JPS60171574A - 画像特徴抽出装置 - Google Patents
画像特徴抽出装置Info
- Publication number
- JPS60171574A JPS60171574A JP59027032A JP2703284A JPS60171574A JP S60171574 A JPS60171574 A JP S60171574A JP 59027032 A JP59027032 A JP 59027032A JP 2703284 A JP2703284 A JP 2703284A JP S60171574 A JPS60171574 A JP S60171574A
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- sensor
- picture
- resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の利用分野〕
本発明は,センサにより観測された画像データの解析技
術に係り,特に観測画像データ中の微細な特徴を自動抽
出するのに好適な装置に関する。
術に係り,特に観測画像データ中の微細な特徴を自動抽
出するのに好適な装置に関する。
医療における病変の診断のためにX線, NMR等の0
1画像を計算機を用いて解析することが行なわれている
。従来はX線OTI[!IIgII.NMR−OT画像
等の個別の画像を計算機を用いて細部を強調して人間の
判断を助けたり,画像中、の特定の濃淡強度分布から病
変部位を抽出したりすることが行なわれていた。これに
対し,X線OT像あるいは,NMR−OTによるプロト
ン密度の画像、たて緩和時間の画像横緩和時間の画像な
ど,同一部位を撮影した複数の画像を組合せ利用し解析
の精度を高めようという試みがある。これに対する従来
技術は以下のとおりいて形状歪の補正を行ない、該複数
計画像が゛相互に重なりあうようにする。また各画像の
サンプリングの間隔1位置を合わぜるため、各画像デー
タをサンプリングし、各画素が重なり合うようにする。
1画像を計算機を用いて解析することが行なわれている
。従来はX線OTI[!IIgII.NMR−OT画像
等の個別の画像を計算機を用いて細部を強調して人間の
判断を助けたり,画像中、の特定の濃淡強度分布から病
変部位を抽出したりすることが行なわれていた。これに
対し,X線OT像あるいは,NMR−OTによるプロト
ン密度の画像、たて緩和時間の画像横緩和時間の画像な
ど,同一部位を撮影した複数の画像を組合せ利用し解析
の精度を高めようという試みがある。これに対する従来
技術は以下のとおりいて形状歪の補正を行ない、該複数
計画像が゛相互に重なりあうようにする。また各画像の
サンプリングの間隔1位置を合わぜるため、各画像デー
タをサンプリングし、各画素が重なり合うようにする。
このようにして各画素が、各画像強度に対応する多次元
データを持つようになる。
データを持つようになる。
以上の前処理を1着目する病変部位が解剖その他の手段
により正確に知られている画像の組(これをトレーニン
グ画像と呼ぶ)と、病変部位が未知で解析の対象となる
画像の組(これをテスト画像と呼ぶ)のそれぞれについ
て施す。
により正確に知られている画像の組(これをトレーニン
グ画像と呼ぶ)と、病変部位が未知で解析の対象となる
画像の組(これをテスト画像と呼ぶ)のそれぞれについ
て施す。
このあとトレーニング画像から着目する病変部位を人間
が指示し、その部分の各画素の画像強ハ(に対応する多
次元データ値を読み出しくこれをトレーニングデータと
呼ぶ)その平均1分散等の統計値をめる。次にこの統計
値にもとづいて最尤法分類等の判定規準を設け、テスト
画像の各画素についてその画像強度が規準を満たすか否
かでその画素が病変部位であるかを判定することにより
、自動的に病変部位を抽出する。
が指示し、その部分の各画素の画像強ハ(に対応する多
次元データ値を読み出しくこれをトレーニングデータと
呼ぶ)その平均1分散等の統計値をめる。次にこの統計
値にもとづいて最尤法分類等の判定規準を設け、テスト
画像の各画素についてその画像強度が規準を満たすか否
かでその画素が病変部位であるかを判定することにより
、自動的に病変部位を抽出する。
以上の従来技術では次の如き問題があった。
(1)@画像について撮影時にセンサの各検出器が取り
込む鵞磁波の広がり(これを開口特性と呼ぶ)のために
観測画像にボケ等の劣化を生ずるが、これに対する補正
を行なっていない0 (2)各画fデータが多次元データであるため一般にそ
の分布を正確に人間が知覚でとらえることが鼾しく、シ
たがってトレーニングデータ)・正確に作成することか
できない。
込む鵞磁波の広がり(これを開口特性と呼ぶ)のために
観測画像にボケ等の劣化を生ずるが、これに対する補正
を行なっていない0 (2)各画fデータが多次元データであるため一般にそ
の分布を正確に人間が知覚でとらえることが鼾しく、シ
たがってトレーニングデータ)・正確に作成することか
できない。
(3)画像の観測条件、対象の特性の変動のために唯一
のトレーニングデータを適用するとテスト画像によって
は解析の精度が下がることがある。これらの結果として
特に微細な病変部等の特樗々を正確に抽出することが困
難であるという欠点があった。
のトレーニングデータを適用するとテスト画像によって
は解析の精度が下がることがある。これらの結果として
特に微細な病変部等の特樗々を正確に抽出することが困
難であるという欠点があった。
本発明の目的は、上述のごとき問題点を解決し、多次元
画像データの中から着目する微細な特徴を有する部分を
正確に抽出するのに好適な装置を提供することにある。
画像データの中から着目する微細な特徴を有する部分を
正確に抽出するのに好適な装置を提供することにある。
本発明は上記目的を達成するため、以下の各方式を適用
した点に特徴があるL (1) センサの開口特性を用いて、観測画像の劣化を
補正し、補正画像を作成しこれを用いて以下の処理を行
なう。
した点に特徴があるL (1) センサの開口特性を用いて、観測画像の劣化を
補正し、補正画像を作成しこれを用いて以下の処理を行
なう。
(2) 多次元データ分布を2次元平面に写像し9分布
を正確に人間が知覚でとらえられるようにし。
を正確に人間が知覚でとらえられるようにし。
トレーニングデータを正確に作成できるようにする。
(3)テスト画像を用いてトレーニングデータの修正を
行なうことにより、観測条件、対象特性の変動に適応で
きるようにする。
行なうことにより、観測条件、対象特性の変動に適応で
きるようにする。
(4)さらに、(1)のセンサ開口特性が既知でない場
合には、これを画像から推定する。
合には、これを画像から推定する。
以上の方策により画像の解析精良の向上を図ることがで
きる。
きる。
以下1本発明の一実施例を図を用いて詳細に説明する。
第1図は本発明により画像の特徴を抽出する処理の全体
フローを示す図である。1は複数の相異なる特性のセン
サによる観測画像データである。
フローを示す図である。1は複数の相異なる特性のセン
サによる観測画像データである。
この画像データについてセンサの開口特性10を用いて
開口補正処理2の内容については後に詳述する。
開口補正処理2の内容については後に詳述する。
次に補正画像3からトレーニングデータの抽出処理4を
行ない、トレーニングデータ5を得る。
行ない、トレーニングデータ5を得る。
トレーニングデータの抽出処理4として次の方法を適用
する。第2図にそのフローを示す。すなわち補正画像3
をディスプレイ21に表示する処理20をおこない、そ
の中で既知の抽出対象特徴を有する領域を人間が指示す
る処理22をおこなう。
する。第2図にそのフローを示す。すなわち補正画像3
をディスプレイ21に表示する処理20をおこない、そ
の中で既知の抽出対象特徴を有する領域を人間が指示す
る処理22をおこなう。
次に抽出した多次元データを2次元平・面に写像する処
理23をおこない結果をディスプレイ24に表示する。
理23をおこない結果をディスプレイ24に表示する。
表示内容を人間が判断しその結果を入力する処理25を
おこなう。第1図の抽出処理4による抽出結果が妥当な
ものである。例えば対象領域のデータが2次元平面上に
固まりを形成している場合には抽出したデータをトレー
ニングデータ5として利用する。もし抽出結果が妥当で
ないと判断した場合には第2図の表示処理2oからやり
直す。これをくり返すことによりトレーニングデータ5
を得る。ここで多次元データの2次元平面への写像処理
23としては例えば2つの主成分への写像を行なえばよ
い。
おこなう。第1図の抽出処理4による抽出結果が妥当な
ものである。例えば対象領域のデータが2次元平面上に
固まりを形成している場合には抽出したデータをトレー
ニングデータ5として利用する。もし抽出結果が妥当で
ないと判断した場合には第2図の表示処理2oからやり
直す。これをくり返すことによりトレーニングデータ5
を得る。ここで多次元データの2次元平面への写像処理
23としては例えば2つの主成分への写像を行なえばよ
い。
次に解析対象であるテスト画像11に対して。
処理2と同様にセンサ開口特性1oを用いて開口補正処
理12を施す。その結果として補正された画像13を得
る。次に第3図のフローに従いトレーニングデータ5の
修正処理6を行なう。すなわち補正画像13をディスプ
レイ31に表示する処理30をおこない、その中で抽出
対象物以外の既知の領域を人間が指示する処理32をお
こなう。
理12を施す。その結果として補正された画像13を得
る。次に第3図のフローに従いトレーニングデータ5の
修正処理6を行なう。すなわち補正画像13をディスプ
レイ31に表示する処理30をおこない、その中で抽出
対象物以外の既知の領域を人間が指示する処理32をお
こなう。
次に抽出した多次元データと、あらかじめめたトレーニ
ングデータ5とを2次元平面に230処理と同様にして
写像する処理23の結果をディスプレイ34に表示する
。その結果を人間が判断し。
ングデータ5とを2次元平面に230処理と同様にして
写像する処理23の結果をディスプレイ34に表示する
。その結果を人間が判断し。
必要に応じてトレーニングデータ5の削除あるいは追加
の修正処理35を人間の指示により行なう。
の修正処理35を人間の指示により行なう。
この結果が妥当なものと人間が判断するまでくり返し、
修正されたトレーニングデータを得る。妥当性の判断基
準として1例えばトレーニングデータと、テスト画像中
の抽出対象物以外の物体とが重なり合わないことを使え
ばよい。
修正されたトレーニングデータを得る。妥当性の判断基
準として1例えばトレーニングデータと、テスト画像中
の抽出対象物以外の物体とが重なり合わないことを使え
ばよい。
次に上記方法で得た修正されたトレーニングデータ7と
補正画像13から、第1図の抽出判定処理8により着目
特徴を持つ領域を−Mi正画豫13がら抽出し、その座
標9を得る。このようにして所望の抽出処理が完了する
。ここで抽出判定処理8としては1例えば最尤法を適用
することができる。
補正画像13から、第1図の抽出判定処理8により着目
特徴を持つ領域を−Mi正画豫13がら抽出し、その座
標9を得る。このようにして所望の抽出処理が完了する
。ここで抽出判定処理8としては1例えば最尤法を適用
することができる。
この場合はトレーニングデータ7の統側量を用いて補正
画像13の各画素が着目特徴を有すか否かを判定する。
画像13の各画素が着目特徴を有すか否かを判定する。
以上の処理で、対象とする画像lおよび11Q)開口特
性10が未知の場合、より解像度の高い基準画像14を
用いて、開口特性推定処理15により該開口特性107
.2推足すイ)ことができる。以下この開口唱・性推定
処理15および開口補正処理2の具体的内容とその実施
例について詳述する。
性10が未知の場合、より解像度の高い基準画像14を
用いて、開口特性推定処理15により該開口特性107
.2推足すイ)ことができる。以下この開口唱・性推定
処理15および開口補正処理2の具体的内容とその実施
例について詳述する。
撮@装置の様なセンサにおいてほぞの解像度は。
センサに固有の伝達特性で法談るが、この伝達特性か(
iiJらかの方法で定量的に得られれば、従来から存在
する逆フイルタ手法により観測データ中からこの伝達特
性の影wを除去あるいは軽減し7て、より観測対象の真
値に近いデータを倚ることができる。第4図はこれを図
示したもので、原画像f(x、y)IOIGL センサ
の点像関数(Pain(5pread )’uncti
on 、 P8F)h(x、y)102の影11ヲ受け
、g(x、y)lo3という画像に変換される。gとf
の間には次の関係が成り立つ。
iiJらかの方法で定量的に得られれば、従来から存在
する逆フイルタ手法により観測データ中からこの伝達特
性の影wを除去あるいは軽減し7て、より観測対象の真
値に近いデータを倚ることができる。第4図はこれを図
示したもので、原画像f(x、y)IOIGL センサ
の点像関数(Pain(5pread )’uncti
on 、 P8F)h(x、y)102の影11ヲ受け
、g(x、y)lo3という画像に変換される。gとf
の間には次の関係が成り立つ。
g(x、y)=f(x、y)*h(x、y)(式1)
ここで*はたたみ込み積分を表わす。
点像関係のフーリエ変換を計算して周波数域での表現を
したものを、一般に伝達関゛数と呼ぶ。この時、式1の
関係は充の様に表わせる。
したものを、一般に伝達関゛数と呼ぶ。この時、式1の
関係は充の様に表わせる。
G(W、、Wy)=F(Wx、W、)・H(Wx、W、
)(式2) ここで、G、Fは周波数域で表現した。g、fであの。
)(式2) ここで、G、Fは周波数域で表現した。g、fであの。
従って、観測画像gまたはその周波数域表現Gを知って
、原画像f%推定するには5式1あるいは式2の逆演算
を行なえばよい。この様な目的の手法の1つにウィナ−
フィルタがあり、周波数域での原画像下の推定値Fは次
の様に表わせる(#考文献:□(1) ” Digta
l Image凡estoration″H,0,An
drews 、 B、ル、Hunt共著。
、原画像f%推定するには5式1あるいは式2の逆演算
を行なえばよい。この様な目的の手法の1つにウィナ−
フィルタがあり、周波数域での原画像下の推定値Fは次
の様に表わせる(#考文献:□(1) ” Digta
l Image凡estoration″H,0,An
drews 、 B、ル、Hunt共著。
Prentice−Hall 、 Inc、出版(2)
゛放射線画像情報工学(I)” 内1)勝、金森 仁志、稲津 博 を参照のこと)。
゛放射線画像情報工学(I)” 内1)勝、金森 仁志、稲津 博 を参照のこと)。
i”(wx、 wy)=
IH(Wx 、Wx月 2+(P、、(w、、Wy)/
P 、(Wx、W、))(式3) ここで、Po、Pf はそれぞれ観、測データの雑音成
分および信号成分のパワースペクトラムを表わし、*は
複素共役を意味する。
P 、(Wx、W、))(式3) ここで、Po、Pf はそれぞれ観、測データの雑音成
分および信号成分のパワースペクトラムを表わし、*は
複素共役を意味する。
従って1式3で代表される逆フィルタを実際に適用する
には、センサの伝達関数HE推定することが必要となる
。
には、センサの伝達関数HE推定することが必要となる
。
伝達関数の推定方法とし′Cは従来から次の様な方法が
存在している。
存在している。
(1)実際に微小点あるいは微細線をセンナで撮影して
得られた像ヲ点像関数と見なし、そのフーリエ変換を計
算して伝達関数を得る。
得られた像ヲ点像関数と見なし、そのフーリエ変換を計
算して伝達関数を得る。
(2)観測画像中で1点状の物体を見つけ、それを点像
関数と見なし、(1)と同様の処理を行う。
関数と見なし、(1)と同様の処理を行う。
(3) センサの開口形状から伝達関数を推定する。
これらの内、(1)の方法は正確な伝達関数が得られる
がその測定にあたっては実際にセンサに点ターゲット’
)入力する必要がある。従って一旦センナが設置された
後、利用環境によっては伝達関数の再計測が困難となり
、経時変化をつかむことが出来ない場合がある。また(
2)の方法は実際の観測データ中に条件に合う点状物体
が存在するか否か保障の限りでなく、またその候補点の
選択基準が明確でない。(3)の方法はセンサの設計仕
様の詳細な情報が必要であり、かつ実際の観測データに
基づいていないので適応性に欠ける。以上の様に、セン
サの伝達特性を推定するには、いくつかの制約があり、
現実には伝達特性が入手できない′場合が多い。
がその測定にあたっては実際にセンサに点ターゲット’
)入力する必要がある。従って一旦センナが設置された
後、利用環境によっては伝達関数の再計測が困難となり
、経時変化をつかむことが出来ない場合がある。また(
2)の方法は実際の観測データ中に条件に合う点状物体
が存在するか否か保障の限りでなく、またその候補点の
選択基準が明確でない。(3)の方法はセンサの設計仕
様の詳細な情報が必要であり、かつ実際の観測データに
基づいていないので適応性に欠ける。以上の様に、セン
サの伝達特性を推定するには、いくつかの制約があり、
現実には伝達特性が入手できない′場合が多い。
ところ・で、医療の分野では特定の患者について定期的
にX線写真を撮影して得られる複数画像を診断に利用す
ることがある。撮影装置の進歩により、後日撮影した画
像はど解像度が向上し、同一部位のX線画像でも異なる
様相を呈して画像間の比較を困難にする。この様な問題
に対して、各々のX線画gIを撮影した装置の伝達特性
が定量的に知られていれば前出の逆フィルタの手法によ
り各伝達特性の影響e除去あるいは軽減することにより
解決できる。しかしながら、X線撮影装置の伝達特性が
定量的に測定されて利用者側1こ提供される例は少なく
、またあったとしても装置の経時変化のため実際に撮影
された時点の特性とは一致しない場合がある。従ってこ
の様な場合には従来の逆フィルタの単純な適用は適当で
ない。
にX線写真を撮影して得られる複数画像を診断に利用す
ることがある。撮影装置の進歩により、後日撮影した画
像はど解像度が向上し、同一部位のX線画像でも異なる
様相を呈して画像間の比較を困難にする。この様な問題
に対して、各々のX線画gIを撮影した装置の伝達特性
が定量的に知られていれば前出の逆フィルタの手法によ
り各伝達特性の影響e除去あるいは軽減することにより
解決できる。しかしながら、X線撮影装置の伝達特性が
定量的に測定されて利用者側1こ提供される例は少なく
、またあったとしても装置の経時変化のため実際に撮影
された時点の特性とは一致しない場合がある。従ってこ
の様な場合には従来の逆フィルタの単純な適用は適当で
ない。
本発明では、解像度の異なる複数のセンサで同一対象を
観測したデータにおいて、高解像度センサによって得ら
れたデータを組合せることにより。
観測したデータにおいて、高解像度センサによって得ら
れたデータを組合せることにより。
゛堡解像度センサによる観測データの精度を向上させる
ためにまず、高解像度センサにより得られた観測データ
を基準とし、同一対象を観測した低解像センサからのデ
ータとの間の相対的伝達特性を推定し、この結果を前出
のクイナフィルタで代表される逆フイルタ設計のパラメ
ータとして使用するデータ処理をおこなう。
ためにまず、高解像度センサにより得られた観測データ
を基準とし、同一対象を観測した低解像センサからのデ
ータとの間の相対的伝達特性を推定し、この結果を前出
のクイナフィルタで代表される逆フイルタ設計のパラメ
ータとして使用するデータ処理をおこなう。
以下、その具体的な一実施例を図を用いて詳細に説明す
る。例を画像データにとる。
る。例を画像データにとる。
第5図は、高解像度センサにより得られた画像105お
よびそれより低い解像度のセンサにより得られた画@1
04の2種類の画像を用いて、低解像度画像のデータの
精度を向上させるための全体構成図である。ここでは、
空間的にサンプルされたディジタル画像を想定している
ので、まず両画像のサンプル間隔が等しくない場合には
、リサンプリング部106で画像のりサンプルを行って
。
よびそれより低い解像度のセンサにより得られた画@1
04の2種類の画像を用いて、低解像度画像のデータの
精度を向上させるための全体構成図である。ここでは、
空間的にサンプルされたディジタル画像を想定している
ので、まず両画像のサンプル間隔が等しくない場合には
、リサンプリング部106で画像のりサンプルを行って
。
サンプル間隔を等しくする。この過程には1画像の補間
処理が用いられる。次に、リサンプル後の両画像中で共
通の被写体に着目して1位置合せ部107で相関計算に
より両画像の相対位置合わせを行う。この後、伝達特性
推定部108で低解像度画像と高解像画像から両省の相
対的伝達関数。
処理が用いられる。次に、リサンプル後の両画像中で共
通の被写体に着目して1位置合せ部107で相関計算に
より両画像の相対位置合わせを行う。この後、伝達特性
推定部108で低解像度画像と高解像画像から両省の相
対的伝達関数。
あるいは点像関数をめる。これは1両画像のフーリエ変
換の除算によりまる。得られた伝達関数才たは点像関数
109は次の伝達関数補正処理部110へ供給され、低
解像度画像104を入力として補正処理が行われる。こ
の段階では1式3に示した形式のフィルタが使われる。
換の除算によりまる。得られた伝達関数才たは点像関数
109は次の伝達関数補正処理部110へ供給され、低
解像度画像104を入力として補正処理が行われる。こ
の段階では1式3に示した形式のフィルタが使われる。
以下に各部の動作を述べる。
m リザンプリング部106
両センサのサンプリング間隔が第6図(al 、 (1
))に示される様に異なっている場合、低解像度センサ
によるデータ114を補間して、高解像度センサのデー
タ113のサンプリング間隔と等しくする。空間域1周
波数域いずれでもこの処理を行うことは可能であるが、
ここでは周波数域でおこなう場合について第7図と第8
図により説明する。簡単のため1次元データIこより説
明するが、これ以上の高次元にも当てはまる。
))に示される様に異なっている場合、低解像度センサ
によるデータ114を補間して、高解像度センサのデー
タ113のサンプリング間隔と等しくする。空間域1周
波数域いずれでもこの処理を行うことは可能であるが、
ここでは周波数域でおこなう場合について第7図と第8
図により説明する。簡単のため1次元データIこより説
明するが、これ以上の高次元にも当てはまる。
今、第7図のフローチャートにおいて原データ115%
f(nΔX)と表わすと、まずステップ16でこのデー
タのN点フーリエ変換を計算すると第8図に示されでい
るスペクトル】17がまる。次に、ステップ118でス
ペクトル’iニーN/2の点で切断し、N個の0値を間
に挿入して、新しいスペクトル119を得る。最後に、
ステップ120でこのスペクトルの2N点逆フーリエ変
換を計算すると、この場合サンプル間隔が1/2になっ
たデータf(nΔx/2) 121がまる。
f(nΔX)と表わすと、まずステップ16でこのデー
タのN点フーリエ変換を計算すると第8図に示されでい
るスペクトル】17がまる。次に、ステップ118でス
ペクトル’iニーN/2の点で切断し、N個の0値を間
に挿入して、新しいスペクトル119を得る。最後に、
ステップ120でこのスペクトルの2N点逆フーリエ変
換を計算すると、この場合サンプル間隔が1/2になっ
たデータf(nΔx/2) 121がまる。
(11)位置合せ部107
サンプリング間隔の等しくなった2画像の相対位置合わ
せを行う。両画像中から共通の物体を見つけ出し1人間
が介入して位置合わせをすることもできるが、より精密
な方法としでは両画像間の相互相関を計算し、その他が
最大になるまで両者の相対位置をずらI、なから、演算
をくり返す。
せを行う。両画像中から共通の物体を見つけ出し1人間
が介入して位置合わせをすることもできるが、より精密
な方法としでは両画像間の相互相関を計算し、その他が
最大になるまで両者の相対位置をずらI、なから、演算
をくり返す。
(曲 伝達関数推定部108
求める伝達関数1097i−: H(Wx、 W、 )
、低解像度センサによる画像をg(x、y)、高解像度
センサによる画像Vf(x、、y)とすると。
、低解像度センサによる画像をg(x、y)、高解像度
センサによる画像Vf(x、、y)とすると。
次の式で計算できる。
ここでFはフーリエ変換を表わす。
6φ 伝達特性補正部】10
空間域、周波数域いずれでも実現可能であるが1周波数
域の場合について説明する。
域の場合について説明する。
11; 9図は式3に従った補正処理装置のブロック構
成低解像度画鐵104はフーリエ変換器123によりフ
ーリエ変換され、その結果のフーリエスペクトラムと既
にめた伝達特性109の複素共役がサンプル点毎に乗算
器124へ供給される。この結果は式3の分母項を成し
、除算器125への入力となる。一方、式3の分母項用
に伝達特性109の電力値と入力画像データ104の信
号−雑「比122との和を加H1′frtz9によりめ
、除算器125への入力とする。信号−雑音比122は
1画像データ104の実測によってめてもよいが簡略な
方法としては全周波域で一定の値を用いることもできる
。除算器125の出力は、フーリエ変換器126により
逆フーリエ変換をほどこされ1本来の空間座標領域に戻
る。
成低解像度画鐵104はフーリエ変換器123によりフ
ーリエ変換され、その結果のフーリエスペクトラムと既
にめた伝達特性109の複素共役がサンプル点毎に乗算
器124へ供給される。この結果は式3の分母項を成し
、除算器125への入力となる。一方、式3の分母項用
に伝達特性109の電力値と入力画像データ104の信
号−雑「比122との和を加H1′frtz9によりめ
、除算器125への入力とする。信号−雑音比122は
1画像データ104の実測によってめてもよいが簡略な
方法としては全周波域で一定の値を用いることもできる
。除算器125の出力は、フーリエ変換器126により
逆フーリエ変換をほどこされ1本来の空間座標領域に戻
る。
(V) 画像表示部111および蓄積部112以上の過
程でセンサ特性の補正を受けた画像データは5画像表示
部111により表示され。
程でセンサ特性の補正を受けた画像データは5画像表示
部111により表示され。
また必要に応じて磁気テープ等のデータ蓄積部112に
蓄積される。
蓄積される。
以上説明した方式によれば、伝達特性が未知である低解
像度↓ンサにより観測さイまた画像の精贋を、同一場面
をより高解像度のセンサで観測したデータを参照にして
、精度の向上を実現することができる。本方式は、背景
の章で述べた医療用X線画像の処理に応用できる。才だ
1木刀式は解像度の異なる殉教のセンサを搭載した飛し
よう体によるリモートセンジグで得られるデータにも適
用可能であ・る。
像度↓ンサにより観測さイまた画像の精贋を、同一場面
をより高解像度のセンサで観測したデータを参照にして
、精度の向上を実現することができる。本方式は、背景
の章で述べた医療用X線画像の処理に応用できる。才だ
1木刀式は解像度の異なる殉教のセンサを搭載した飛し
よう体によるリモートセンジグで得られるデータにも適
用可能であ・る。
本発明によれば、画像を観測したセンサの開口特性を補
正し、多次元画像データ分布を人間が知覚で把握し易く
シ、また解析対象画像の観測条件。
正し、多次元画像データ分布を人間が知覚で把握し易く
シ、また解析対象画像の観測条件。
対象特性の変動に適応することができるので5画像特徴
の抽出精Kを高める効果がある。
の抽出精Kを高める効果がある。
また1本発明によれば、定量的伝達特性が未知のセンサ
により観測さされたデータでも、それより高解像のセン
ナで同一現象を観測したデータができる場合には、後者
のデータを参照として前者のデータ精度を向上させる効
果がある。
により観測さされたデータでも、それより高解像のセン
ナで同一現象を観測したデータができる場合には、後者
のデータを参照として前者のデータ精度を向上させる効
果がある。
第1図は本発明による画像特徴抽出処理全体のフローチ
ャート、第2図は第1図におけるトレーニングデータ抽
出処理のフローチャート、第3図は第1図におけるトレ
ーニングデータ修正処理のフローチャート、第4図は伝
達特性の原理の説明図、第5図は本発明によるセンサ特
性補正装置の全体構成図、第6図は相異なるサンプル間
隔の効果の説明図、第7図は補間処理のフローチャート
。 第8図は第7図の各処理における途中結果を示す概略図
、第9図は第5図における伝達特性補正部の詳細構成図
である。 101:原画像、102:伝達特性、103:嶌 l
興 嬶 2ソ (3 慄 4−′TA 渫 ど1 篠77!’ 卑B痛 嘉9′@ 門 /22
ャート、第2図は第1図におけるトレーニングデータ抽
出処理のフローチャート、第3図は第1図におけるトレ
ーニングデータ修正処理のフローチャート、第4図は伝
達特性の原理の説明図、第5図は本発明によるセンサ特
性補正装置の全体構成図、第6図は相異なるサンプル間
隔の効果の説明図、第7図は補間処理のフローチャート
。 第8図は第7図の各処理における途中結果を示す概略図
、第9図は第5図における伝達特性補正部の詳細構成図
である。 101:原画像、102:伝達特性、103:嶌 l
興 嬶 2ソ (3 慄 4−′TA 渫 ど1 篠77!’ 卑B痛 嘉9′@ 門 /22
Claims (1)
- 【特許請求の範囲】 ■、同一対象を撮影した複数画像の組から、既知の対象
の特徴量を算出する手段と、別途与えられた同一対象を
撮影した複数画像の組から、上記特徴量を用いて、特定
領域を抽出する手段とより成る画像処理装置において1
画像を撮影したセンサの開口特性を補正する手段と、多
次元性微量を2次元空間に写像する手段と、第2の複数
画像の組のデータを用いて該特徴量を修正する手段とを
設けたことを特徴とする特許抽出装置。 2、上記補正する手段は解像度の異なる複数のセンサに
より同一現象を観測する手段と、使用センサ中で解像度
の上位のセンサにより観測されたデータを基準とし,そ
れより下位のセンサの上位センサに対する伝達特性を推
定する手段と。 推定した結果に基づいて下位センサにより観測されたデ
ータの処理を行う手段とからなることを特徴とする特許
請求の範囲第1項の画像特徴抽出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59027032A JPS60171574A (ja) | 1984-02-17 | 1984-02-17 | 画像特徴抽出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59027032A JPS60171574A (ja) | 1984-02-17 | 1984-02-17 | 画像特徴抽出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS60171574A true JPS60171574A (ja) | 1985-09-05 |
Family
ID=12209725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP59027032A Pending JPS60171574A (ja) | 1984-02-17 | 1984-02-17 | 画像特徴抽出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS60171574A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992009964A1 (en) * | 1990-11-27 | 1992-06-11 | Scherman Knut Christian Achate | A method for imaging an object and a system for carrying out the method |
WO2015156151A1 (ja) * | 2014-04-11 | 2015-10-15 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及びプログラム |
-
1984
- 1984-02-17 JP JP59027032A patent/JPS60171574A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992009964A1 (en) * | 1990-11-27 | 1992-06-11 | Scherman Knut Christian Achate | A method for imaging an object and a system for carrying out the method |
WO2015156151A1 (ja) * | 2014-04-11 | 2015-10-15 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及びプログラム |
JP6096382B2 (ja) * | 2014-04-11 | 2017-03-15 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及びプログラム |
US9619871B2 (en) | 2014-04-11 | 2017-04-11 | Fujifilm Corporation | Image processing device, imaging apparatus, image processing method, and program |
JPWO2015156151A1 (ja) * | 2014-04-11 | 2017-04-13 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6283009B2 (ja) | 磁気共鳴イメージングシステム | |
US8977023B2 (en) | Methods, systems and computer program products for processing images generated using Fourier domain optical coherence tomography (FDOCT) | |
EP0640220B1 (en) | Magnetic resonance imaging using pattern recognition | |
CN110772286B (zh) | 一种基于超声造影识别肝脏局灶性病变的*** | |
US20070260137A1 (en) | Image Processing Device And Method Which Use Two Images | |
JP2005176402A (ja) | 時間的に連続する胸部画像間の経時変化を検出する装置 | |
JPH0731606A (ja) | 磁気共鳴断層撮影装置 | |
CN102622759A (zh) | 一种结合灰度与几何信息的医学图像配准方法 | |
WO2009070695A1 (en) | System and method for phase offset and time delay correction in magnetic resonance spectroscopy data | |
JP2018198682A (ja) | 磁気共鳴イメージング装置及び磁気共鳴画像処理方法 | |
JP6629247B2 (ja) | 微細構造解析データのデータ品質を評価し向上させる方法 | |
JPS60171574A (ja) | 画像特徴抽出装置 | |
KR101006189B1 (ko) | 전산화단층촬영 영상에서 기관지 벽 데이터를 측정하는 방법 | |
WO2022217157A1 (en) | System and method for quantitative magnetic resonance imaging using a deep learning network | |
CN111242853B (zh) | 基于光流处理的医学ct图像去噪方法 | |
Holden et al. | Detecting small anatomical change with 3D serial MR subtraction images | |
Likar et al. | Evaluation of three contrast correction methods for digital subtraction in dental radiography: An in vitro study | |
US20060111630A1 (en) | Method of tomographic imaging | |
CN100388313C (zh) | 定量分析精度指示 | |
KR100636012B1 (ko) | 감도부호화를 이용한 에코평면영상에서의 유령인공물을줄이는 방법, 이를 실행하기 위한 프로그램을 기록한컴퓨터로 읽을 수 있는 기록매체. | |
CN109814056A (zh) | 一种获取磁共振精准定量图像的方法 | |
Jones et al. | Multi-scale application of the N3 method for intensity correction of MR images | |
CN117310583A (zh) | 确定弛豫图像的方法及装置 | |
CN117974628A (zh) | 一种辅助猴脑血流灌注检测的磁共振3d-asl成像方法 | |
Karssemeijer et al. | Modelling of myocardial perfusion images for the evaluation of diagnostic properties |