JP2011056069A - テンプレート画像の評価方法及び生体運動検出装置 - Google Patents

Abstract

【課題】本発明は、パターンマッチングに用いるテンプレート画像を決定する際に、テンプレート画像を評価する方法を提供することを目的とする。
【解決手段】評価対象の複数のテンプレート画像を用いて複数画像とのパターンマッチングを実施し、パターンマッチング結果に基づき複数のテンプレート画像間の相関係数を算出し、算出結果に基づいてテンプレート画像を評価する。
【選択図】図１

Description

本発明はテンプレート画像の評価方法及び生体運動検出装置に関するものであり、特に眼底画像のパターンマッチングを行う際のテンプレート画像を評価するための、テンプレート画像の評価方法及び生体運動検出装置に関する。

近年、眼底画像に代表される眼科画像が、疾病の早期発見などのための医用画像として診療に用いられている。しかしながら、眼科画像を用いる診療において、診察中における眼の動きの影響が長年大きな問題として認識されてきた。すなわち、眼が動くことによって、眼科画像が不鮮明なものとなり、診察や治療の精度向上が図れないおそれが出てくるからである。人間の眼は、一点を固視している時でも不随意に微小な振動を繰り返している。これを固視微動という。固視微動を患者が意識して止めることはできないので、眼に対して診察・治療を行う際には、診療器具又は検者・術者のほうで固視微動の影響を排除する工夫が必要である。

高いクオリティの診療を行うためには、検者・術者の技術に依存せずに固視微動を排除することが重要であり、そのためには診療器具に眼の動きへの対策を施すことが必要となる。例えば、非特許文献１に示すような、視神経乳頭に円を描く光をあて、その反射の変位で眼の動きを検知し補正するトラッキング技術が公開されている。

しかし、上記非特許文献１の技術では、眼の動きを検知するためのハードウェアを検眼鏡のほかに追加する必要があるという煩雑さがあった。そこで、眼の動きを検知するための追加ハードウェアなしで実現できるトラッキング手法が提示されている。これは、一般的な検眼鏡にはアライメントのため等に眼底を観察する装置がついているが、その眼底観察装置で眼底の横方向（眼の深さ方向に対して垂直な方向）の動きを検出し、トラッキングを行うというものである。

その際、眼底画像全体から特徴を持った小領域を抽出し、連続した複数の眼底画像間におけるその小領域の動きを検知することで眼底全体の動きをも検出することができる。この方法によれば、眼底全体の動きを検知するよりも計算量が少なくなるため、効率的に眼底の動きを検出することができる。このとき用いる、特徴を持った小領域の画像のことをテンプレート画像と呼び、テンプレート画像の動きを検知するためにはパターンマッチングという技術を用いる。パターンマッチングとは、テンプレート画像と最も似た部位を対象となる参照する画像の全体から探す技術である。

テンプレート画像を用いたパターンマッチングで眼底の動きを検知する場合、選択するテンプレート画像によっては、探知すべき部位とマッチングしなかったり、探知すべきではない部位とマッチングしたりしてしまう等の問題が生じ、結果として誤検知が誘発される場合がある。そのため、テンプレート画像が適切に選ばれていることが重要である。

特開2001-070247号公報

Daniel X. Hammer, R. Daniel Ferguson, John C. Magill, and Michael A. White, "Image stabilization for scanning laser ophthalmoscopy" , OPTICS EXPRESS 10(26), 1542-1549 (2002)

しかし、従来、適切なテンプレート画像を評価する方法がなく、パターンマッチングに用いるテンプレート画像を決定する際に、よりよいテンプレート画像を選択して設定することができなかった。
かかる問題に鑑みて、本発明は、抽出されたテンプレート画像を適正に評価することができるテンプレート画像の評価方法及び生体運動検出装置を提供することを目的とする。

本発明のテンプレート評価方法は、画像のパターンマッチングに用いるテンプレート画像の評価方法であって、複数のテンプレート画像のそれぞれのテンプレート画像を用いて複数の参照画像に対してパターンマッチングを行う手段と、前記テンプレート画像によるパターンマッチングの結果の相関係数を、テンプレート画像の組み合わせごとに算出する手段と、算出された相関係数に基づいて各テンプレート画像を評価し、他のテンプレート画像との相関が悪いテンプレート画像を悪いテンプレート画像であると判断する手段とを備える。

また、本発明の生体運動検出装置は、生体画像を取得する取得手段と、前記画像から複数のテンプレート画像を抽出する抽出手段と、複数の前記生体画像に前記複数テンプレート画像でパターンマッチングを実施するパターンマッチング手段と、前記パターンマッチングの結果に基づき、複数のテンプレート画像間の相関係数を算出する演算手段と、算出の結果に基づいて、テンプレート画像を評価する評価手段と、前記評価手段で良いと評価されたテンプレート画像を用いてパターンマッチングを行い、生体運動を定量的に検知する検知手段とからなる。

本発明によれば、テンプレート画像を適正に評価することができる。

実施例１における本発明の処理のフローチャート 実施例１のハードウェア構成図 本発明の参照画像とテンプレート画像の関係を示す図。 実施例１における各テンプレート画像間においてパターンマッチング結果を比較した相関関係を表すグラフ。 ステップ１０２の、実施例２におけるフローチャート 実施例２におけるステップ３０２及び３０３を説明するための模式図。 実施例２の構成で、ステップ３０３の中央部の大きさによる誤判定の割合を示したグラフ

以下、本発明の一実施の形態を、図面を用いて詳細に説明する。なお、本発明に用いる画像の種類やサイズ、形状等は以下の構成に限定されず、本発明は、あらゆる画像におけるパターンマッチングの際のテンプレート画像の評価に使用することができる。また、本発明は、眼底のみならず、あらゆる部位の生体画像におけるパターンマッチングに使用するテンプレート画像の評価にも使用可能である。
［実施例１］

実施例１では、テンプレート画像を決定し、評価し、選択することで良いテンプレート画像を取得するための図1のフローチャートに示す方法、及び、本方法を用いた図２の生体運動検出装置の構成について説明する。

図２の生体運動検出装置は、生体画像の取得手段としての共焦点検眼鏡（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔａｌｍｏｓｃｏｐｅ、以下ＳＬＯ）２０１及び光干渉断層装置（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ、以下ＯＣＴ）２０２、ＣＰＵ２０３、メモリ２０４、ハードディスク２０５からなる。ＳＬＯ２０１及びＯＣＴ２０２は既存の撮像系で実現できるため、その構成を簡略化して記載してある。また、ＣＰＵ２０３は、後述するようにプログラムを実行することにより抽出手段、パターンマッチング手段、演算手段、評価手段、検知手段として機能する。本構成により、図２の生体運動検出装置は、ＳＬＯ２０１で眼底を撮像した眼底画像を時系列に比較することで眼球の運動を検知し、同時に、ＯＣＴ２０２によって断層画像を撮影するときの位置ずれを抑止することができる。以下、ＳＬＯ像とは共焦点検眼鏡で撮像された眼底画像のことを指す。なお、図１のフローチャートを実現するプログラムはハードディスク２０５に記憶され、ＣＰＵ２０３が読み出して実行する。

まず、図１のフローチャートのステップ１０１、“参照画像を一枚取得”から処理を開始する。このステップではＳＬＯ２０１にてＳＬＯ像を１枚撮像し、メモリ２０４に保存する。用いる画像については特に限定されないが、血管の交差・分岐部位が入る程度以上の大きさを有することが必要である。本実施例においては、縦２０００×横２０００画素のサイズのＳＬＯ像を用いた。

次にステップ１０２、“複数テンプレート画像(Ｔ１,…Ｔｉ…,Ｔｎ)決定”に進む。ＣＰＵ２０３は抽出手段として機能して、ステップ１０１でメモリ２０４に保存されたＳＬＯ像から、パターンマッチングに使用できる特徴を持った小領域の画像であるテンプレート画像を複数抽出する。なお、ステップ１０１を省略して、ステップ１０２において予めメモリ２０４に保存されている別のテンプレート画像を選択してもよい。特徴を持った小領域としては、例えば、限定はされないが、視神経乳頭や血管の交差・分岐部位等が考えられる。本実施例では、特徴を持った小領域として血管の交差・分岐部位を抽出し、テンプレート画像とした。

本実施例において、テンプレート画像を評価するためには、テンプレート画像が複数あることが必要となる。テンプレート画像の数は３つ以上が望ましいが、２つでもかまわない。評価に必要なテンプレートの数は、検者２０６が任意に定めることができる。本実施例では、検者２０６はテンプレート画像は４つ以上と定め、その情報がメモリ２０４に保存されている。

取得した参照画像からの血管の交差・分岐部位の抽出の手順としては、例えば特許文献１に開示される方法を用いることができるし、或いは後述する実施例２の方法を用いることもできる。ただし、特徴を持った小領域の抽出方法はこれらの手段に限定されず、いかなる公知の手段によってテンプレート画像を決定してもよい。

複数テンプレート画像を抽出する処理を終えると、ＣＰＵ２０３はステップ１０３に進む。ステップ１０３は、参照画像としての複数のＳＬＯ像を、取得手段として機能するＳＬＯ２０１を用いて取得し、メモリ２０４に保存させるステップである。ステップ１０３の処理は、ステップ１０４の判断、“画像をＭ枚以上取得したか？”をＣＰＵ２０３がＹＥＳと判断するまで続く。なお、ステップ１０１で取得した参照画像が上記Ｍ枚の参照画像のうちの１枚として含まれていてもかまわない。取得する参照画像の枚数であるＭ枚は、検者２０６が任意に定めることができる。取得する枚数は特に限定されなく、後述する相関係数を算出するのに十分な数であればよい。本実施例では、検者２０６は、取得する参照画像の枚数を２０枚とした。

メモリ２０４内にＭ枚以上のＳＬＯ像を取得したら、ＣＰＵ２０３はパターンマッチング手段として機能して、ステップ１０５の処理“Ｍ枚以上のＳＬＯ像に複数テンプレート画像(Ｔ１,…Ｔｉ…,Ｔｎ)でパターンマッチング”を行う。ここでは、図３に示すように、ステップ１０２で取得した複数のテンプレート画像(Ｔ１,…Ｔｉ…,Ｔｎ)を使用し、ステップ１０３で取得したＭ枚以上の参照画像のすべてに対してそれぞれのテンプレート画像を用いて別個にパターンマッチングを行う。

それぞれの参照画像に対して各テンプレート画像でパターンマッチングした結果は、ステップ１０６において、使用したテンプレート画像ごとにメモリ２０４に保存される。パターンマッチングの結果としては、後述する相関係数を計算することができれば、検出された部位のＸ座標、Ｙ座標等の位置座標の情報やテンプレート画像との類似度など、いかなる情報を用いても良い。本実施例では、それぞれの参照画像において検出された部位のＸ座標を用いた。また、結果のメモリへの保存はパターンマッチングを行いながら行ってもよいし、パターンマッチングが終了した後に検出された位置の情報を算出し、一括して結果を保存してもよい。

次に、ステップ１０７に進む。ステップ１０７の処理は、ＣＰＵ２０３が演算手段として機能して“各テンプレート画像間のＸｉｊとＸｋｊ（ｉ≠ｋ , ｊ＝１,…,Ｍ）の相関係数γｉｋを計算する”ステップである。ここで、Ｘｉｊとは、テンプレート画像Ｔｉを用いて参照画像ｊに対して行ったパターンマッチングの結果であり、上記のとおり、本実施例では検出された部位の参照画像ｊにおけるＸ座標である。同様に、Ｘｋｊとは、テンプレート画像Ｔｋを用いて参照画像ｊに対して行ったパターンマッチングの結果であり、本実施例においては、検出された部位の参照画像ｊにおけるＸ座標である。つまり、このステップでは、同じ参照画像ｊに対して２枚のテンプレート画像ＴｉとＴｋによってパターンマッチングを行った結果の相関関係を、Ｍ枚の参照画像ｊ（ｊ＝１,…,Ｍ）に対して行ったパターンマッチングに基づいて求めることになる。

ＣＰＵ２０３は、ＸｉｊとＸｋｊ（ｉ≠ｋ , ｊ＝１,…,Ｍ）の相関係数γｉｋを、次の式で計算する。

相関係数γｉｋは、テンプレート画像ＴｉでＭ枚の参照画像にパターンマッチングをかけた結果とテンプレート画像ＴｋでＭ枚の参照画像にパターンマッチングをかけた結果の相関を表す。本実施例では、ＣＰＵ２０３はこの計算をテンプレート画像(Ｔ１,…Ｔｉ…,Ｔｎ)間における全ての組み合わせについて行い、それぞれの相関係数を求め、メモリ２０４に記憶した。ただし、相関係数を求める組み合わせは、全ての組み合わせではなくてもかまわない。すべてのテンプレート画像について、少なくとも次のステップ１０８で他のテンプレートと相関が悪いかどうか判断できる組み合わせ数を充足する相関係数が算出されていればよい。

本実施例において、テンプレート画像Ｔ１〜Ｔ４を用いて２０枚の参照画像についてパターンマッチングを行った結果の相関関係を、テンプレート画像の組み合わせごとに図４に示す。図４は、それぞれのテンプレート画像の組み合わせごとに、Ｍ枚の参照画像に対して行ったパターンマッチングの結果として検出された部位のＸ座標（単位：ピクセル）を比較して、相関係数を求めたものである。例えば、図４（ａ）は、参照画像ｊに対し、テンプレートＴ１でパターンマッチングを行った結果のＸ座標の値をＸ軸方向の値とし、テンプレートＴ２でパターンマッチングを行った結果のＸ座標の値をＹ軸方向の値として点をプロットしていき、Ｍ枚の参照画像について同様にプロットしたものの相関係数を求めたグラフである。図４（ｂ）〜（ｆ）も同様に、一方のテンプレート画像による結果をＸ軸方向、もう一方のテンプレート画像による結果をＹ軸方向の値として、相関係数を求めている。

次に、ステップ１０８に進む。ステップ１０８は、ＣＰＵ２０３が評価手段として機能して“全ての組み合わせの相関係数を調べ、複数のテンプレート画像との相関が悪いテンプレート画像があるか”判断するステップである。本実施例においてパターンマッチングの結果は正の相関関係を示す。相関係数の最大値は１で、相関係数が１に近いほどテンプレート画像同士の相関はよく、相関係数が０に近いほどテンプレート画像同士の相関は悪い。また、相関係数が1ならば完全に相関していることになる。本実施例において、相関係数が１に近いほど、比較した２枚のテンプレート画像はどの参照画像においても同一部位を検出する蓋然性が高いことになり、その２枚のテンプレート画像の信頼性は高いといえる。一方、相関係数が０に近いと、その２枚のテンプレート画像によるパターンマッチングの結果は不安定であり、使用テンプレート画像のうち一方あるいは双方が誤った部位を検出しやすいものと考えられる。複数のテンプレートとの相関が悪いテンプレートは、誤検知を誘発する悪いテンプレートであると本ステップにおいて判断される。

検者２０６は０から１までの値で閾値を決めて予めメモリ２０４に保存させ、評価手段としてのＣＰＵ２０３は、ステップ１０８において相関係数が閾値以上であれば相関がよいと判断する。すなわち、テンプレート画像ＴｉとＴｋとの組み合わせにおいて、γｉｋが閾値以上であったら、評価手段としてのＣＰＵ２０３は、メモリ２０４には何も保存しない。一方、γｉｋが閾値未満であれば、評価手段としてのＣＰＵ２０３はテンプレート画像ＴｉかＴｋのどちらかが悪いテンプレート画像であると判断し、ＴｉとＴｊを悪いテンプレート画像の候補としてメモリ２０４に保存する。評価手段としてのＣＰＵ２０３はステップ１０７で計算された全ての相関係数を調べ、それぞれのテンプレート画像について、悪い画像の候補か否かを判断し、悪い画像の候補である場合はその旨を保存する。本実施例においては、相関係数が０．７以上のものを良い相関関係と規定した。よって、図４より、Ｔ１〜Ｔ３間におけるそれぞれの組み合わせ（（ａ）、（ｂ）、（ｄ））については相関関係がよいと判断される。一方、Ｔ１〜Ｔ３のそれぞれとＴ４との組み合わせ（（ｃ）、（ｅ）、（ｆ））については相関が悪いと判断される。そのため、Ｔ１〜Ｔ３についてはそれぞれ１回ずつ、Ｔ４については３回、悪いテンプレート画像の候補としてメモリ２０４に保存されることになる。

全ての相関関係を調べた後、評価手段としてのＣＰＵ２０３は、メモリ２０４に保存された結果に基づき、それぞれのテンプレート画像が良い画像か悪い画像かを判断する。それぞれのテンプレート画像について悪いと判断するための基準は、検者２０６が任意に定めることができる。本実施例において、評価手段のＣＰＵ２０３は、複数のテンプレート画像との相関が悪いと判断したテンプレート画像を悪いテンプレート画像としてメモリ２０４に保存した。また、悪いテンプレート画像であると判断されたもの以外のテンプレート画像を良いテンプレート画像としてメモリ２０４に保存した。そのため、Ｔ１〜Ｔ３の３枚との間で相関が悪いとされたＴ４は悪いテンプレート画像としてメモリ２０４に保存され、それ以外のＴ１〜Ｔ３は良いテンプレート画像としてメモリ２０４に保存された。

なお、判断基準はこの方法に限定されることはない。例えば、相関係数をもとに各テンプレート画像に点数をつけていき、その点数の平均値により他のテンプレート画像との相関が良いか悪いかを求めてもよい。また、用いたテンプレートが２枚の場合は、その２枚についての相関関係が検者２０６が予め決めた閾値よりも悪い場合には２枚とも悪いテンプレートとして記憶させ、それ以外の場合は良い画像として保存する等としてもよい。

全てのテンプレート画像が良いテンプレート画像と判断された場合には、ここで処理を終了する。その後、ＣＰＵ２０３は検知手段として機能して、メモリ２０４に保存された良いテンプレート画像を用いてパターンマッチングを行い、眼球運動等の生体運動を定量的に検知したり、断層画像の撮像時の位置ずれを抑止したりすることができる。

ＣＰＵ２０３が悪いと判断したテンプレート画像が1つでもある場合には、ステップ１０９に進む。
ステップ１０９は、“悪いと判断されたテンプレート画像を排除するか、新しいテンプレート画像に変える”処理である。

ＣＰＵ２０３は、メモリ２０４から、悪いと判断されたテンプレート画像の情報を消去する。本実施例においては、上記結果より、テンプレート４が消去されることになる。

検者２０６は、最終的に必要なテンプレート画像の枚数を予めメモリ２０４に保存させておく。ステップ１０９の結果として残ったテンプレート画像の個数が必要なテンプレート画像の個数より多い場合、処理は終了となる。その後、ＣＰＵ２０３は検知手段として機能して、メモリ２０４に残った良いテンプレート画像を用いてパターンマッチングを行い、眼球運動等の生体運動を定量的に検知したり、断層画像の撮像時の位置ずれを抑止したりすることができる。一方、残ったテンプレート画像の個数が必要なテンプレート画像の個数よりも少ない場合は、使用するテンプレート画像を別のものに変えて、ステップ１０５以降の処理を繰り返す。このとき、ステップ１０２においてテンプレート画像を抽出した画像から新たに別のテンプレート画像を取得してもよいし、ステップ１０３において取得した参照画像や、それ以外の画像からテンプレート画像を用意してもよい。

ＣＰＵ２０３は、必要なテンプレート画像の個数分だけ良いテンプレート画像が揃うまで、図１のフローチャートの１０５から１０９を繰り返す。ＣＰＵ２０３が良いテンプレート画像が揃ったと判断したら、処理を終了する。

以上説明のように、取得したテンプレート画像を適正に評価し、必要な枚数の良いテンプレート画像を取得することができる。

本実施例ではその後、ＳＬＯ２０１で眼底像を撮像し、時系列に並んだＳＬＯ像に対して、検知手段としてのＣＰＵ２０３により、選ばれたテンプレート画像を用いてパターンマッチングを行い、眼球の運動を定量的に検知した。検知された眼球運動は、同時に撮像されるＯＣＴ２０２などの眼底画像の、眼球運動によるズレを補正するのにも用いることができた。

このように構成することにより、動きを検知するためのハードウェアを追加することなく、眼球運動を定量的に検知し補正することができるようになり、取得する画像が不鮮明になることを防止することができる。
［実施例２］

実施例２では、上記実施例１のステップ１０２において、参照画像から複数テンプレート画像を取得する際に、図５のフローチャートに従って、本実施例における血管交差・分岐部位を抽出する処理例を示す。本実施例においては、血管の交差・分岐部位をより確実に抽出し、さらに血管の交差・分岐部位が、抽出されたテンプレート画像の中央により確実に位置するようにテンプレート画像を抽出することができる。

なお、使用した参照画像やステップ１０２以外については実施例１と同様であり、重複する部分については説明を省略する。

まず、ＣＰＵ２０３がＳＬＯ像の左上隅の小領域を抽出候補領域として選択し、その小領域の画像をメモリ２０４に保存することから処理を開始する。抽出候補領域の大きさは、あらかじめ検者２０６が決定してメモリ２０４に保存する。なお、抽出候補領域の大きさに特に制限はなく、血管交差・分岐部位が入る程度よりも大きければよい。図６（ａ）に示すように、本実施例では縦１４０×横１４０画素とした。これは、本発明者が、本発明を用いて血管交差・分岐部位を抽出し、抽出した領域をテンプレート画像として同一被検者のＳＬＯ像にパターンマッチングをかけた際にパターンマッチングでの誤検知がなかった最小のサイズである。また、抽出候補領域の形状も正方形に限定されず、長方形や円形等、いかなる形状としてもよい。

次に、図５のフローチャートのステップ３０１を説明する。ステップ３０１は、ＣＰＵ２０３が選択された抽出候補領域の外周小領域を定め、外周小領域に含まれる各画素の輝度の平均値を計算し、メモリ２０４に保存させるステップである。まず、ＣＰＵ２０３は検者９０４が指定した外周小領域のサイズに従い、抽出候補領域の外周部に沿って正方形の領域を隙間なく連続して設定する。この、外周部に沿って設定された正方形の領域を、以下において外周小領域という。外周小領域の形状は正方形には限定されず、抽出候補領域の外周に沿って連続して設定できれば、いかなる形状としてもよい。ただし、外周小領域の抽出候補領域の外周に対する幅方向の大きさは血管の太さと同程度であることが必要である。本実施例の画像においては、血管の太さは約２０画素にあたるため、検者２０６は、外周小領域の大きさを縦２０×横２０画素と決め、不図示の入力装置から入力することにより、メモリ２０４に保存した。

ここで、図６（ａ）は、ＣＰＵ２０３により抽出された抽出候補領域を示している。抽出候補領域のサイズが１４０×１４０画素で、その外周部として２０×２０画素の外周小領域が２４個設定されている。

次にＣＰＵ２０３は各外周小領域内に含まれる全ての画素の輝度値を平均し、各外周小領域を代表する値としてその値をメモリ２０４に保存する。図６（ｂ）にその概念図を示す。

ステップ３０２は、ＣＰＵ２０３が、外周小領域の３箇所以上を血管が走っているかどうか判定するステップである。

まず、ＣＰＵ２０３は、隣り合う各外周小領域間の輝度平均値の差の絶対値を求め、メモリ２０４に保存する。図６（ｃ）にその概念図を示す。その後ＣＰＵ２０３は、隣り合う外周小領域間の輝度平均値の差の絶対値が第1の閾値Ａ以上であり、かつ輝度平均値の低いほうの外周小領域の輝度が第２の閾値Ｂ以下である場合、低いほうの輝度平均値で表される外周小領域には血管が走っていると判定する。

第1の閾値Ａ及び第２の閾値Ｂは、検者９０４が任意に定めることができる。本実施例においては、検者２０６は第1の閾値Ａを８０００、第２の閾値Ｂを−１００００と定めた。そのため、図６（ｂ）と図６（ｃ）から、図６（ｄ）で黒く塗った外周小領域が血管の走っている外周小領域であると判定される。

次にＣＰＵ９０２は、血管の走っている外周小領域が３つ以上あるか判定する。血管の走っている外周小領域が３つ以上あると判定した場合、ＣＰＵ２０３はステップ３０７へ進む。３つ未満の場合は、ＣＰＵ２０３はステップ３０５の処理に進む。

ステップ３０７は、ＣＰＵ２０３が、抽出候補領域の中央小領域を血管が走っているかどうか判定する工程である。ここで、中央小領域は抽出候補領域と同じ重心をもつ正方形の領域である。中央小領域の大きさは検者９０４が任意に定めることができるが、血管の太さと同じ程度の幅を持っていることが望ましい。前述のように、本実施例において血管の太さは２０画素程度であるので、検者２０６は中央小領域の大きさを２０×２０画素と決定し、メモリに保存した。

ＣＰＵ２０３は、抽出候補領域の中央小領域を血管が走っているかどうかを以下のように判定する。まず、ＣＰＵ２０３は中央小領域の画素の輝度を平均し、平均値を取る。この平均値が、検者２０６があらかじめメモリに保存した閾値Ｄ以下であるとき、中央小領域には血管が走っていると判定する。

閾値Ｄは、検者２０６が任意に定めることができる。検者２０６は、閾値Ｄを、外周小領域に血管があるかどうか判定した際の閾値Ｂと等しく−１００００と定めた。ＣＰＵ２０３が中央小領域に血管が走っていると判定した場合、図５のフローチャートのステップ３０３へ進む。中央小領域を血管が走っていると判定しなかった場合は、抽出候補領域をずらし（ステップ３０６）、ステップ３０１へ戻る。

ステップ３０３は、ＣＰＵ９０２が、外周部血管の座標平均が中央部の範囲内にあるかを判定するステップである。

本実施例において、外周部血管とは、ＣＰＵ９０２がステップ３０２で血管が走っていると判定した外周小領域である。抽出候補領域内に２本の血管が存在し、互いに交差している場合、外周部血管の各座標を平均した位置（座標平均）にその血管の交差の中心が存在すると考えられる。そのため、座標平均が抽出候補領域の中央部にあるような抽出候補領域を選択して抽出することで、抽出された画像の中央部に交差が存在する可能性が高まる。

ＣＰＵ９０２は、外周部血管が走っている複数の外周小領域のそれぞれ抽出候補領域での座標位置を用いて、その外周部血管の重心の位置座標を求める。即ち、すべての外周部血管の走っている外周小領域の位置座標値をＸ軸、Ｙ軸毎に足し合わせ、外周部血管の走っている外周小領域の数で割ることで、外周部血管の座標平均を得る。

本実施例において、中央部とは、抽出候補領域と同じ重心を持ち、所定の面積を持つ抽出候補領域内の正方形の領域である。中央部の面積は任意に定めることができるが、１辺の長さが抽出候補領域の５分の1以下（９分の１以上）の大きさを持つ領域（抽出候補領域全体の１／２５以下、１／８１以上の面積を占める領域）であると、誤判定が改善されるために好ましい（図７）。

ここで、図７の横軸は、抽出候補領域の１辺の長さを１としたときの抽出候補領域に対する中央部の大きさを、それぞれの正方形の１辺の長さの比で表したものである。例えば、横軸に表す中央部の大きさが１／２のときは、中央部の正方形の各１辺は抽出候補領域の１／２となるため、中央部は抽出候補領域の面積の１／４を占める領域ということになる。また、図７の縦軸は、それぞれの大きさの抽出候補領域において、等しいＳＬＯ像から、血管の交差・分岐部位として抽出された抽出候補領域のうち、目視で血管の交差・分岐部位が認められなかったもの（誤判定）の数である。なお、１辺の長さの比が１のときは、抽出候補領域全体を中央部と見なしているため、結果的に、ステップ３０３はすべてYesとなり、ステップ４０４においてすべての抽出候補領域が血管交差・分岐部位として抽出されることになる。すなわち、中央部の１辺の長さの比が１のときは、従来技術（特許文献１）の結果と同等であることを表していることになる。図７から、本実施例において、中央部の大きさを小さくするほど上記従来技術よりも誤判定数が減っており、判定の正確性が改善されていることが分かる。なお、本実施例では、検者２０６は、中央部の１辺の長さを抽出候補領域の７分の１と決定した。

外周部血管の平均座標が中央部の領域内に含まれる場合、ＣＰＵ９０２はステップ３０４の処理に進み、当該抽出候補領域を血管の交差・分岐部位として抽出する。外周部血管の平均座標が中央部の領域内に含まれない場合は、ＣＰＵ９０２は抽出候補領域に血管交差・分岐部位があると判定せず、その抽出候補領域は抽出されない。この場合、ＣＰＵ９０２はステップ３０５に進む。

本実施例においては、上記のとおり、図３（ｄ）のように外周部血管が分布していると判定されるため、外周部血管の座標平均４０１は抽出候補領域の中央部４０２の領域内に含まれる。そのため、ＣＰＵ９０２はステップ３０３の判定をyesとし、次のステップ３０４において抽出候補領域を血管交差・分岐部位を含む領域として抽出する。

その後ＣＰＵ２０３は、ステップ３０５に進む。ステップ３０５はＣＰＵ２０３が終了条件を満たすかどうか判定するステップである。終了条件は検者が任意に決定することができる。本実施例では「眼底画像を全てスキャンしたか」を終了条件とした。ＣＰＵ９０２は、現在のステータスが終了条件を満たしていないと判定するとき、抽出候補領域をずらして（ステップ３０６）、ステップ３０１の処理へ戻る。ここで、ずらす画素数は検者２０６が任意に決定することができる。本実施例では画像上で抽出候補領域を右に１画素ずつずらしていき、画像の右端にたどりついたら、その後下方向へ１画素ずらして画像の左端に戻り、再度ステップ３０１の処理へ戻るとした。

ＣＰＵ２０３が終了条件（本実施例では、「眼底画像を全てスキャンしたか」）を満たすと判定するまで、ＣＰＵ２０３は抽出候補領域をずらしながら（ステップ３０６）上記ステップ３０１からステップ３０５までの判定・処理を繰り返し、眼底画像をスキャンしていく。ＣＰＵ２０３が終了条件を満たす（本実施例では眼底画像を全てスキャンし終えた）と判定したタイミングで処理を終了する。

仮に、ステップ３０４で抽出されたテンプレート画像の数が評価に必要な数に満たない場合は、最も条件に近い領域をステップ３０３のＮｏの判定の後でメモリ２０４に保存しておき、その領域を抽出するように構成する、あるいは、条件を緩めて再度始めから処理を実施するように構成することもできる。

本実施例の方法により、効率的にテンプレート画像を取得することができる。また、血管の交差・分岐部位が取得したテンプレート画像の中央部に確実に位置するようになるため、実施例１におけるテンプレートの評価もより確実かつ効率的に行うことができる。

２０１ ＳＬＯ部
２０２ ＯＣＴ部
２０３ ＣＰＵ
２０４ メモリ
２０５ ハードディスク
２０６ 検者
４０１ 座標平均
４０２ 中央部

Claims (7)

1. 画像のパターンマッチングに用いるテンプレート画像の評価方法であって、
   複数のテンプレート画像のそれぞれのテンプレート画像を用いて複数の参照画像に対してパターンマッチングを行う手段と、
   前記テンプレート画像によるパターンマッチングの結果の相関係数を、テンプレート画像の組み合わせごとに算出する手段と、
   算出された相関係数に基づいて各テンプレート画像を評価し、他のテンプレート画像との相関が悪いテンプレート画像を悪いテンプレート画像であると判断する手段からなるテンプレート画像の評価方法。
2. 前記テンプレート画像は、前記パターンマッチングを行う複数の参照画像のうちの１枚から抽出されることを特徴とする請求項１に記載のテンプレート画像の評価方法。
3. 前記画像は、生体画像であることを特徴とする請求項１又は２に記載のテンプレート画像の評価方法。
4. 前記相関係数の算出に用いる前記パターンマッチングの結果として、パターンマッチングによって検出された部位の位置座標を用いることを特徴とする請求項１乃至２の何れか１項に記載のテンプレート画像の評価方法。
5. 前記テンプレート画像の評価は、前記相関係数が１に近いほどその組み合わせにおけるテンプレート画像の評価が良いことを特徴とする請求項１乃至４の何れか１項に記載のテンプレート画像の評価方法。
6. 生体画像を取得する取得手段と、
   前記画像から複数のテンプレート画像を抽出する抽出手段と、
   複数の前記生体画像に前記複数テンプレート画像でパターンマッチングを実施するパターンマッチング手段と、
   前記パターンマッチングの結果に基づき、複数のテンプレート画像間の相関係数を算出する演算手段と、
   算出の結果に基づいて、テンプレート画像を評価する評価手段と、
   前記評価手段で良いと評価されたテンプレート画像を用いてパターンマッチングを行い、生体運動を定量的に検知する検知手段とからなる生体運動検出装置。
7. 請求項１乃至５の何れか１項に記載のテンプレート画像の評価方法を、コンピュータに実行させるためのプログラム。