图像处理装置和图像处理方法

专利名称：图像处理装置和图像处理方法
技术领域：
本发明涉及对按时序拍摄拍摄对象所得到的一系列时序图像进行处理的图像处理装置和图像处理方法。
背景技术：
已知一种诊断支援装置，该诊断支援装置从使用内窥镜装置拍摄被检者的体内而得到的图像来判别病变的区域，并显示在显示部(参照日本特开2002-165757号公报)。在该公开公报所公开的技术中，通过事先准备用作判别病变区域的基准的教师数据，使用该教师数据对各像素的例如色比等特征量进行分类，由此来判别病变区域。然而，在拍摄对象为活体的情况下，对象的颜色随着个体差异等而变动。例如，列举粘膜为例，粘膜的颜色随着被检者的个体差异而变动。此外，粘膜的颜色由于根据消化管的种类不同而不同，所以即使是同样的被检者，也会随着拍摄该图像的活体内的位置而变动。因此，在如日本特开2002-165757号公报那样使用事先准备好的教师数据的方法中，由于基准固定，所以存在难以根据各种各样的活体内的图像来高精度判别图像内的特定区域的问题。

发明内容
本发明是鉴于上述背景所做出的发明，其目的在于提供一种能够高精度地判别图像内的特定区域的图像处理装置和图像处理方法，该图像构成按时序对拍摄对象进行拍摄而得到的一系列时序图像。本发明涉及的图像处理装置是处理按时序对拍摄对象进行拍摄而得到的一系列时序图像的图像处理装置，其具备图像选择部，其从构成所述时序图像的图像中按照时序顺序选择处理对象图像；判别基准制作部，其制作用于判别所述处理对象图像内的特定区域的判别基准；特征量计算部，其计算所述处理对象图像的各像素或各小区域的特征量； 以及特定区域判别部，其根据各所述像素或各所述小区域的所述特征量，使用所述判别基准判别所述处理对象图像内的特定区域，所述判别基准制作部根据已经由所述图像选择部选择为所述处理对象图像并且已经由所述特定区域判别部进行了判别的图像内的所述特定区域的特征量，制作所述判别基准。此外，本发明涉及的图像处理方法包括如下步骤从构成按时序对拍摄对象进行拍摄而得到的一系列时序图像的图像中按照时序顺序选择处理对象图像；制作用于判别所述处理对象图像内的特定区域的判别基准；计算所述处理对象图像的各像素或各小区域的特征量；以及根据各所述像素或各所述小区域的所述特征量，使用所述判别基准判别所述处理对象图像内的特定区域，关于制作所述判别基准，根据已经选择为所述处理对象图像并且已经进行了判别的图像内的所述特定区域的特征量，制作所述判别基准。如果结合附图阅读以下本发明的详细说明，则能够进一步理解上述内容和本发明的其他目的、特征、优点以及技术上和产业上的意义。


图1是说明实施方式1的图像处理装置的功能结构的框图。图2是示出实施方式1的图像处理装置所进行的处理顺序的整体流程图。图3是示出实施方式1的特征量计算处理的详细处理顺序的流程图。图4是示出实施方式1的特定区域判别处理的详细处理顺序的流程图。图5是示出实施方式1的可靠度计算处理的详细处理顺序的流程图。图6是示出实施方式1的判别基准制作处理的详细处理顺序的流程图。图7是示出实施方式2的图像处理装置的功能结构的框图。图8是示出实施方式2的图像处理装置所进行的处理顺序的整体流程图。图9是示出实施方式2的特定区域判别处理的详细处理顺序的流程图。图10是示出实施方式2的判别基准制作处理的详细处理顺序的流程图。图11是说明实施方式3的图像处理装置的功能结构的框图。图12是说明实施方式3的图像处理装置所进行的处理的概要的说明图。图13是示出实施方式3的图像处理装置所进行的处理顺序的整体流程图。图14是示出图13之后的处理顺序的整体流程图。图15是说明实施方式4的图像处理装置的功能结构的框图。图16是示出实施方式4的图像处理装置所进行的处理顺序的整体流程图。图17是示出实施方式4的初始值设定处理的详细处理顺序的流程图。图18是说明实施方式5的图像处理装置的功能结构的框图。图19是示出实施方式5的图像处理装置所进行的处理顺序的整体流程图。图20是示出实施方式5的附近区域判别处理的详细处理顺序的流程图。图21是说明实施方式6的图像处理装置的功能结构的框图。图22是示出实施方式6的图像处理装置所进行的处理顺序的整体流程图。图23是示出实施方式6的可靠度计算基准设定处理的详细处理顺序的流程图。图M是示出应用了本发明的计算机系统的结构的系统结构图。图25是示出构成图M的计算机系统的主体部的结构的框图。
具体实施例方式下面，参照附图来对本发明的优选实施方式进行说明。另外，本发明不限定于本实施方式。此外，在各附图的记载中，对相同部分标示相同的标记。本实施方式的图像处理装置对例如内窥镜和胶囊内窥镜这些导入到被检者体内的医用观察装置按时序拍摄消化管等活体内管腔而得到的一系列图像(时序图像)进行处理。下面，以将构成该时序图像的图像(以下称为“活体内管腔图像”)内的正常粘膜的区域(正常粘膜区域)判别为特定区域的情况为例进行说明。在此，构成本实施方式的图像处理装置所处理的时序图像的活体内管腔图像是例如在各像素中具有相对于R(红)、G(绿)、 B(蓝)的各色成分的256灰度等级的像素值的彩色图像。另外，特定区域不限于正常粘膜区域，可以将在活体内管腔图像内想要判别的所希望的区域设为特定区域。此外，本发明不限于拍摄对象为活体内管腔的图像，也同样能够适用于反映出其它拍摄对象的图像。
实施方式1首先，对实施方式1的图像处理装置进行说明。图1是说明实施方式1的图像处理装置1的功能结构的框图。如图1所示，实施方式1的图像处理装置1具备图像取得部 11、输入部12、显示部13、存储部14、运算部20、控制图像处理装置1整体动作的控制部15。图像取得部11用于取得由医用观察装置拍摄的时序图像的图像数据，由该图像取得部11取得的时序图像的图像数据(详细来说是构成时序图像的各活体内管腔图像的图像数据)存储于存储部14，在由运算部20处理后，根据需要适当显示于显示部13。在将可移动存储介质用于与例如医用观察装置之间的图像数据的交换的情况下，图像取得部11 由可自由装卸地安装该存储介质并读取所保存的时序图像的图像数据的读取装置构成。此外，在将保存有由医用观察装置拍摄的时序图像的图像数据的服务器设置在适当位置且从该服务器取得图像数据的结构的情况下，图像取得部11由用于与服务器连接的通信装置等构成。而且，经由该图像取得部11与服务器进行数据通信，取得时序图像的图像数据。此外，除此之外，在从医用观察装置经由缆线取得图像数据的结构的情况下，也可以由输入图像数据的接口装置等构成图像取得部11。输入部12例如由键盘、鼠标、触摸面板、各种开关等实现，将输入信号输出到控制部15。显示部13由IXD、EL显示器等显示装置实现，在控制部15的控制下显示包含活体内管腔图像的各种画面。存储部14由能够更新存储的闪存等ROM、RAM这些各种IC存储器、内置或由数据通信端子连接的硬盘、CD-ROM等信息存储介质及其读取装置等实现，预先存储或在每次处理时暂时存储使图像处理装置1动作、用于实现该图像处理装置1所具备的各种功能的程序和在执行该程序时使用的数据等。在该存储部14中存储有由图像取得部11取得的时序图像的图像数据。此外，在存储部14中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141。运算部20由CPU等硬件实现。该运算部20按时序顺序处理构成时序图像的各活体内管腔图像，进行用于判别反映在各活体内管腔图像中的正常粘膜区域的各种运算处理。在实施方式1中，按从时序前方到时序后方的顺序(即时序顺序为从前端(第一幅) 的活体内管腔图像到末尾(例如设为第N幅)的活体内管腔图像)，依次处理各活体内管腔图像。而且，在实施方式1中，对时序顺序在前端的活体内管腔图像，使用作为判别基准而预先制作的初始值来判别正常粘膜区域。在此，预先制作判别基准的初始值并存储于存储部14。然后，通过使用在已经结束处理的活体内管腔图像内判别的正常粘膜区域的特征量，适当地制作正常粘膜区域的判别基准，使用制作的判别基准判别正常粘膜区域。该运算部20包括特征量计算部21、判别基准制作部22、特定区域判别部25。特征量计算部21将处理对象的活体内管腔图像内分割为例如作为小区域的分割区域，按各分割出的区域(分割区域)计算后述的G/R值的平均值和B/G值的平均值，作为特征量。判别基准制作部22是制作用于判别正常粘膜区域的判别基准的功能部，在处理时序顺序在前端的活体内管腔图像之前，将判别基准设定为所述初始值。另一方面，在处理构成时序图像的第一张活体内管腔图像后，每次适当地制作用于处理时序顺序为下一个的活体内管腔图像的判别基准。该判别基准制作部22具备初始值设定部221和加权平均值计算部222。初始值设定部221将判别基准设定为初始值。加权平均值计算部222是计算在已经结束处理的活体内管腔图像内判别的正常粘膜区域的特征量的加权平均值的功能部， 具备时序距离加权设定部223和可靠度权重设定部224。时序距离权重设定部223对已经结束处理的活体内管腔图像内的正常粘膜区域的特征量设定与时序性的距离(时序距离)相应的权重值(下面称为“基于时序距离的权重值”)。在此，时序距离相当于包含该正常粘膜区域的活体内管腔图像的时序顺序和处理对象的活体内管腔图像的时序顺序之差。可靠度权重设定部2M具备可靠度计算部225，该可靠度计算部225计算关于由特定区域判别部25在处理对象的活体内管腔图像内判别为正常粘膜区域的分割区域的判别结果的可靠度(针对该分割区域为正常粘膜区域的可靠度)，按照该可靠度设定针对该正常粘膜区域的特征量的权重值(下面称为“基于可靠度的权重值”)。该可靠度计算部225 具有可靠度计算基准设定部2 和非特定区域判定部227。可靠度计算基准设定部2 设定用于计算可靠度的可靠度计算基准。非特定区域判定部227判定是否存在由特定区域判别部25在处理对象的活体内管腔图像内判别为非正常粘膜区域的区域。特定区域判别部25根据由特征量计算部21计算出的特征量，使用由判别基准制作部22制作的判别基准判别处理对象的活体内管腔图像内的正常粘膜区域。控制部15由CPU等硬件实现。该控制部15根据由图像取得部11取得的图像数据和从输入部12输入的输入信号、存储在存储部14中的程序和数据等，进行对构成图像处理装置1的各部的指示和数据的传输等，统一地控制图像处理装置1整体的动作。图2是示出实施方式1的图像处理装置1所进行的处理顺序的整体流程图。另外， 在此说明的处理通过图像处理装置1的各部根据存储在存储部14中的图像处理程序141 进行动作来实现。如图2所示，首先，图像取得部11取得时序图像的图像数据(步骤al)。构成所取得的时序图像的各活体内管腔图像的图像数据与表示该时序顺序的图像编号一起存储在存储部14中，处于能够读入标注有任意图像编号的活体内管腔图像的图像数据的状态。然后，以构成时序图像的各活体内管腔图像为依次处理对象，进行判别各活体内管腔图像内的正常粘膜区域的处理，但首先在运算部20中，判别基准制作部22的初始值设定部221读出预先制作并存储在存储部14中的初始值，将判别基准设定为读出的初始值 (步骤。该初始值用于在后段的步骤a5中判别作为处理对象图像读出的、时序顺序在前端的活体内管腔图像内的正常粘膜区域。此外，初始值例如通过预先计算正常粘膜区域的特征量分布来制作。在此，对设为初始值的正常粘膜区域的特征量分布的计算顺序进行说明。在计算初始值之前，准备多个拍摄了正常粘膜区域的活体内管腔图像。首先，将准备好的反映正常粘膜区域的活体内管腔图像分割为作为分割区域的预定尺寸(例如8X8像素)的矩形框。接着，按各分割出的分割区域计算特征量。下面计算分割区域内的各像素的G/R 值(G成分和R成分的色比)的平均值和B/G值(B成分和G成分的色比)的平均值作为特征量。在此，如果设分割区域内的R成分的值(R值)的合计值为Rsum,设分割区域内的G成分的值(G值)的合计值为G·，设分割区域内的B成分的值(B值)的合计值为B·，则G/R 值的平均值GR由下式(1)示出，B/G值的平均值BG由下式(2)示出。GR= (Gsum/RsJ …(1)
BG= (Bsum/GsJ …O)然后，对准备好的多个活体内管腔图像分别进行按这样的各分割区域计算G/R值的平均值和B/G值的平均值的处理，制作所得到的G/R值的平均值和B/G值的平均值在二维特征平面中的频度分布。然后，将频度分布归一化使得频度的合计成为100，作为正常粘膜区域的特征量分布。然后，通过这样计算正常粘膜区域的特征量分布来制作判别基准的初始值，存储在存储部14中。返回图2，接着，运算部20进行这样的处理读取构成在步骤al中存储于存储部 14中的时序图像的、时序顺序在前端的活体内管腔图像，作为处理对象图像(步骤a5)，选择处理对象图像作为图像选择部。然后，转移到步骤a7，特征量计算部21执行特征量计算处理。图3是示出特征量计算处理的详细处理顺序的流程图。在特征量计算处理中，特征量计算部21首先将处理对象图像分割为例如8X8像素的矩形框即分割区域(步骤bl)。此外，此时将各分割区域和活体内管腔图像内的各像素位置进行对应，使得在以后的处理中能够确定处理对象图像内的各像素所属的分割区域。 具体而言，对各分割区域分配系列号等固有的区域编号。然后，制作将各像素的像素值设为该像素所属的分割区域的区域编号的区域编号图像。接着，特征量计算部21按每个分割出的分割区域，计算作为特征量的G/R值的平均值和B/G值的平均值(步骤b3)。具体而言，按各分割区域，根据上述式(1)计算分割区域内的各像素的G/R值的平均值，并且根据上述式( 计算分割区域内的各像素的B/G值的平均值。这样按各分割区域计算出的处理对象图像的特征量即G/R值的平均值和B/G值的平均值与图像编号对应地存储在存储部14中。然后，返回图2的步骤a7，转移到步骤a9。在步骤a9中，特定区域判别部25执行特定区域判别处理。图4是示出特定区域判别处理的详细的处理顺序的流程图。在该特定区域判别处理中，根据在图2的步骤a7中按各分割区域计算出的特征量，按各分割区域判别处理对象图像内的正常粘膜区域。此时， 使用用于处理对象图像内的正常粘膜区域的判别而设定的判别基准、即当前时刻最新的判别基准。在实施方式1中，判别基准是正常粘膜区域的特征量(G/R值的平均值和B/G值的平均值)在二维特征平面中的频度分布，在时序顺序在前端的活体内管腔图像是处理对象图像的情况下，在图2的步骤a3中设定的初始值相当于当前时刻最新的判别基准。此外， 在时序顺序为第二个以后的活体内管腔图像是处理对象图像的情况下，在后述的图6的步骤ell中最后更新的判别基准相当于当前时刻最新的判别基准。具体而言，通过比较各分割区域的特征量和判别基准，判别各分割区域是否是正常粘膜区域。例如，在实施方式1中，通过计算各分割区域的特征量和判别基准的马氏距离(参考CG-ARTS协会，数字图像处理，P222 P223)，进行正常粘膜区域的判别。S卩，如图4所示，特定区域判别部25首先按各分割区域计算所算出的G/R值的平均值和B/G值的平均值与当前时刻最新的判别基准之间的马氏距离，作为该特征量(步骤Cl)。然后，特定区域判别部25将所算出的马氏距离在预先设定的正常范围内的分割区域判别为正常粘膜区域 (步骤c3)。此时，对于马氏距离在预定的正常范围外的分割区域，判别为非正常粘膜区域。 预定的正常范围可以设为固定值，也可以构成为能够由用户操作等变更设定。这样，在处理对象图像内判别出的正常粘膜区域的判别结果(各分割区域是正常粘膜区域还是非正常粘膜区域的判别结果)被存储在存储部14中。然后，返回到图2的步骤a9，转移到步骤all。在步骤all中，在可靠度计算部225中，可靠度计算基准设定部2 设定在步骤 al3的可靠度计算处理中使用的可靠度计算基准。例如，当存在在图4的步骤c3中判别为是非正常粘膜区域的分割区域的情况下，可靠度计算基准设定部2 计算该判别为是非正常粘膜区域的分割区域的特征量即G/R值的平均值和B/G值的平均值在二维特征平面中的频度分布，将所得到的频度分布设为可靠度计算基准。所设定的可靠度计算基准被存储在存储部14中。另外，可靠度计算基准的设定顺序不限定于此。例如，作为第一个变形例，当前时刻最新的判别基准即用于判别处理对象图像内的正常粘膜区域的判别基准可以设为可靠度计算基准。作为第二个变形例，在设定可靠度计算基准之前，准备拍摄到正常粘膜区域的活体内管腔图像和拍摄到非正常粘膜区域的活体内管腔图像。然后，首先将反映正常粘膜区域的活体内管腔图像分割成分割区域，按各分割区域计算G/R值的平均值和B/G值的平均值，作为正常粘膜区域的特征量进行收集。同样地，将反映非正常粘膜区域的活体内管腔图像分割成分割区域，按各分割区域计算G/R值的平均值和B/G值的平均值，作为非正常粘膜区域的特征量进行收集。然后，从收集到的正常粘膜区域的特征量和非正常粘膜区域的特征量中确定正常粘膜区域的特征量范围，可以将确定的正常粘膜区域的特征量范围作为可靠度计算基准。另外，在该情况下，能够预先制作可靠度计算基准，预先存储在存储部14 中，所以在步骤all中，只要进行从存储部14读出可靠度计算基准的处理即可。如果如上所述设定了可靠度计算基准，接着，可靠度计算部225执行可靠度计算处理，按在处理对象图像内被判别为是正常粘膜区域的各分割区域，计算可靠度(步骤 al3)。图5是示出可靠度计算处理的详细处理顺序的流程图。在该可靠度计算处理中，针对在图4的步骤c3中按各分割区域进行的正常粘膜区域/非正常粘膜区域的判别结果，计算可靠度。在可靠度计算处理中，首先非特定区域判定部227判定是否有在图4的步骤c3中被判别为是非正常粘膜区域的分割区域(步骤dl)。然后，在存在被判别为是非正常粘膜区域的分割区域的情况下(步骤d3 是)，可靠度计算部225按各分割区域计算正常粘膜区域的可靠度。即，可靠度计算部225首先依次处理被判别为是正常粘膜区域的分割区域，计算各分割区域的特征量和在图2的步骤all中设定的可靠度计算基准(在处理对象图像内被判别为是非正常粘膜区域的分割区域的特征量的频度分布)之间的马氏距离(步骤d4)。 然后，在被判别为是正常粘膜区域的分割区域中，可靠度计算部225将计算出的马氏距离为预先设定的阈值以上的分割区域的可靠度设定为“1”，将马氏距离小于阈值的分割区域的可靠度设定为“0” (步骤肪)。这样，按被判别为是正常粘膜区域的分割区域设定的可靠度的值被存储在存储部14中。预定的阈值可以设为固定值，也可以构成为能够根据用户操作来变更设定。在此，如上所述，可靠度计算基准是处理对象图像内的非正常粘膜区域的特征量的频度分布。因此，根据在步骤d4中计算出的马氏距离判定正常粘膜区域和非正常粘膜区域等正常粘膜区域以外的区域之间的中间区域，在被判别为是正常粘膜区域的分割区域中，对被判定为是上述中间区域的分割区域，计算出低可靠度。然后，返回到图2的步骤al3，转移到步骤al5。另一方面，如果不存在被判别为是非正常粘膜区域的分割区域(步骤d3 否)，则可靠度计算部225将被判别为是正常粘膜区域的所有分割区域的可靠度设定为“1”(步骤 d7)。所设定的可靠度的值被存储在存储部14中。然后，返回到图2的步骤al3，转移到步马聚al5ο另外，可靠度的计算顺序不限于此。例如，作为可靠度计算基准的设定顺序的第一个变形例，如上所述，在将用于判别处理对象图像内的正常粘膜区域的判别基准设为可靠度计算基准的情况下，可靠度计算部225首先依次处理被判别为是正常粘膜区域的分割区域，分别计算各分割区域的特征量和用于处理对象图像内的正常粘膜区域的判别的判别基准即可靠度计算基准之间的马氏距离。然后，可靠度计算部225，在被判别为是正常粘膜区域的分割区域中，将计算出的马氏距离为预先设定的阈值以上的分割区域的可靠度设定为 “0”，将马氏距离小于阈值的分割区域的该可靠度设定为“1”。这样，在本变形例中，判定正常粘膜区域和正常粘膜区域以外的区域之间的中间区域，对被判定为是中间区域的分割区域计算出低可靠度。此外，作为可靠度计算基准的设定顺序的第二个变形例，如上所述，在将正常粘膜区域的特征量范围设为可靠度计算基准的情况下，可靠度计算部225在被判别为是正常粘膜区域的分割区域中，将其特征量在可靠度计算基准即正常粘膜区域的特征量范围内的分割区域的可靠度设定为“1”，将范围外的分割区域的可靠度设定为“0”。与此情况同样地， 判定正常粘膜区域和正常粘膜区域以外的区域之间的中间区域，对被判定为是中间区域的分割区域计算出低可靠度。此外，在图2的步骤all中，可以设定上述处理对象图像内的非正常粘膜区域的特征量的频度分布、用于处理对象图像内的正常粘膜区域的判别的判别基准、正常粘膜区域的特征量范围这三个可靠度计算基准。然后，在可靠度计算处理中，可以分别计算使用了这些各可靠度计算基准的可靠度，根据得到的各值求出最终的可靠度。具体而言，将处理对象图像内的非正常粘膜区域的特征量的频度分布用作可靠度计算基准，计算可靠度Tl，将用于处理对象图像内的正常粘膜区域的判别的判别基准用作可靠度计算基准，计算可靠度 T2，将正常粘膜区域的特征量范围用作可靠度计算基准，计算可靠度T3。然后根据这些Tl、 T2、T3的各个值，按照下式C3)计算最终可靠度Τ。T = (Tl+T2+T3)/8 ... (3)接着，在图2的步骤al5中，判别基准制作部22执行判别基准制作处理。图6是示出判别基准制作处理的详细处理顺序的流程图。在判别基准制作处理中，首先可靠度权重设定部2M对被判别为是正常粘膜区域的各分割区域设定基于其可靠度的权重值(步骤el)。然后，加权平均值计算部222通过将在步骤el中按各分割区域设定的基于可靠度的权重值乘以相应的分割区域的特征量即G/ R值的平均值和B/G值的平均值，由此根据可靠度对正常粘膜区域的各分割区域的特征量进行加权，制作加权后的各分割区域的G/R值的平均值和B/G值的平均值在二维特征平面上的频度分布(步骤e3)。然后，加权平均值计算部222将所制作的频度分布归一化，使得频度的合计成为100(步骤e5)。在实施方式1中，例如设定可靠度的值作为基于可靠度的权重值。因此，在被判别为是正常粘膜区域的各分割区域中，将在图5的步骤d5或步骤d7中可靠度被设为“1”的分割区域的特征量乘以“1”。在此情况下，在步骤e3中，设为存在1.0个该分割区域，对频度分布进行合计。另一方面，将在图5的步骤d5中可靠度被设为“0”的分割区域的特征量乘以“0”。然后，这样在步骤e3中可靠度为“0”的分割区域即被判定为是正常粘膜区域和正常粘膜区域以外的区域之间的中间区域的分割区域的特征量不会被合计在频度分布中。此外，作为在图2的步骤al3中进行的可靠度计算处理的变形例，如上所述，在设定多种可靠度计算基准、求出使用各可靠度计算基准计算出的可靠度(例如T1、T2、T3)的平均值作为最终可靠度T的情况等时，可靠度T的值得到“0” “1”之间的值，例如对可靠度设为“0.5”的分割区域的特征量乘以“0.5”。在此情况下，在图6的步骤e3中，设为存在0. 5个该分割区域，对频度分布进行合计。因此，以越是可靠度低的分割区域的特征量、 权重越小的方式制作频度分布，所以处于正常粘膜区域和正常粘膜区域以外的区域之间的可靠度低的区域难以被合计到频度分布中。另外，基于可靠度的权重值不限定于可靠度的值，可以设为根据可靠度的值二次元地算出的另外的值。接着，时序距离权重设定部223对于在步骤e5中归一化的频度分布和在步骤ell 中上次制作的在当前时刻为最新的判别基准，设定基于时序距离的权重值(步骤e7)。然后，加权平均值计算部222通过将在步骤e5中归一化的频度分布和上次制作的判别基准乘以基于在步骤e7中设定的时序距离的权重值来对它们进行加权，合计加权后的各个值，制作新的判别基准(步骤e9)。然后，加权平均值计算部222将已制作的判别基准存储到存储部14中并进行更新(步骤ell)。例如，作为步骤e7和步骤e9的处理，进行根据下式(4)制作新的判别基准 Snew(GR, BG)的处理。Snew (GR，BG) = S(GR, BG) Xkl+H(GR, BG) X (l_kl) · ·· (4)在上述式中，H(GR，BG)是在步骤e5中归一化的频度分布，即在根据相应的分割区域的可靠度对在处理对象图像内被判别为是正常粘膜区域的各分割区域的特征量(G/ R值的平均值和B/G值的平均值)进行了加权之后所制作的频度分布。此外，S (GR，BG)是上次制作的判别基准、即用于本次处理的处理对象图像内的正常粘膜区域的判别的判别基准。在此，S(GR，BG)是上次按照式(4)制作的。因此，S(GR，BG)根据在上次之前处理的活体内管腔图像内被判别为是正常粘膜区域的各分割区域的特征量来确定。另一方面， H(GRjBG)根据本次处理的处理对象图像内的正常粘膜区域的特征量来确定。这样，判别基准根据上次之前处理的活体内管腔图像内的正常粘膜区域的特征量和本次处理的处理对象图像内的正常粘膜区域的特征量来确定。而且此时，H(GR，BG)和S(GR，BG)各个值根据更新系数kl的值来加权。kl是判别基准的更新系数，乘以S(GR，BG)的kl的值和乘以H(GR，BG)的l_kl的值相当于基于时序距离的权重值。该更新系数kl例如在0. 0 < kl < 1. 0的范围内被设定为适当的值。因此，该更新系数kl的值越小，在所制作的判别基准中就越多地反映在本次处理的处理对象图像内的正常粘膜区域的判别结果。此外，作为在上次之前处理的处理对象图像内的正常粘膜区域的判别结果，其时序距离与处理对象图像接近的一方比远的一方被反映得更多。如上所述，判别基准是积蓄上次之前处理的活体内管腔图像内的正常粘膜区域的特征量并使用本次处理的处理对象图像内的正常粘膜区域的特征量来适当制作的。此时， 对本次处理的处理对象图像内的正常粘膜区域的特征量进行与可靠度相对应的加权，对该加权后的处理对象图像内的正常粘膜区域的特征量和上次之前处理的活体内管腔图像内的正常粘膜区域的特征量进行与时序距离相对应的加权。接着，运算部20判定是否有未处理的活体内管腔图像。如果有未处理的活体内管腔图像，即在未以构成时序图像的所有活体内管腔图像作为处理对象执行步骤a7 步骤 al5的处理的情况下(步骤al7 否)，则进行这样的处理从存储部14读出时序顺序为本次处理的处理对象图像的下一个(紧接着)的活体内管腔图像，作为处理对象图像(步骤 al9)，作为图像选择部选择处理对象图像。然后返回到步骤a7，对该处理对象图像执行步骤 a7 步骤al5的处理。另一方面，如果以构成时序图像的所有活体内管腔图像作为处理对象执行了步骤 a7 步骤al5的处理(步骤al7 是)，则结束本处理。如上面所说明的那样，在实施方式1中，计算各分割区域的G/R值的平均值和B/G 值的平均值作为处理对象图像的特征量，通过比较该各分割区域的特征量和判别基准来判别各分割区域是否为正常粘膜区域。然后，对被判别为是正常粘膜区域的各分割区域计算可靠度，在被判别为是正常粘膜区域的分割区域中，对正常粘膜区域和正常粘膜区域以外的区域之间的中间区域设定低可靠度。然后，在进行了处理对象图像内的正常粘膜区域的判别后，根据在包含该处理对象图像的已经结束处理的活体内管腔图像内判别的正常粘膜区域的特征量，制作判别基准。更详细而言，对在已经结束处理的活体内管腔图像内判别的正常粘膜区域的特征量进行与时序距离和可靠度相对应的加权之后，制作判别基准。然后， 在将时序顺序在前端的活体内管腔图像作为处理对象图像来处理的情况下，使用预先制作的初始值作为判别基准，在将时序顺序为第二个以后的活体内管腔图像作为处理对象图像来处理的情况下，使用如上面所述根据在已经结束处理的活体内管腔图像内所判别的正常粘膜区域的特征量制作的判别基准。根据该实施方式1，在对构成时序图像的各活体内管腔图像按照该时序顺序从前端开始依次进行处理的过程中，通过使用在已经结束处理的活体内管腔图像内所判别的正常粘膜区域的特征量，能够适当地制作适用于下次处理的活体内管腔图像的正常粘膜区域的判别基准。而且，能够使用这样适当制作的判别基准依次判别各活体内管腔图像内的正常粘膜区域。因此，能够高精度地判别反映到各活体内管腔图像上的例如正常粘膜区域等特定区域，所述各活体内管腔图像构成按时序对活体内进行拍摄的一系列时序图像。对于按上面所述提取出正常粘膜区域的活体内管腔图像，实施提取例如病变区域或出血区域等异常部区域的处理等，适当显示在显示部13上提示医师等用户。具体而言， 活体内管腔图像作为例如能将异常部区域与其他区域识别开来地显示的图像而显示在显示部13上。或者，包含异常部区域的活体内管腔图像作为应该诊断的图像而显示在显示部 13上。此时，通过应用实施方式1，能够除去所判别的正常粘膜区域而提取异常部区域，所以能够实现高精度的异常部检测。实施方式2
下面，对实施方式2的图像处理装置进行说明。图7是说明实施方式2的图像处理装置Ia的功能结构的框图。另外，对于与在实施方式1中说明的结构相同的结构，标注相同的标记。实施方式2的图像处理装置Ia如图7所示，具备图像取得部11、输入部12、 显示部13、存储部14a、运算部20a、控制图像处理装置Ia整体动作的控制部15。在存储部14a中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141a。此外，运算部20a包括特征量计算部21、判别基准制作部22a、特定区域判别部 25a。判别基准制作部2 具备初始值设定部221和加权平均值计算部22 ,加权平均值计算部22 具备时序距离加权设定部223和可靠度权重设定部22如。可靠度权重设定部 224a具备可靠度计算部22 ，该可靠度计算部22 具备统计量计算部228a。统计量计算部228a计算被判别为是正常粘膜区域的分割区域的特征量的统计量。此外，特定区域判别部2 具备对各分割区域的特征量的频度分布进行分类(clustering)的分类部251a。图8是示出实施方式2的图像处理装置Ia所进行的处理顺序的整体流程图。另外，在此说明的处理通过图像处理装置Ia的各部根据存储在存储部Ha中的图像处理程序 141a进行动作来实现。此外，在图8中，对与实施方式1相同的处理步骤标注相同的标记。如图8所示，在实施方式2中，在步骤a7中特征量计算部21执行特征量计算处理而按各分割区域计算出处理对象的特征量之后，特定区域判别部2 执行特定区域判别处理(步骤f9)。图9是示出特定区域判别处理的详细的处理顺序的流程图。在特定区域判别处理中，特定区域判别部2 首先制作在图8的步骤a7中计算出的各分割区域的特征量即G/R值的平均值和B/G值的平均值在二维特征平面中的频度分布 (步骤gl)。然后，分类部251a对所制作的频度分布进行分类(步骤。分类是根据数据间的类似度将特征空间内的数据的分布分成被称为类(cluster)的块的方法。此外，此时为了在以后的处理中能够确定属于各类的分割区域，制作示出各分割区域被分类为哪一类的列表，存储在存储部Ha中。例如，对于各分割区域的G/R值的平均值和B/G值的平均值在二维特征平面中的数据，使用K-means法等公知方法(参考CG_ARTS协会，数字图像处理，P232)进行分类处理。在此，在二维特征平面上的数据间的距离相当于类似度。另外，在K-means法中，需要将预先分割的类数K指定为参数，根据指定的类数K不同，分类的精度变化很大。因此，为了得到高精度的分类结果，需要按各图像确定最优类数K。在此，作为最优类数K的确定法，使用根据类数评价值确定最优类数K的算法(参考=Chong-Wah Ngo et al,"0n Clustering and Retrieval of Video Shots Through Temporal Slices Analysis,"Trans Mlt,Vol. 4, No. 4，pp446-458，2002)。但能够适用的分类方法不限于K-means法，也可以使用其他的分类方法。接着，分类部251a根据分类的结果计算各类的重心(步骤g5)。然后，特定区域判别部2 按每类计算该重心和当前时刻最新的判别基准之间的马氏距离(步骤g7)。在此，与上述实施方式1同样，判别基准是正常粘膜区域的特征量(G/R值的平均值和B/G值的平均值)在二维特征平面上的频度分布。然后，特定区域判别部2 将计算出的马氏距离在预先设定的正常范围内的类设为正常粘膜类，将属于该正常粘膜类的分割区域判别为正常粘膜区域(步骤g9)。此时，对属于马氏距离在预定正常范围外的类的分割区域，判别为非正常粘膜区域。然后，返回到图8的步骤f9，转移到步骤fll。在步骤fll中，在可靠度计算部22 中，统计量计算部228a根据属于在图9的步骤g9中作为正常粘膜类的类的分割区域的特征量，按各正常粘膜类计算统计量。例如，统计量计算部228a按各正常粘膜类，计算属于该正常粘膜类的所有分割区域的特征量的方差值。接着，可靠度计算部22 使用在步骤fll中计算出的统计量即方差值，按各正常粘膜类计算可靠度(步骤fU)。具体而言，可靠度计算部22 在正常粘膜类中，将计算出的方差值在预先设定的阈值以上的正常粘膜类的可靠度设定为“0”，将方差值小于阈值的正常粘膜类的可靠度设定为“1”。阈值可以设为固定值，也可以构成为能根据用户操作等变更设定。这样，在实施方式2中，根据方差值的大小，以正常粘膜类为单位判定正常粘膜区域和正常粘膜区域以外的区域之间的中间区域，对中间区域所属的正常粘膜类计算出低可靠度。另外，可靠度的计算顺序不限定于此。例如，分别计算各正常粘膜类与用于判别处理对象图像内的正常粘膜区域的判别基准之间马氏距离。然后，在正常粘膜类中，可以将计算出的马氏距离在预先设定的阈值以上的正常粘膜类的可靠度设定为“0”，将马氏距离小于阈值的正常粘膜类的可靠度设定为“1”。通常，在由胶囊内窥镜等按时序拍摄的活体内管腔图像内，正常粘膜区域占大半。因此，频度分布的大多数是正常粘膜区域。通过这里的处理，与大多数的正常粘膜类相类似的正常粘膜类的可靠度计算得较高。另一方面，对不与大多数的正常粘膜类相类似的正常粘膜类，作为正常粘膜区域和正常粘膜区域以外的区域之间的中间区域所属的正常粘膜类，计算低可靠度。然后，判别基准制作部2 执行判别基准制作处理(步骤fl5)。图10是示出判别基准制作处理的详细处理顺序的流程图。另外，在图10中，对与实施方式1相同的处理步骤，标注相同的标记。在判别基准制作处理中，首先可靠度权重设定部22 对各正常粘膜类设定基于其可靠度的权重值(步骤hi)。然后，加权平均值计算部22 通过将在步骤el中按正常粘膜类设定的基于可靠度的权重值乘以属于该正常粘膜类的分割区域的特征量即G/R值的平均值和B/G值的平均值，由此根据可靠度对正常粘膜区域的各分割区域的特征量进行加权，制作加权后的各分割区域的G/R值的平均值和B/G值的平均值在二维特征平面上的频度分布(步骤M)。然后，与上述的实施方式1同样地进行步骤e5 步骤ell的处理，更新判别基准。然后，返回到图8的步骤fl5，转移到步骤al7。如上面所说明的那样，在实施方式2中，首先对按各分割区域计算出的处理对象图像的特征量(G/R值的平均值和B/G值的平均值)进行分类，按分类结果得到的各类判别正常粘膜区域。具体而言，通过将类的重心与判别基准进行比较来判别正常粘膜区域。此外，按作为正常粘膜类的各类计算特征量的方差值来计算可靠度，考虑计算出的可靠度适当制作判别基准。根据该实施方式2，与实施方式1那样按各分割区域判别正常粘膜区域、 制作/更新判别基准的情况相比，具有判别结果容易追随粘膜色的变化的效果。实施方式3下面，对实施方式3的图像处理装置进行说明。图11是说明实施方式3的图像处理装置Ib的功能结构的框图。另外，对于与在实施方式1中说明的结构相同的结构，标注相同的标记。实施方式3的图像处理装置Ib如图11所示，具备图像取得部11、输入部12、 显示部13、存储部14b、运算部20b、控制图像处理装置Ib整体动作的控制部15。在存储部14b中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141b。此外，运算部20b包括特征量计算部21、判别基准制作部22b、特定区域判别部 25b。判别基准制作部22b具备初始值设定部221b和加权平均值计算部222。在实施方式3 中，初始值设定部221b具备初始值加权平均值计算部229b和处理停止控制部230b，设定判别基准的初始值。初始值加权平均值计算部229b对于构成初始值设定对象区间的活体内管腔图像内的正常粘膜区域的特征量，与初始值设定区间的末尾的设定对象图像的时序距离越近设定越高的权重来计算加权平均值。处理停止控制部230b控制初始值加权平均值计算部229b的加权平均值的计算处理的停止。此外，加权平均值计算部222具备时序距离权重设定部223和可靠度权重设定部224，可靠度权重设定部2 具备可靠度计算部225。 可靠度计算部225具备可靠度计算基准设定部2 和非特定区域判定部227。在上述实施方式1等中，预先准备拍摄了正常粘膜区域的活体内管腔图像，根据准备好的活体内管腔图像的特征量制作判别基准的初始值。作为该判别基准的初始值，为了高精度地判别正常粘膜区域，优选尽可能使用噪声少的初始值。然而，在准备好的反映正常粘膜区域的活体内管腔图像内误包含有非正常粘膜区域的情况下，在其特征量中将会包含非正常粘膜区域的特征量，该非正常粘膜区域的特征量将成为噪声，制作的初始值的精度将会下降。但是，如上所述，在由胶囊内窥镜等按时序拍摄的活体内管腔图像中，正常粘膜区域占大半，所以与正常粘膜区域相比，成为噪声的非正常粘膜区域极少。因此，如果处理多个活体内的管腔图像并反复进行判别基准的制作/更新，将得到的判别基准用作初始值，则能够进一步降低噪声的影响。于是，在实施方式3中，通过按照时序顺序对构成时序图像的各活体内管腔图像例如进行预定张数的处理，设定判别基准的初始值。图12是说明实施方式3的图像处理装置Ib进行的处理的概要的说明图。在图12中，示意性地示出由时序顺序为从第一个到第 N个的活体内管腔图像构成的时序图像。例如，将上述预定张数设为1 N之间的M张，通过处理时序顺序为从前端(第一个)到第M个的各活体内管腔图像，制作作为初始值的判别基准。具体而言，将第M个活体内管腔图像设为设定对象图像It，将从第一个到第M个的时序区间设为初始值设定区间。然后，为了制作判别基准的初始值，如图12中箭头All所示，对从第一个到第M个的各活体内管腔图像从第一个起按时序顺序(从时序前方到时序后方)进行处理，以与实施方式1同样的要领判别活体内管腔图像内的正常粘膜区域，制作 /更新判别基准。然后，将第M个设定对象图像之前进行了处理的时刻的判别基准设定为初始值。这样设定初始值后，如图12中箭头A12所示，与时序顺序逆向(从时序后方到时序前方)地对第M-I个起到第一个为止的各活体内管腔图像进行处理，以与实施方式1同样的要领制作/更新判别基准，并且判别活体内管腔图像内的正常粘膜区域。然后，如果处理到第一个活体内管腔图像，则将判别基准重新设定为初始值。然后，如图12中箭头A13 所示，对从第M个活体内管腔图像(设定对象图像)到第N个的各活体内管腔图像按时序顺序(从时序前方向时序后方)进行处理，以与实施方式1同样的要领制作/更新判别基准，并且判别活体内管腔图像内的正常粘膜区域。在此，处于时序距离近的位置的活体内管腔图像之间的粘膜色相类似。相反，处于时序距离远的位置的活体内管腔图像之间的粘膜色不类似。如箭头A12所示，从设定对象图像开始与时序顺序逆向地处理到第一个活体内管腔图像后重新设定初始值，这是为了防止由于其粘膜色的不同而导致的误判断。即，如果将处理到第一个活体内管腔图像的时刻的判别基准应用于设定对象图像，则第一个活体内管腔图像和第M个设定对象图像的时序距离远，所以可能由于粘膜色的不同而发生误判断。于是，作为从设定对象图像开始按时序顺序处理到末尾的活体内管腔图像(箭头Al； )时的初始值，使用通过处理从第一个到第M 个的各活体内管腔图像(箭头All)制作的判别基准。这样，在实施方式3中，使用如下所述的判别基准来作为初始值，即该判别基准是在从第M-I个活体内管腔图像起与时序顺序逆向地处理到第一个活体内管腔图像时(箭头AU)和在从第M个活体内管腔图像(设定对象图像)起按时序顺序处理到第N个活体内管腔图像时(箭头Al； )，如上面所述，通过处理构成初始值设定区间的活体内管腔图像来制作的。图13和14是示出实施方式3的图像处理装置Ib所进行的处理顺序的整体流程图。另外，在此说明的处理通过图像处理装置Ib的各部根据存储在存储部14b中的图像处理程序141b进行动作来实现。如图13所示，首先，图像取得部11取得时序图像的图像数据(步骤il)。接着，处理停止控制部230b设定初始值设定对象区间，确定该初始值设定对象区间的末尾的活体内管腔图像作为设定对象图像(步骤i3)。具体而言，处理停止控制部230b如图12所说明的那样，将从前端起的预定张数的时序区间设定为初始值设定对象区间，确定该初始值设定对象区间的末尾的时序图像作为设定对象图像。设为初始值设定区间的从前端起的张数 (将几张量的时序区间设为初始值设定区间)，可以设为固定值，也可以构成为能通过用户操作等变更设定。接着，运算部20b读出构成在步骤il中取得的时序图像的、时序顺序在前端的活体内管腔图像作为处理对象图像(步骤i5)。然后，初始值加权平均值计算部229b执行特征量计算处理，对处理对象图像进行区域分割，按各分割区域计算作为特征量的G/R值的平均值和B/G值的平均值(步骤i7)。该处理按照与图3的特征量计算处理同样的处理顺序进行。接着，初始值加权平均值计算部229b以处理对象图像与设定对象图像之间的时序距离越近则权重设定得越大的方式，计算正常粘膜区域的特征量的加权平均值(步骤 i9)。具体而言，制作在步骤i7中计算出的各分割区域的特征量(G/R值的平均值和B/G值的平均值)在二维特征平面上的频度分布，将所制作的频度分布归一化使得频度的合计为 100。然后，按照上述式(4)进行与图6的步骤e7 步骤e9同样的处理，对处理对象图像的特征量的归一化后的频度分布和在上次步骤i9中计算加权平均值得到的频度分布，根据时序距离设定权重并加上权重，作为正常粘膜区域的特征量的加权平均值。然后，在接下来的步骤ilO中，处理停止控制部230b根据处理对象图像的时序顺序进行加权平均值计算的结束判定。然后，处理停止控制部230b在处理对象图像的时序顺序与设定对象图像的时序顺序一致之前，判定为不结束(步骤ill 否)，返回到步骤i5。另一方面，处理停止控制部230b在处理对象图像的时序顺序与设定对象图像的时序顺序一致且处理到设定对象图像的情况下，判定为结束加权平均值计算(步骤ill 是)，转移到步骤 il3。然后，在步骤i 13中，初始值设定部221b将加权平均值计算结束时的加权平均值、 即在步骤ilO 步骤ill中判定为结束加权平均值计算之前刚刚在步骤i9中计算出的加权平均值设定为判别基准的初始值。接着，运算部20b读出时序顺序在设定对象图像前一个的活体内管腔图像作为处理对象图像(步骤iM)。然后，特征量计算部21对该处理对象图像执行特征量计算处理 (步骤i 17)，特定区域判别部25执行特定区域判别处理(步骤i 19)，可靠度计算基准设定部2 设定可靠度计算基准(步骤i21)，可靠度计算部225执行可靠度计算处理(步骤 i23)，判别基准制作部22b执行判别基准制作处理(步骤i25)。在此，步骤i 17的处理按照与图3的特征量计算处理同样的处理顺序进行，步骤il9的处理按照与图4的特定区域判别处理同样的处理顺序进行，与图2的步骤all同样地进行步骤i21的处理，步骤i23的处理按照与图5的可靠度计算处理同样的处理顺序进行，步骤i25的处理按照与图6的判别基准制作处理同样的处理顺序进行。接着，运算部20b判定是否处理了时序顺序在前端的活体内管腔图像。在未处理的情况下(步骤i27 否)，进行从存储部14b读出时序顺序在本次处理的处理对象图像的前一个的活体内管腔图像作为处理对象图像的处理(步骤i29)，作为图像选择部选择处理对象图像。然后，返回到步骤il7，对该处理对象图像执行步骤il7 步骤i25的处理。另一方面，在处理了时序顺序在前端的活体内图像的情况下，S卩如果以时序在设定对象图像前方的所有活体内管腔图像作为处理对象而执行了步骤il7 步骤i25的处理 (步骤i27 是)，则转移到图14的步骤i31。S卩，在步骤i31中，初始值设定部221b重新设定判别基准作为在图13的步骤il3 中设定的初始值。然后，运算部20b读出设定对象图像以作为处理对象图像(步骤i33)。 然后，对于该处理对象图像，特征量计算部21执行特征量计算处理(步骤13 ，特定区域判别部25执行特定区域判别处理(步骤i37)，可靠度计算基准设定部2 设定可靠度计算基准(步骤i39)，可靠度计算部225执行可靠度计算处理(步骤i41)，判别基准制作部 22b执行判别基准制作处理(步骤i43)。在此，步骤i35的处理按照与图3的特征量计算处理同样的处理顺序进行，步骤i37的处理按照与图4的特定区域判别处理同样的处理顺序进行，与图2的步骤all同样地进行步骤i39的处理，步骤i41的处理按照与图5的可靠度计算处理同样的处理顺序进行，步骤i43的处理按照与图6的判别基准制作处理同样的处理顺序进行。然后，运算部20b判定是否处理了时序顺序在末尾的活体内管腔图像。在未处理的情况下(步骤i45 否)，进行从存储部14b读出时序顺序在本次处理的处理对象图像下一个的活体内管腔图像以作为处理对象图像的处理(步骤i47)，作为图像选择部选择处理对象图像。然后，返回到步骤i35，对该处理对象图像执行步骤i35 步骤i43的处理。另一方面，在处理了时序顺序在末尾的活体内管腔图像的情况下，S卩如果将时序在设定对象图像后方的所有活体内管腔图像作为处理对象而执行了步骤i35 步骤i43的处理(步骤i45 是)，则结束本处理。
如以上说明的那样，在实施方式3中，并不是预先准备好拍摄到正常粘膜区域的活体内管腔图像来制作初始值，而是通过依次处理构成时序图像的活体内管腔图像并制作 /更新判别基准来制作初始值。因此，能够抑制初始值的精度下降，所以能够降低噪声的影响并进一步提高正常粘膜区域的判别精度。另外，在实施方式3中，通过按照时序顺序处理预定张数的构成时序图像的各活体内管腔图像，来设定判别基准的初始值。与此相对，也可以构成为根据在图13的步骤i9 中计算出的正常粘膜区域的特征量的加权平均值进行加权平均值计算的结束判定。通常的粘膜颜色不均，所以在一定程度上方差值变大。于是，例如可以根据正常粘膜区域的特征量的加权平均值的方差值是否超过了预先设定的阈值来进行加权平均值计算的结束判定。在此情况下，处理停止控制部230b代替上述步骤ilO的处理，计算每次在步骤i9的处理中计算的加权平均值的方差值，根据计算出的方差值是否超过了预先设定的阈值来进行加权平均值计算的结束判定。然后，处理停止控制部230b，代替上述步骤ill的处理，在如上面所述计算出的加权平均值的方差值超过了阈值的情况下，判定为结束加权平均值计算。在加权平均值的方差值在阈值以下的期间，判定为未结束加权平均值计算。实施方式4下面，对实施方式4的图像处理装置进行说明。图15是说明实施方式4的图像处理装置Ic的功能结构的框图。对与在实施方式1中说明的结构相同的结构标注相同的标记。实施方式4的图像处理装置Ic如图15所示，具备图像取得部11、输入部12、显示部 13、存储部14c、运算部20c、控制图像处理装置Ic整体动作的控制部15。在存储部14c中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141c。此外，运算部20c包括特征量计算部21、判别基准制作部22c、特定区域判别部 25。判别基准制作部22c具备初始值设定部221c和加权平均值计算部222。初始值设定部 221c是设定用于处理时序顺序在前端的活体内管腔图像时的判别基准的初始值的功能部， 且具备初始值图像提取部231c。初始值图像提取部231c是从构成时序图像的活体内管腔图像中提取多个活体内管腔图像的功能部，具备初始值区间设定部232c。初始值区间设定部232c是设定初始值图像提取部231c提取图像的时序区间的功能部，具备初始值脏器判别部233c。初始值脏器判别部233c判别反映在各活体内管腔图像中的脏器种类。此外，加权平均值计算部222具备时序距离权重设定部223和可靠度权重设定部224，可靠度权重设定部2M具备可靠度计算部225。可靠度计算部225具备可靠度计算基准设定部2 和非特定区域判定部227。图16是示出实施方式4的图像处理装置Ic所进行的处理顺序的整体流程图。另外，在此说明的处理通过图像处理装置Ic的各部按照存储在存储部14c中的图像处理程序 141c进行动作来实现。此外，在图16中，对与实施方式1相同的处理步骤标注相同的标记。如图16所示，在实施方式4中，在步骤al中图像取得部11取得时序图像的图像数据后，接着，初始值脏器判别部233c将构成时序图像的各活体内管腔图像依次作为判别对象，判别反映在判别对象的活体内管腔图像中的脏器种类。(步骤j31)。作为脏器种类的判别方法，能够使用适当公知的技术。例如，使用日本特开 2006-288612号公报中公开的技术，根据活体内管腔图像的平均值R值、G值、B值进行判别。
19具体而言，事先设定好各脏器种类的平均R值、G值、B值的数值范围。例如，按食道、胃、小肠和大肠这四个种类判别脏器种类。在此情况下，分别预先设定食道、胃、小肠和大肠的平均R值、G值、B值的数值范围。然后，分别计算判别对象的活体内管腔图像的R值、G值、 B值的平均值作为平均R值、G值、B值，这些平均R值、G值、B值如果在食道的平均R值、 G值、B值的数值范围内，则将反映在该活体内管腔图像中的观察部位的脏器种类判别为食道。如果判别对象的活体内管腔图像的平均R值、G值、B值在胃的平均R值、G值、B值的数值范围内，则将反映在该活体内管腔图像中的观察部位的脏器种类判别为胃。如果判别对象的活体内管腔图像的平均R值、G值、B值在小肠的平均R值、G值、B值的数值范围内， 则将反映在该活体内管腔图像中的观察部位的脏器种类判别为小肠。如果判别对象的活体内管腔图像的平均R值、G值、B值在大肠的平均R值、G值、B值的数值范围内，则将反映在该活体内管腔图像中的观察部位的脏器种类判别为大肠。在此，只要能够判别反映在活体内管腔图像中的脏器种类即可，也可以使用其他方法。接着，初始值区间设定部232c根据最初处理的(时序顺序在前端的)活体内管腔图像的脏器种类设定提取图像的时序区间(步骤j33)。具体而言，根据在步骤j31中判别的各活体内管腔图像的脏器种类，对于时序顺序在前端的活体内管腔图像，设定反映所判别的脏器种类的脏器的时序区间。例如，在从时序顺序在前端的活体内管腔图像中处理由胶囊内窥镜拍摄的时序图像的情况下，在最初处理的时序顺序在前端的活体内管腔图像中反映出食道。这样在时序顺序在前端的活体内管腔图像的脏器种类为食道的情况下，在步骤j33中，根据脏器种类被判别为食道的活体内管腔图像的时序顺序，设定反映食道的时序区间。然后，初始值图像提取部231c从构成在步骤j33中设定的时序区间的活体内管腔图像中，例如随机选出并提取多张活体内管腔图像(步骤j35)。提取的张数可以设为固定张数，也可以构成为能根据用户操作等变更设定。然后，转移到步骤j37，初始值设定部221c执行初始值设定处理。图17是示出初始值设定处理的详细处理顺序的流程图。在初始值设定处理中，初始值设定部221c首先将在图16的步骤j35中提取的多张活体内管腔图像分别分割为例如8X8像素的矩形框即分割区域(步骤kl)。接着，初始值设定部221c计算G/R值的平均值和B/G值的平均值作为分割出的各分割区域的特征量(步骤k2)。具体而言，按各分割区域，根据上述式(1)计算分割区域内的各像素的G/R值的平均值，并且根据上述式(2)计算分割区域内的各像素的 B/G值的平均值。然后，初始值设定部221c对提取出的多张活体内管腔图像，分别制作按各分割区域计算出的G/R值的平均值和B/G值的平均值在二维特征平面上的频度分布(步骤k3)。 然后，初始值设定部221c以使得频度的合计为100的方式将频度分布归一化，设定为判别基准的初始值(步骤k5)。然后，返回到图16的步骤j37，转移到步骤a5。在上述实施方式1等中，预先准备拍摄到正常粘膜区域的活体内管腔图像，根据准备好的活体内管腔图像的特征量制作好判别基准的初始值。然而，所拍摄的活体内管腔图像中反映的粘膜色根据该脏器的种类不同而不同的情况是存在的。在此，制作的判别基准的初始值用于判别最初处理的活体内管腔图像内的正常粘膜区域，但如果该最初处理的活体内管腔图像的脏器种类和准备好的活体内管腔图像的脏器种类不一致，则存在粘膜色不同的情况，所以初始值的精度会降低。在实施方式4中，根据时序顺序在前端的活体内管腔图像的脏器种类，使用反映与该前端的活体内管腔图像相同的脏器的活体内管腔图像的特征量制作判别基准的初始值。具体而言，此时，提取多张脏器种类与前端的活体内管腔图像相同的活体内管腔图像， 根据所提取的活体内管腔图像各自的特征量，制作判别基准的初始值。在此，在活体内管腔图像中，正常粘膜区域占大半。因此，如果对多个活体内管腔图像计算特征量并制作频度分布，则频度分布的众数附近成为正常粘膜区域。这样，根据实施方式4，根据反映与最初处理的时序在前端的活体内管腔图像相同的脏器的多张活体内管腔图像的特征量，能够制作判别基准的初始值，所以能够高精度地制作初始值。然后，对于最初处理的时序顺序在前端的活体内管腔图像，能够使用所制作的初始值进行正常粘膜区域的判别。因此，能够防止因粘膜色的变动而导致的正常粘膜区域的误判别，能够高精度地判别正常粘膜区域。实施方式5下面，对实施方式5的图像处理装置进行说明。图18是说明实施方式5的图像处理装置Id的功能结构的框图。另外，对于与实施方式1中说明的结构相同的结构，标注相同的标记。实施方式5的图像处理装置Id如图18所示，具备图像取得部11、输入部12、 显示部13、存储部14d、运算部20d和控制图像处理装置Id整体动作的控制部15。在存储部14d中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141d。此外，运算部20d包括特征量计算部21、判别基准制作部22d、特定区域判别部 25。判别基准制作部22d具备初始值设定部221和加权平均值计算部222d。加权平均值计算部222d具备时序距离权重设定部223和可靠度权重设定部224d，可靠度权重设定部 224d具备可靠度计算部225d。可靠度计算部225d具备附近区域判别部234d。附近区域判别部234d判别被判别为是正常粘膜区域的分割区域的附近区域，判别附近是否存在非正常粘膜区域。图19是示出实施方式5的图像处理装置Id所进行的处理顺序的整体流程图。另外，在此说明的处理通过图像处理装置Id的各部按照存储在存储部14d中的图像处理程序 141d进行动作来实现。此外，在图19中，对与实施方式1相同的处理步骤标注相同的标记。如图19所示，在实施方式5中，在步骤a9中特定区域判别部25执行特定区域判别处理并判别处理对象图像内的正常粘膜区域之后，附近区域判别部234d执行附近区域判别处理(步骤111)。图20是示出附近区域判别处理的详细处理顺序的流程图。在附近判别处理中，附近区域判别部234d首先根据按各像素设定有分配给分割区域的区域编号的区域编号图像和各分割区域的正常粘膜区域的判别结果，制作二进制图像，在该二进制图像中，将属于被判别为是正常粘膜区域的分割区域的像素的像素值设为 “0”，将属于被判别为是非正常粘膜区域的分割区域的像素的像素值设为“1”(步骤ml)。接着，附近区域判别部234d对在步骤ml中制作的二进制图像进行公知的膨胀处理(参考=CG-ARTS协会，数字图像处理，P179 P180)，制作使像素值为“1”的非正常粘膜区域膨胀的二进制图像(步骤m3)。然后，附近区域判别部234d按各像素计算进行膨胀处理前的原二进制图像(在步骤ml中制作的二进制图像)和使该原二进制图像膨胀而制作的二进制图像(在步骤m3中制作的二进制图像)之和(步骤m5)。然后，附近区域判别部234d按被判别为是正常粘膜区域的分割区域，依次判定是否包含在步骤m5中计算出的值为“1”的像素。即，对于包含在步骤m5中计算出的值为“1” 的像素的分割区域，判别为附近存在非正常粘膜区域，对于不包含在步骤m5中计算出的值为“1”的像素的分割区域，判别为附近不存在非正常粘膜区域(步骤m7)。然后，返回到图 19的步骤111，转移到步骤113。在步骤113中，可靠度计算部225d使用附近是否存在非正常粘膜区域的判别结果，按被判别为是正常粘膜区域的分割区域计算可靠度。具体而言，将在图20的步骤m7中被判别为附近存在非正常粘膜区域的分割区域的可靠度设定为“0”，将被判别为附近不存在非正常粘膜区域的分割区域的可靠度设定为“1”。然后，转移到步骤al5的判别基准制作处理。如上面所说明的那样，在实施方式5中，在被判别为是正常粘膜区域的分割区域中，判别被判别为是非正常粘膜区域的区域存在于附近的分割区域。然后，在被判别为是正常粘膜区域的分割区域中，对于判别为附近存在非正常粘膜区域的分割区域，作为具有正常粘膜区域和正常粘膜区域以外的区域之间的中间色调的区域，计算低可靠度。因此，以难以合计具有这样的中间色调的区域的特征量的方式制作判别基准，所以能进一步提高正常粘膜区域的判别精度。实施方式6下面，对实施方式6的图像处理装置进行说明。图21是说明实施方式6的图像处理装置Ie的功能结构的框图。另外，对与在实施方式1中说明的结构相同的结构，标注相同的标记。实施方式6的图像处理装置Ie如图21所示，具备图像取得部11、输入部12、 显示部13、存储部14e、运算部20e、控制图像处理装置Ie整体动作的控制部15。在存储部14e中存储有用于判别构成时序图像的各活体内管腔图像内的正常粘膜区域的图像处理程序141e。此外，运算部20e包括特征量计算部21、判别基准制作部22e、特定区域判别部 25。判别基准制作部2 具备初始值设定部221和加权平均值计算部22 ，加权平均值计算部22 具备时序距离权重设定部223和可靠度权重设定部22如。可靠度权重设定部 224e具备可靠度计算部22 ，该可靠度计算部22 具备可靠度计算基准设定部226e。然后，在实施方式6中，可靠度计算基准设定部226e具备可靠度计算图像提取部23k。可靠度计算图像提取部23 是从构成时序图像的活体内管腔图像中提取多张活体内管腔图像的功能部，具备可靠度区间设定部236e。可靠度区间设定部236e是设定可靠度计算图像提取部23 提取图像的时序区间的功能部，具备可靠度脏器判别部237e。可靠度脏器判别部 237e判别各活体内管腔图像中反映的脏器种类。图22是示出实施方式6的图像处理装置Ie所进行的处理顺序的整体流程图。另外，在此说明的处理通过图像处理装置Ie的各部按照存储在存储部14e中的图像处理程序 141e进行动作来实现。此外，在图22中，对与实施方式1相同的处理步骤标注相同的标记。如图22所示，在实施方式6中，在步骤al中图像取得部11取得时序图像的图像数据后，接着，在运算部20e中可靠度计算基准设定部226e执行可靠度计算基准设定处理 (步骤。图23是示出可靠度计算基准设定处理的详细处理顺序的流程图。
22
在可靠度计算基准设定处理中，首先可靠度脏器判别部237e将构成时序图像的各活体内管腔图像依次作为判别对象，判别在判别对象的活体内管腔图像中反映的脏器种类(步骤ol)。在此的处理例如能够通过与在上述实施方式4的图16的步骤j31中说明的处理同样的方法来实现。接着，可靠度区间设定部236e根据步骤ol的判别结果设定各脏器种类的时序区间(步骤03)。例如，在作为脏器种类而判别食道、胃、小肠和大肠的情况下，在步骤o3中分别设定由反映食道的活体内管腔图像构成的时序区间、由反映胃的活体内管腔图像构成的时序区间、由反映小肠的活体内管腔图像构成的时序区间、由反映大肠的活体内管腔图像构成的时序区间。接着，按在步骤o3中设定了时序区间的各脏器种类，进行循环A的处理(步骤 o5 步骤ol7)。即，在循环A中，首先，可靠度计算图像提取部23 从构成在步骤o3中按处理对象的脏器种类设定的时序区间的活体内管腔图像中，分别例如随机地选出多张活体内管腔图像(步骤07)。提取的张数可以是预先设定的固定张数，也可以构成为能够根据用户操作等来变更设定。接着，可靠度计算基准设定部226e将在步骤o7中提取出的多张活体内管腔图像分别分割为例如8X8像素的矩形框即分割区域(步骤09)。然后，可靠度计算基准设定部 226e计算G/R值的平均值和B/G值的平均值以作为分割出的各分割区域的特征量(步骤 oil)。具体而言，按各分割区域，根据上述式(1)计算分割区域内的各像素的G/R值的平均值，并且根据上述式( 计算分割区域内的各像素的B/G值的平均值。然后，可靠度计算基准设定部226e对提取出的多张活体内管腔图像，分别制作按各分割区域计算出的G/R值的平均值和B/G值的平均值在二维特征平面上的频度分布(步骤01 。然后，可靠度计算基准设定部226e以使频度的合计成为100的方式将频度分布归一化，设定为与处理对象的脏器种类有关的可靠度计算基准(步骤ol5)。如上面所述按各脏器种类进行循环A的处理，如果按各脏器种类设定了可靠度计算基准，则返回到图22的步骤π2，然后转移到步骤a3。此外，在实施方式6中，在步骤a9中特定区域判别部25执行特定区域判别处理并判别处理对象图像内的正常粘膜区域之后，可靠度计算部22 取得在图23的步骤ol中对处理对象图像判别的脏器种类(步骤nil)。然后，可靠度计算部22 按在处理对象图像内被判别为是正常粘膜区域的各分割区域计算可靠度(步骤ni:3)。在该步骤nl3之后，转移到步骤al5。具体而言，可靠度计算部22 使用与反映在处理对象图像中的脏器种类有关的可靠度计算基准来计算可靠度。即，可靠度计算部22 依次处理被判别为是正常粘膜区域的分割区域，计算处理对象的分割区域的特征量即G/R值的平均值和B/G值的平均值与在步骤n2的可靠度计算基准设定处理中按在步骤nil中取得的脏器种类设定的可靠度计算基准(反映与处理对象图像相同的脏器的活体内管腔图像中各分割区域的特征量的频度分布)之间的马氏距离。然后，可靠度计算部22 根据计算出的马氏距离，按照下式(5)、(6)计算可靠度 T。在此，Maha表示计算出的马氏距离。即，可靠度计算部22 分为马氏距离Maha的值为 0. 1以下的情况和大于0. 1的情况这两种情况，计算处理对象的分割区域的可靠度T。
gMaha《0.UljT=l . . . (5) _7]若 M—>0.1，,= —;χ10 -(6)如上述说明的那样，根据实施方式6，判别构成时序图像的各活体内管腔图像的脏器种类，设定各脏器种类的时序区间。然后，从与各脏器种类对应的时序区间提取多张活体内管腔图像，根据提取出的多张活体内管腔图像各自的特征量，设定各脏器种类的可靠度计算基准。在此，如在实施方式4中所述的那样，所拍摄的活体内管腔图像中反映的粘膜色因该脏器的种类不同而不同。根据实施方式6，按各脏器种类，能够使用反映该脏器的活体内管腔图像的特征量计算可靠度计算基准。然后，能够使用与处理对象图像的脏器种类相应的可靠度计算基准计算正常粘膜区域的可靠度，考虑计算出的可靠度来制作判别基准。 因此，能够更高精度地计算正常粘膜区域的可靠度，因为能按难以合计计算出低可靠度的特征量的方式制作判别基准，所以能够提高正常粘膜区域的判别精度。在上述各实施方式中，作为特征量，例示了 G/R值的平均值和B/G值的平均值，但在本发明中能够使用的特征量不限于此，可以使用其他值作为特征量。例如，通过L*a*b* 转换(参考=CG-ARTS协会，数字图像处理，P62 Ρ6!3)根据各像素的RGB值求出a*b*值， 例如可以按各分割区域计算平均值而用作特征量。或者，使用HSI转换(参考=CG-ARTS协会，数字图像处理，P64 P68)将RGB值转换为色调H和彩度S的值，例如可以按各分割区域计算这些色调H和彩度S的平均值并用作特征量。然后，在将这样的其他值用作特征量的情况下，只要采用上述其他值进行如下所述的处理即可，所述处理为在上述各实施方式中使用作为G/R值的平均值和B/G值的平均值的特征量而进行了说明的处理。此外，在上述各实施方式中，将构成时序图像的各活体内管腔图像依次作为处理对象图像，将该处理对象图像分割为分割区域，但分割为该分割区域的处理是为了减轻处理负荷而进行的处理。因此，不一定需要进行区域分割，可以按像素计算特征量。在此情况下，例如只要计算各像素的G/R值和B/G值或a*b*值、色调H和彩度S的值作为各像素的特征量，按各像素进行在上述各实施方式中按分割区域进行的处理即可。此外，上述实施方式1的图像处理装置1、实施方式2的图像处理装置la、实施方式3的图像处理装置lb、实施方式4的图像处理装置lc、实施方式5的图像处理装置Id、 实施方式6的图像处理装置Ie能够通过用计算机、工作站等计算机系统执行预先准备好的程序来实现。下面对具有与在各实施方式1 6中说明的图像处理装置l、la、lb、lc、ld、 Ie同样的功能、用于执行图像处理程序141、141a、141b、141C、141d、141e的计算机系统进行说明。图M是示出本变形例中的计算机系统400的结构的系统结构图，图25是示出构成该计算机系统400的主体部410的结构的框图。如图M所示，计算机系统400具备主体部410、用于根据来自主体部410的指示在显示画面421上显示图像等信息的显示器420、 用于向该计算机系统400输入各种信息的键盘430、用于指定显示器420的显示画面421上的任意位置的鼠标440。此外，如图M和图25所示，该计算机系统400中的主体部410具备CPU 41URAM 412,ROM 413、硬盘驱动器(HDD) 414、收纳CD-ROM 460的CD-ROM驱动器415、可装卸地连接 USB存储器470的USB端口 416、显示器420、连接键盘430和鼠标440的I/O接口 417、用
24于连接到局域网或广域网(LAN/WAN)m的LAN接口 418。此外，该计算机系统400连接有用于连接到因特网等公共回路N3的调制解调器 450，并且经由LAN接口 418和局域网或广域网附连接有作为其他计算机系统的计算机 (PC) 481、服务器482、打印机483等。而且，该计算机系统400通过读出并执行存储在存储介质中的图像处理程序(例如实施方式1的图像处理程序141、实施方式2的图像处理程序141a、实施方式3的图像处理程序141b、实施方式4的图像处理程序141c、实施方式5的图像处理程序141d、实施方式 6的图像处理程序141e)来实现图像处理装置(例如实施方式1的图像处理装置1、实施方式2的图像处理装置la、实施方式3的图像处理装置lb、实施方式4的图像处理装置lc、实施方式5的图像处理装置Id、实施方式6的图像处理装置Ie)。在此，作为存储介质，除了 ⑶-ROM 460和USB存储器470之外，还包括MO盘、DVD盘、软盘(FD)、光磁盘、IC卡等“移动式物理介质”、计算机系统400内外所具备的HDD 414,RAM 412,ROM 413等“固定式物理介质”、如经由调制解调器450连接的公共回路N3、连接有作为其他计算机系统的PC 481、 服务器482的局域网或广域网m等那样在发送程序时短期存储程序的“通信介质”等，存储能够通过计算机系统400读取的图像处理程序的所有存储介质。S卩，图像处理程序以计算机能够读取的方式存储在“移动式物理介质”、“固定用物理介质”、“通信介质”等存储介质中，计算机系统400通过从这样的存储介质读取并执行图像处理程序来实现图像处理装置。另外，图像处理程序不限于由计算机系统400来执行，也能够将本发明同样地应用于由作为其他计算机系统的PC 481和服务器482执行图像处理程序的情况和这些设备协作地执行图像处理程序的情况。此外，本发明不直接局限于上述各实施方式1 6及其变形例，可以通过适当组合在各实施方式和变形例中公开的多个构成要素来形成各种发明。例如，可以从各实施方式和变形例所示的全部构成要素中除去几个构成要素来形成。或者，可以适当组合不同的实施方式和变形例所示的构成要素来形成。根据以上说明的本发明，能够高精度地判别构成按时序对拍摄对象进行拍摄而得到的一系列时序图像的图像内的特定区域。
2权利要求
1.一种图像处理装置，该图像处理装置处理按时序对拍摄对象进行拍摄而得到的一系列的时序图像，该图像处理装置具备图像选择部，其从构成所述时序图像的图像中按照时序顺序来选择处理对象图像； 判别基准制作部，其制作用于判别所述处理对象图像内的特定区域的判别基准； 特征量计算部，其计算所述处理对象图像的各像素或各小区域的特征量；以及特定区域判别部，其根据各所述像素或各所述小区域的所述特征量，使用所述判别基准来判别所述处理对象图像内的特定区域，所述判别基准制作部根据已经由所述图像选择部选择为所述处理对象图像并且已经由所述特定区域判别部进行了判别的图像内的所述特定区域的特征量，制作所述判别基准。
2.根据权利要求1所述的图像处理装置，其中， 所述判别基准制作部具备初始值设定部，其设定所述判别基准的初始值；以及加权平均值计算部，其计算所述初始值与所述已经进行了判别的图像内的所述特定区域的特征量的加权平均值，根据所述加权平均值制作所述判别基准。
3.根据权利要求1所述的图像处理装置，其中，所述特定区域判别部具备对各所述像素或各所述小区域的所述特征量的分布进行分类的分类部，按照作为所述分类的结果得到的各类来判别所述特定区域。
4.根据权利要求2所述的图像处理装置，其中，所述初始值设定部具备从所述时序图像中提取多张图像的初始值图像提取部，根据所述多张图像的特征量设定所述初始值。
5.根据权利要求4所述的图像处理装置，其中，所述初始值图像提取部具备设定提取所述多张图像的时序区间的初始值区间设定部， 从所述时序区间提取所述多张图像。
6.根据权利要求5所述的图像处理装置，其中， 所述拍摄对象为活体内管腔，所述初始值区间设定部具备初始值脏器判别部，该初始值脏器判别部判别构成所述时序图像的图像中反映的脏器种类，所述初始值区间设定部根据所述脏器种类的判别结果来设定所述时序区间。
7.根据权利要求2所述的图像处理装置，其中， 所述初始值设定部具备初始值加权平均值计算部，其依次处理构成初始值设定区间的图像，对与本次处理的图像的时序距离越近的已处理图像，进行越大的加权，由此计算构成所述初始值设定区间的图像内的特定区域的特征量的加权平均值，其中，所述初始值设定区间构成所述时序图像；以及停止控制部，其在处理了构成所述初始值设定区间的所有图像的时刻控制所述计算的停止，将停止了所述计算的时刻的所述加权平均值设定为所述初始值。
8.根据权利要求7所述的图像处理装置，其中，所述图像选择部以所述初始值设定区间的末尾的图像的时序顺序为基准向时序前方追溯来选择所述处理对象图像，选择时序顺序在前端的图像作为处理对象图像后，从所述初始值设定区间的末尾的图像向时序后方选择所述处理对象图像，所述初始值设定部在所述图像选择部选择了所述初始值设定区间的末尾的图像作为处理对象图像时，将所述判别基准重新设定为作为所述初始值的、在停止了所述计算的时刻的所述加权平均值。
9.根据权利要求2所述的图像处理装置，其中，所述初始值设定部具备初始值加权平均值计算部，其在所述时序图像中的初始值设定区间，与在时序上位于末尾的图像的时序距离越近，则设定越高的权重，由此计算图像内的特定区域的特征量的加权平均值；以及停止控制部，其根据所述加权平均值控制所述加权平均值的计算的停止，所述初始值设定部将停止了所述加权平均值的计算的时刻的所述加权平均值设定为所述初始值。
10.根据权利要求2所述的图像处理装置，其中，所述加权平均值计算部具备时序距离权重设定部，该时序距离权重设定部对所述已经进行了判别的图像内的所述特定区域的特征量，设定与所述已经进行了判别的图像和所述处理对象图像的时序距离相应的权重，按照与所述时序距离相应的权重计算所述加权平均值。
11.根据权利要求10所述的图像处理装置，其中，所述时序距离越近，所述时序距离权重设定部将与所述时序距离相应的权重设定得越大。
12.根据权利要求2所述的图像处理装置，其中，所述加权平均值计算部具备可靠度计算部，其计算所述处理对象图像内的所述特定区域的可靠度；以及可靠度权重设定部，其对所述处理对象图像内的所述特定区域的特征量设定与所述可靠度相应的权重，所述加权平均值计算部按照与所述可靠度相应的权重来计算所述处理对象图像内的所述特定区域的特征量的加权平均值。
13.根据权利要求12所述的图像处理装置，其中，所述可靠度计算部根据所述特定区域的特征量计算所述可靠度。
14.根据权利要求13所述的图像处理装置，其中，所述可靠度计算部具备统计量计算部，该统计量计算部计算由所述特定区域判别部在所述处理对象图像内判别为是所述特定区域的各所述像素或各所述小区域的所述特征量的统计量，根据所述统计量计算所述特定区域的可靠度。
15.根据权利要求13所述的图像处理装置，其中，所述可靠度计算部具备判别所述特定区域的附近区域的附近区域判别部，根据所述附近区域的判别结果计算所述特定区域的可靠度。
16.根据权利要求13所述的图像处理装置，其中，所述可靠度计算部具备可靠度计算基准设定部，该可靠度计算基准设定部设定用于计算所述可靠度的可靠度计算基准，所述可靠度计算部根据所述特定区域的特征量，使用所述可靠度计算基准来计算所述特定区域的可靠度。
17.根据权利要求16所述的图像处理装置，其中，所述可靠度计算基准设定部将所述特定区域判别部用于所述处理对象图像内的所述特定区域的判别的所述判别基准设定为所述可靠度计算基准。
18.根据权利要求16所述的图像处理装置，其中，所述可靠度计算基准设定部根据在所述处理对象图像内未被所述特定区域判别部判别为是所述特定区域的各所述像素或各所述小区域的所述特征量的分布，设定所述可靠度计算基准。
19.根据权利要求16所述的图像处理装置，其中，所述可靠度计算基准设定部具备从所述时序图像中提取多张图像的可靠度计算图像提取部，且根据所述多张图像的特征量设定所述可靠度计算基准。
20.根据权利要求19所述的图像处理装置，其中，所述可靠度计算图像提取部具备对提取所述多张图像的时序区间进行设定的可靠度区间设定部，且从所述时序区间提取所述多张图像。
21.根据权利要求20所述的图像处理装置，其中，所述可靠度区间设定部具备对构成所述时序图像的图像中反映的脏器种类进行判别的可靠度脏器判别部，且根据所述脏器种类的判别结果设定所述时序区间。
22.根据权利要求12所述的图像处理装置，其中，所述可靠度计算部具备非特定区域判定部，该非特定区域判定部判定在所述处理对象图像内有无未被所述特定区域判别部判别为是所述特定区域的所述像素或所述小区域，所述可靠度计算部根据未被判别为是所述特定区域的所述像素或所述小区域的有无， 计算所述可靠度。
23.根据权利要求1所述的图像处理装置，其中，所述拍摄对象为活体内管腔，所述特定区域为所述活体内管腔内壁的正常粘膜的区域。
24.—种图像处理方法，该图像处理方法包括如下步骤从构成按时序对拍摄对象进行拍摄而得到的一系列时序图像的图像中按照时序顺序选择处理对象图像；制作用于判别所述处理对象图像内的特定区域的判别基准；计算所述处理对象图像的各像素或各小区域的特征量；以及根据各所述像素或各所述小区域的所述特征量，使用所述判别基准来判别所述处理对象图像内的特定区域，在制作所述判别基准的步骤中，根据已经选择为所述处理对象图像并且已经进行了判别的图像内的所述特定区域的特征量，制作所述判别基准。
全文摘要
本发明提供图像处理装置和图像处理方法。图像处理装置具备判别基准制作部，其制作用于判别处理对象图像内的特定区域的判别基准，所述处理对象图像是从构成时序图像的图像中按照时序顺序来选择的；特征量计算部，其计算处理对象图像的各分割区域的特征量；以及特定区域判别部，其根据各分割区域的特征量，使用判别基准来判别处理对象图像内的特定区域。而且，判别基准制作部根据在已经结束了处理的图像内判别的特定区域的特征量，制作判别基准。
文档编号G06K9/66GK102243710SQ20111012273
公开日2011年11月16日 申请日期2011年5月12日 优先权日2010年5月14日
发明者北村诚, 弘田昌士, 松田岳博, 河野隆志, 神田大和 申请人:奥林巴斯株式会社