることができ、処理量を減少させ、処理負荷を軽減させることができる。関心領域と初期輪郭を適切に設定することで、例えばエッジを関心領域と初期輪郭の間に位置するようにして、関心領域と初期輪郭の間のエッジ値を効率よく用いて画像がぼやけているかどうかを判断し、正確性を向上させることができる。
　上記の閾値であるファジー閾値について、例えば予め閾値を設定してもよく、以下のような方法で閾値を設定してもよい。即ち、リファレンス画像の関心領域と初期輪郭の間のエッジ値をファジー閾値とし、分割しようとする画像の関心領域と初期輪郭の間のエッジ値が該ファジー閾値より小さい場合、分割しようとする画像がぼやけていると判断する。以下、具体的に説明する。
　図７は図６に示す具体例において画像がぼやけているかどうかを判断する閾値の設定方法のフローチャートを示す。
　方法ステップＳ６０１において、読み取ったリファレンス画像に対して平滑化フィルタリングを行う。ここで、例えば、従来の技術におけるguided filterアルゴリズムを用いる。閾値を設定するリファレンス画像は手動で経験に基づいて選択した画像であってもよく、システムが履歴記録に基づいて自動的に選択した画像であってもよい。
方法ステップＳ６０２において、関心領域を設定する。関心領域の設定方法は、手動で分割対象を含むおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ６０３において、平滑化フィルタリングされたリファレンス画像の関心領域に対して、エッジ画像を取得する。ここで、例えば、従来の技術におけるcannyアルゴリズムを用いる。
　方法ステップＳ６０４において、方法ステップＳ６０１でフィルタリングして得られたリファレンス画像における初期輪郭内の領域に対して、エッジ画像を取得する。ここで、例えば、従来の技術におけるcannyアルゴリズムを用いる。初期輪郭とは関心領域と異なる領域であり、その設定方法は手動で分割対象内のおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ６０５において、方法ステップＳ６０３で得られたエッジ画像と方法ステップＳ６０４で得られたエッジ画像を用いて、関心領域と初期輪郭の間の部分画像のエッジ値を算出する。エッジ値の算出には従来の技術を用いることができ、例えば関心領域と初期輪郭の間の部分画像のエッジピクセルの平均値を算出する。
　方法ステップＳ６０６において、方法ステップＳ６０５で得られたエッジ値を画像のぼやけを判断する閾値であるファジー閾値とする。
　これにより、画像がぼやけているかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対して関心領域と初期輪郭の間のエッジ値を算出してファジー閾値とすればよく、処理過程を簡素化することができる。
　以下、本発明のさらに他の具体例について具体的に説明する。本具体例は上記の第二実施例に適用することができる。
本具体例によれば、判断ステップにおいて、判断手段４０は分割しようとする画像の予め決められた初期輪郭内の輝度均一度に基づいて、該画像の強度が均一であるかどうかを判断する。以下、具体的に説明する。
　図８は本発明に係わるさらに他の具体例において画像の強度が均一であるかどうかを判断するフローチャートを示す。
　方法ステップＳ７０１において、図２のステップＳ１０１或いは図３の方法ステップＳ２０２でフィルタリングして得られた画像における初期輪郭内の領域に対して、例えば従来の技術を画像ピクセルの標準偏差を算出する。初期輪郭の設定方法は、手動で分割対象内のおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ７０２において、方法ステップＳ７０１で得られた標準偏差が閾値より小さいかどうかを判断する。
　方法ステップＳ７０２において、標準偏差が閾値より小さいと判断されると、続いて方法ステップＳ７０３に進み、即ち画像強度が均一であると判断する。
　方法ステップＳ７０２において、標準偏差が閾値より小さくないと判断されると、続いて方法ステップＳ７０４に進み、即ち画像強度が不均一であると判断する。
　これにより、画像の強度が均一であるかどうかを判断する一つの具体的な方法を提供した。この方法によれば、画像の初期輪郭を適切に設定するとともにその内部の輝度均一度を算出することにより、処理量を減少させ、処理負荷を軽減させることができる。初期輪郭を適切に設定、例えば関心対象（例えば腫瘤）の内部のみを含むようにすることで、初期輪郭内の輝度均一度を効率よく用いて画像の強度が均一であるかどうかを判断し、正確性を向上させることができる。
　上記の閾値である均一度閾値について、例えば予め閾値を設定してもよく、以下のような方法で閾値を設定してもよい。即ち、リファレンス画像の初期輪郭内の輝度均一度を均一度閾値とし、分割しようとする画像の初期輪郭内の輝度均一度が均一度閾値を満たす場合、該画像の強度が均一であると判断する。
　図８においてはピクセルの標準偏差をピクセルの輝度均一度の一例としたが、画像強度が均一であるかどうかを判断するときに、画像の輝度均一度を算出する様々な従来の技術、例えば標準偏差、或いは分散などを用いることができる。その他のパラメータを用いるときに、パラメータの大きさと画像強度の均一度の高さとの関係は正比例になる可能性もあり、反比例になる可能性もある。このとき、輝度が均一で均一度閾値を満たしさえすれば該画像の強度が均一であると判断し、上記の閾値より小さい場合に限定されない。即ち、ここでの均一度閾値を満たすとは、均一度閾値に劣らないことである。
　図９は図８に示す具体例において画像の強度が均一であるかどうかを判断する閾値の設定方法のフローチャートを示す。
　方法ステップＳ８０１において、読み取ったリファレンス画像に対して平滑化フィルタリングを行う。ここで、例えば、従来の技術におけるguided filterアルゴリズムを用いる。閾値を設定するリファレンス画像は手動で経験に基づいて選択した画像であってもよく、システムが履歴記録に基づいて自動的に選択した画像であってもよい。
　方法ステップＳ８０２において、方法ステップＳ８０１でフィルタリングして得られた画像における初期輪郭内の領域に対して、例えば、従来の技術を用いて画像ピクセルの標準偏差を算出する。初期輪郭の設定方法は、手動で分割対象内のおおよその領域を選択してもよく、経験に基づいて固定位置の領域を自動的に選択してもよい。
　方法ステップＳ８０３において、方法ステップＳ８０２で得られた標準偏差を画像強度が均一の閾値である均一度閾値とする。
　これにより、画像の強度が均一であるかどうかを判断する閾値の一つの設定方法を提供した。この方法によれば、分割しようとする画像に対する処理と似ている処理を用いて、リファレンス画像に対して初期輪郭内の輝度均一度を算出して均一度閾値とすればよく、処理過程を簡素化することができる。
　以下、図１０～図１３により本発明の第二実施例を腫瘤超音波画像に適用した結果を示す。図において、白色点線長方形枠は選択された関心領域を示し、白色実線長方形枠は選択された初期輪郭を示す。
　図１０は本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。
　本発明の第二実施例の画像分割方法によれば、図１０に示す入力画像は画像のノイズが大きくなく、ぼやけており、均一であると判断され、第二実施例の画像分割方法（図３に示すフローチャートを参照）に基づいて、領域に基づくレベルセット法を選択して用いる。対比結果から、図１０に示す入力画像に対して、領域に基づくレベルセット法の結果は勾配に基づくレベルセット法の結果より優れていることが示されている。
　図１１は本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。
　本発明の第二実施例の画像分割方法によれば、図１１に示す入力画像は画像のノイズが大きく、ぼやけており、均一であると判断され、第二実施例の画像分割方法（図３に示すフローチャートを参照）に基づいて、領域に基づくレベルセット法を選択して用いる。対比結果から、図１１に示す入力画像に対して、領域に基づくレベルセット法の結果は勾配に基づくレベルセット法の結果より優れていることが示されている。
　図１２は本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。
　本発明の第二実施例の画像分割方法によれば、図１２に示す入力画像は画像のノイズが大きくなく、ぼやけており、不均一であると判断され、第二実施例の画像分割方法（図３に示すフローチャートを参照）に基づいて、勾配に基づくレベルセット法を選択して用いる。対比結果から、図１２に示す入力画像に対して、勾配に基づくレベルセット法の結果は領域に基づくレベルセット法の結果より優れていることが示されている。
　図１３は本発明の第二実施例に係わる画像分割方法を腫瘤超音波画像に適用した結果を示す。
　本発明の第二実施例の画像分割方法によれば、図１３に示す入力画像は画像のノイズが大きくなく、ぼやけていないと判断され、第二実施例の画像分割方法（図３に示すフローチャートを参照）に基づいて、勾配に基づくレベルセット法を選択して用いる。対比結果から、図１３に示す入力画像に対して、勾配に基づくレベルセット法の結果は領域に基づくレベルセット法の結果より優れていることが示されている。
　以上では超音波画像を例にして本発明の分割結果について説明したが、本発明は超音波画像に限らず、様々な画像に適用することができ、ＭＲＩ画像或いはＣＴ画像などにも適用可能で、さらに医療用途以外の画像にも適用することができる。また、本発明による分割の画像は例えば科学研究、生物体データ取得などの複数の分野で利用することもできる。また、本発明による分割の画像は例えば中間データとして病気診断と健康管理などの分野にも利用することができる。
　以上、図面に基づいて本発明の実施例について説明したが、以上説明した実施例は本発明を理解するための具体例に過ぎず、本発明の範囲を限定するためのものではない。本分野の技術者は本発明の技術内容に基づいて、各実施例について様々な変形、組み合わせ及び要素の合理的な省略を行うことができるが、これにより得られた形態も本発明の範囲に含まれる。

Claims (11)

  1. 画像を分割する画像分割装置であって、
    前記画像に対して平滑化フィルタリングを行う平滑化フィルタ手段と、
    平滑化フィルタリング後の前記画像に関心領域を設定する領域設定手段と、
    前記関心領域に対してエッジ情報を算出するエッジ算出手段と、
    前記平滑化フィルタリング後の画像、前記関心領域及び前記エッジ情報に基づくエッジ値に基づいて、前記画像のノイズが大きいかどうか、及び前記画像がぼやけているかどうかを判断する判断手段と、
    前記判断手段の判断結果に基づいて、勾配に基づくレベルセット法または領域に基づくレベルセット法を用いて前記画像を分割する画像分割手段と
    を備え、
    前記判断手段により前記画像のノイズが大きいと判断された場合、前記画像分割手段は領域に基づくレベルセット法を用いて前記画像を分割し、
    前記判断手段により前記画像のノイズが大きくなく、そして、さらに前記画像がぼやけていないと判断された場合、前記画像分割手段は勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする画像分割装置。
  2. 前記判断手段は、さらに、前記画像の強度が均一であるかどうかを判断可能であり、
    前記判断手段により前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が均一であると判断された場合、前記画像分割手段は領域に基づくレベルセット法を用いて前記画像を分割し、
    前記判断手段により前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が不均一であると判断された場合、前記画像分割手段は勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする請求項１に記載の画像分割装置。
  3. 画像を分割する画像分割方法であって、
    前記画像に対して平滑化フィルタリングを行う平滑化フィルタリングステップと、
    平滑化フィルタリング後の前記画像に関心領域を設定する領域設定ステップと、
    前記関心領域に対してエッジ情報を算出するエッジ算出ステップと、
    前記平滑化フィルタリング後の画像、前記関心領域及び前記エッジ情報に基づくエッジ値に基づいて、前記画像のノイズが大きいかどうか、及び前記画像がぼやけているかどうかを判断する判断ステップと、
    前記判断ステップの判断結果に基づいて、勾配に基づくレベルセット法または領域に基づくレベルセット法を用いて前記画像を分割する画像分割ステップと、を備え、
    前記判断ステップにより前記画像のノイズが大きいと判断された場合、前記画像分割ステップは領域に基づくレベルセット法を用いて前記画像を分割し、
    前記判断ステップにより前記画像のノイズが大きくなく、そして、さらに前記画像がぼやけていないと判断された場合、前記画像分割ステップは勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする画像分割方法。
  4. 前記判断ステップは、さらに、前記画像の強度が均一であるかどうかを判断可能であり、
    前記判断ステップにより前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が均一であると判断された場合、前記画像分割ステップは領域に基づくレベルセット法を用いて前記画像を分割し、
    前記判断ステップにより前記画像のノイズが大きくなく且つ前記画像がぼやけていると判断され、そして、さらに前記画像の強度が不均一であると判断された場合、前記画像分割ステップは勾配に基づくレベルセット法を用いて前記画像を分割することを特徴とする請求項３に記載の画像分割方法。
  5. 前記判断ステップにおいて、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値に基づいて、前記画像のノイズが大きいかどうかを判断することを特徴とする請求項３または４に記載の画像分割方法。
  6. 前記判断ステップにおいて、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記リファレンス画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値をノイズ閾値とし、前記平滑化フィルタリングステップで異なる平滑化フィルタパラメータを用いて前記画像に対して平滑化フィルタリングを行うときのエッジ値同士の差値が前記ノイズ閾値より大きい場合、前記画像のノイズが大きいと判断することを特徴とする請求項５に記載の画像分割方法。
  7. 前記判断ステップにおいて、前記画像の前記関心領域と予め決められた初期輪郭の間のエッジ値に基づいて、前記画像がぼやけているかどうかを判断することを特徴とする請求項３または４に記載の画像分割方法。
  8. 前記判断ステップにおいて、リファレンス画像の関心領域と初期輪郭の間のエッジ値をファジー閾値とし、前記画像の前記関心領域と初期輪郭の間のエッジ値が前記ファジー閾値より小さい場合、前記画像がぼやけていると判断することを特徴とする請求項７に記載の画像分割方法。
  9. 前記判断ステップにおいて、前記画像の予め決められた初期輪郭内の輝度均一度に基づいて、前記画像の強度が均一であるかどうかを判断することを特徴とする請求項４に記載の画像分割方法。
  10. 前記判断ステップにおいて、前記リファレンス画像の初期輪郭内の輝度均一度を均一度閾値とし、前記画像の予め決められた初期輪郭内の輝度均一度が均一度閾値を満たす場合、前記画像の強度が均一であると判断することを特徴とする請求項９に記載の画像分割方法。
  11. 画像に対して処理を行うとともに処理後の画像を出力する画像処理システムであって、
    画像を取得する画像取得装置と、
    前記画像取得装置で取得した画像を分割する請求項１または２に記載の画像分割装置と、
    前記画像分割装置により分割された画像を出力する出力装置と
    を備えることを特徴とする画像処理システム。
PCT/JP2016/057591 2015-03-10 2016-03-10 画像分割装置、画像分割方法及び画像処理システム WO2016143855A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510104269.9A CN106033602A (zh) 2015-03-10 2015-03-10 图像分割装置、图像分割方法及图像处理系统
CN201510104269.9 2015-03-10

Publications (1)

Publication Number Publication Date
WO2016143855A1 true WO2016143855A1 (ja) 2016-09-15

Family

ID=56879513

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/057591 WO2016143855A1 (ja) 2015-03-10 2016-03-10 画像分割装置、画像分割方法及び画像処理システム

Country Status (2)

Country Link
CN (1) CN106033602A (ja)
WO (1) WO2016143855A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462144A (zh) * 2020-03-30 2020-07-28 南昌工程学院 一种基于粗糙集的快速抑制图像模糊边界的图像分割方法
US20220284589A1 (en) * 2019-06-12 2022-09-08 Carnegie Mellon University System and Method for Vessel Segmentation

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012176094A (ja) * 2011-02-25 2012-09-13 Canon Inc 画像処理装置、画像処理方法、画像処理システム、ｓｌｏ装置、およびプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012176094A (ja) * 2011-02-25 2012-09-13 Canon Inc 画像処理装置、画像処理方法、画像処理システム、ｓｌｏ装置、およびプログラム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220284589A1 (en) * 2019-06-12 2022-09-08 Carnegie Mellon University System and Method for Vessel Segmentation
US12125213B2 (en) * 2019-06-12 2024-10-22 Carnegie Mellon University System and method for vessel segmentation
CN111462144A (zh) * 2020-03-30 2020-07-28 南昌工程学院 一种基于粗糙集的快速抑制图像模糊边界的图像分割方法

Also Published As

Publication number Publication date
CN106033602A (zh) 2016-10-19

Similar Documents

Publication Publication Date Title
JP6314654B2 (ja) グレースケール画像処理方法及び装置
CN108694703B (zh) 用于精细化深度图像的方法和装置
JP6142611B2 (ja) ステレオマッチングのための方法及びステレオマッチングのためのシステム
CN108601568B (zh) 用于体积图像数据集中的脉管结构的分割的方法和系统
CN108629343A (zh) 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统
CN107133914B (zh) 用于生成三维彩色图像的装置和用于生成三维彩色图像的方法
WO2018068129A1 (en) Determining variance of a block of an image based on a motion vector for the block
CN107871321B (zh) 图像分割方法及装置
JP2017102245A5 (ja)
CN112053367A (zh) 图像处理方法、设备及存储介质
WO2021097595A1 (zh) 图像的病变区域分割方法、装置及服务器
CN108510529A (zh) 一种基于自适应权值的图割立体匹配方法
CN110176021A (zh) 结合亮度校正的显著性信息的水平集图像分割方法及系统
CN113160245A (zh) 基于分块区域生长法的ct脑实质分割系统、方法及装置
JP6819445B2 (ja) 情報処理装置、制御方法、及びプログラム
WO2016143855A1 (ja) 画像分割装置、画像分割方法及び画像処理システム
JP6771134B2 (ja) 画像補正方法及び画像補正装置
CN112053394A (zh) 图像处理方法、装置、电子设备及存储介质
JP5914046B2 (ja) 画像処理装置および画像処理方法
Gudise et al. Segmentation of MR Images of the Brain to Detect WM, GM, and CSF Tissues in the Presence of Noise and Intensity Inhomogeneity
CN114998358A (zh) 多聚焦图像融合方法、装置、计算机设备和存储介质
KR101617551B1 (ko) 얼굴 검출 능력 향상을 위한 이미지 처리 방법 및 시스템
CN107392859A (zh) 高光区域的消除方法、装置及终端
CN104103039A (zh) 一种图像噪声估计方法
CN112862907B (zh) 显微图像校正方法、装置、设备、存储介质及产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16761821

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16761821

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP