专利名称：场景变化检测装置以及场景变化检测程序的制作方法
技术领域：
本发明涉及用于对连续拍摄到的图像序列和动态图像的帧图像序列中场景发生 变化的位置的场景变化图像进行检测的场景变化检测装置以及场景变化检测程序。
背景技术：
动态图像由庞大数量的连续图像序列构成，从这些连续的图像序列中检测出有用 图像来生成摘要图像序列属于有用的技术领域。这对于连续拍摄的静态图像序列也同样适 用。例如，通过胶囊型内窥镜拍摄的被检体内图像在从口中吞入胶囊型内窥镜到排出体外 之前每隔大约0. 5秒就进行拍摄，成为大约60000张连续的图像序列。这些图像是对消化道 内依次进行了拍摄，通过在工作站等显示图像进行观察来实现诊断的。然而对于达到大约 60000张的大量图像全部依次进行观察，要耗费一个小时以上时间，期望提出一种用于高效 观察的方案。以往提出了从动态图像那样连续的图像序列中检测场景发生变化的位置的图像 (场景变化图像)的各种方法。为了对大量图像高效进行观察，可尝试使用这种场景变化图 像。作为检测场景变化图像的方法，普遍采用的是将相邻图像间(帧间)的特征变化量与 预定阈值进行比较，在超过阈值的情况下检测为场景变化图像的方法。还有如下的建议例，其具有用于变更帧间变化的阈值的输入单元，从多个阈值中 设定期望的阈值，从而可变更所生成的场景变化图像序列(例如参见专利文献1)。专利文献1 日本特开2006-41797号公报然而，专利文献1所示的技术虽然可以选择和设定阈值的值，然而用户会凭借尝 试法来反复进行阈值的变更设定，以获得期望的摘要图像序列。即便如此，在使用恒定阈值 的处理中，用户也很难得到捕获了想要检测的图像特征的、合适的场景变化图像序列。尤其是通过上述胶囊型内窥镜拍摄的体腔内图像的情况下，医生等用户在观察中 大多关心的是与图像整体变化的大小不一致的情况。有时要将整体变化缓慢的部位检测为 场景变化图像，有时反而不需要将图像整体变化显著的部位检测为场景变化图像。现有技 术难以充分应对这种要求。
发明内容
本发明就是鉴于上述情况而完成的，其目的在于提供一种可从连续的图像序列中 检测出符合图像特征的场景变化图像的场景变化检测装置以及场景变化检测程序。为了解决上述问题，达成目的，本发明涉及的场景变化检测装置根据多个图像间 的变化量从连续的图像序列中检测场景变化图像，其特征在于，具有特征区域提取单元， 其从上述图像序列中的图像提取出特征区域；以及检测单元，其根据所提取出的上述特征 区域的特征量来设定图像间变化的检测条件，计算图像间变化量，检测多个图像间的变化。另外，本发明涉及的场景变化检测程序使计算机执行根据多个图像间的变化量从 连续的图像序列中检测场景变化图像的操作，其特征在于，该场景变化检测程序使计算机
3执行如下步骤特征区域提取步骤，从上述图像序列中作为对象的图像提取出特征区域； 以及检测步骤，根据所提取出的上述特征区域的特征量来设定图像间变化的检测条件，计 算图像间变化量，检测多个图像间的变化。根据本发明所涉及的场景变化检测装置以及场景变化检测程序，能够利用考虑到 特征区域的特征量的图像间变化的检测条件检测出图像间变化。因此，可获得这样的效果 能够从连续的图像序列中检测出与用户关注的图像特征符合的场景变化图像。
图1是表示本发明第1实施方式涉及的场景变化检测装置的构成的功能性框图。图2是表示第1实施方式涉及的场景变化检测处理步骤的概要流程图。图3是表示图2中步骤S105、S106的更为详细的处理例的概要流程图。图4是表示例如按照时序顺序从连续的图像序列中提取三张图像的示意性说明 图。图5是针对某五张连续的图像A E，示出如以往那样不考虑到区域特征的情况下 的图像间变化与如第1实施方式那样考虑了区域特征的情况下的图像间变化的差异的示 意图。图6是表示检测到场景变化图像的图像序列例子的示意图。图7是表示本发明第2实施方式的处理例的概要流程图。图8是示意性表示作为工作站而具有实施例的场景变化检测装置的胶囊型内窥 镜系统的构成图。符号说明22特征提取部；23检测部。
具体实施例方式下面，参照
作为用于实施本发明的最佳方式的场景变化检测装置以及场 景变化检测程序。并且，本发明并不限定于各实施方式，可以在不脱离本发明主旨的范围内 实施各种变形。(第1实施方式)图1是表示本发明第1实施方式涉及的场景变化检测装置的构成的功能性框图。 图1所示的场景变化检测装置可通过具有CPU、ROM、RAM等硬件的计算机实现，具有控制部 2、存储部3、显示部4和输入部5。控制部2总体上具有运算功能和控制功能。而且，存储部3用于存储动态图像那 样按照时序连续拍摄的图像序列的图像信息，通过数据库等构成。显示部4通过LCD、ELD、 CRT等构成，用于在显示画面上显示包含作为处理结果的场景变化图像序列(摘要图像序 列)的图像在内的各种信息。输入部5通过键盘、鼠标、指示器等构成，用于进行各种信息 的输入操作和指示操作以对图像进行处理。其中，控制部2具有图像读入部21、特征区域提取部22和检测部23。图像读入部 21用于读入存储于存储部3的连续的图像序列中的图像。特征区域提取部22用于使用现 有的特征区域提取技术，从通过图像读入部21依次读入的图像中提取出至少一个特征区域，从而最终将作为对象的图像整个区域分割为多个区域。这里，本实施方式的特征区域的 提取是包含特征区域的识别的概念。特征区域的识别可通过如下方法等进行，对作为对象 的图像整个区域进行区域分割，从而通过所分割的各区域内的特征来进行设定重要度等处 理，与重要度关联起来。并且，特征区域例如是指对每个图像示出其图像特征的部分和期望 的对象，也包含图像整体为特征区域的情况。检测部23用于根据由特征区域提取部22提取出的特征区域的特征量，设定图像 间变化的检测条件，计算图像间变化量，从而检测多个图像间的变化。检测部23具有图像 变化检测部231、综合变化量计算部232、场景变化图像检测部233。图像变化检测部231用于计算作为对象的图像的图像整个区域的各区域(包含提 取出的特征区域、除该特征区域以外的区域、以及伴随该特征区域相对于待比较图像的移 动而产生的与待比较图像之间的共同区域和偏移区域在内)中的相对于待比较图像的图 像间变化量。另外，综合变化量计算部232用于根据提取出的特征区域的特征量将图像间 变化的设定条件设定为可变，然后按照该图像间变化的设定条件，计算对每个区域进行了 修正的图像间变化量，累计计算结果，从而计算统计值来作为图像整个区域的图像间变化 量。其中，综合变化量计算部232以如下方式设定图像间变化的检测条件针对作为对象的 图像的图像整个区域中的各区域的图像间变化，基于由特征区域提取部22提取出的特征 区域的特征量进行加权。由此，可以根据特征区域的特征量使每个区域的图像变化量相对 于用于判定图像变化的阈值进行改变。另外，场景变化图像检测部233用于将通过综合变 化量计算部232计算出的图像间变化量的统计值与用于判定图像变化的预定阈值进行比 较，从而将具有超过阈值的统计值的图像作为场景变化图像(摘要图像)检测出来。场景 变化图像检测部233通过检测到的场景变化图像(摘要图像)生成场景变化图像序列，以 用于在显示部4的显示画面上按时序顺序进行显示。通过由在控制部2中具有以上各部分的场景变化检测装置1构成的计算机所具备 的CPU，将用于执行该第1实施方式所涉及的场景变化检测处理的场景变化检测程序从计 算机中的ROM读出到RAM，从而执行与场景变化检测处理有关的运算处理。并且，该第1实 施方式所涉及的场景变化检测程序还可以记录于软盘、⑶-ROM、DVD-ROM、闪速存储器等计 算机可读取的存储介质中而广泛流通。因此，该第1实施方式所涉及的场景变化检测装置 也可以构成为具备可读取上述各种记录介质中的某个的辅助存储装置。图2是表示该第1实施方式所涉及的场景变化检测处理步骤的概要流程图。首 先，图像读入部21从存储部3取得构成连续图像序列的全部图像张数η、图像大小等信息， 并依次读入图像(步骤S101)。接着，将用于确定作为处理对象的图像的关于张数的变量k 设置为最初的1(步骤S102)。然后，特征区域提取部22将第k个图像(k)作为处理对象的 图像，从该图像(k)提取特征区域(步骤S103)。通过该处理，图像(k)的图像整个区域也 具有除特征区域之外的区域部分，至少被分割为多个区域。即，设定检测条件时，除了所提 取出的特征区域之外的区域部分也可以被视为特征区域，同样可适用这样的考虑方式对 图像整个区域进行区域分割，将所分割的各区域作为特征区域进行处理。接下来，图像变化检测部231计算作为对象的图像(k)的图像整个区域的各区域 (包含所提取出的特征区域、除该特征区域以外的区域、以及后述的伴随该特征区域相对于 比较图像的移动而产生的与比较图像间的共同区域和偏移区域)的相对于比较图像的图
5像间变化量(步骤S104)。此后，综合变化量计算部232根据所提取的特征区域的特征量， 设定图像间变化的检测条件，然后按照该图像间变化的检测条件计算对每个区域进行了修 正的图像间变化量，累计计算结果，从而计算统计值(综合变化量)来作为图像整个区域的 图像间变化量(步骤S105)。计算出的统计值作为该图像(k)的图像变化量而被实施关联 处理(步骤S106)。当变量k逐次加1直到达到全部图像张数η为止都同样重复如上处理(步骤S107、 S108)。结束了关于全部图像的统计值计算处理之后，场景变化检测部233通过将与各图像 对应起来的统计值与预定阈值进行比较判断，检测场景变化图像(步骤S109)，向显示部4 输出由检测出的场景变化图像构成的场景变化图像序列(步骤S110)。其中，关于图2中的步骤S105、S106的处理，参见图3说明更为详细的处理例。此 时设根据特征区域的提取而分割出各图像的区域数量为m，用i表示其变量。首先将变量 i设置为1(步骤S201)。接着，综合变化量计算部232根据针对该图像提取出的特征区域 的特征量，设定区域(i)的权重系数(i)(步骤S202)。S卩，针对区域(i)，以基于特征区域 的特征量对该区域(i)的图像间变化进行加权的方式设定图像间变化的检测条件。然后， 图像变化检测部231计算区域(i)相对于比较图像的图像变化量(i)(步骤S203)。进而， 综合变化量计算部232使计算出的图像变化量(i)乘以权重系数(i)，从而计算出区域(i) 的加权图像变化量(i)(步骤S204)，通过累计所计算出的加权图像变化量(i)而进行综合 (步骤S205)。当变量i逐次加1直到达到全部图像张数m为止都同样重复如上处理(步 骤 S206.S207)。接下来参见图4，说明作为本第1实施方式的对象图像的图像整个区域中每个区 域的加权处理。图4是表示按照时序顺序从连续的图像序列中提取例如三张图像的示意性 说明图。图像A、B、C是按照时序在T = t-l、T = t、T = t+1的定时拍摄的图像，设图像B 为关注的处理对象图像。另外，对于各图像A、B、C，设由特征区域提取部22提取出且具有 较高重要度的特征量的相同特征区域为Ea、Eb、Ec。首先，在图像A中，伴随特征区域Ea的提取，图像整个区域被区域分割为特征区域 Ea及除此之外的区域Ed。其中，区域Ed也可以被认为是一个特征区域。此外，所关注的在 作为处理对象的图像B中提取出的特征区域Eb是比较图像A上的特征区域Ea的位置进行 移动而得到的，在图像B上将特征区域Eb的原位置表示为特征区域Ea’。如上，伴随关注区 域相对于比较图像A的移动，会产生与比较图像A之间的与特征区域相关的共同区域Eab 和偏移区域Eaa、Ebb。另外，伴随特征区域的移动，区域Ed也变化为不包含在特征区域Ea、 Eb双方中的区域Ed，。本实施方式中，例如对于图像B，将这些区域Eaa、Eab、Ebb、Ed，作为 图像整个区域的各区域进行处理。当产生这种特征区域的移动时，作为各区域的特征量，可认为共同区域Eab的重 要度最高。于是，对共同区域Eab，将其图像间变化量设定得较高。另外，对于从特征区域 Ea'中除去了共同区域Eab后的偏移区域Eaa、和从特征区域Eb’中除去了共同区域Eab 后的偏移区域Ebb，可认为其特征量的重要度相比共同区域Eab要低。于是，对于偏移区域 Eaa、Ebb，在减去相应的权重系数值后，计算出图像间变化量。进而，关于在特征区域移动前 后都不包含在特征区域中的区域Ed’，可认为其重要度更低。于是，对于区域Ed’，在进一步 减去权重系数值后计算出图像间变化量。也就是说，按照这些区域Eab、Eaa、Ebb、Ed’各自的重要度，以进行使这些区域Eab、Eaa、Ebb、Ed’各自相对于图像A的图像间变化乘以不同 权重系数这样的加权的方式，设定图像间变化的检测条件。而且，通过累计各区域Eab、Eaa、Ebb、Ed’的经过了加权的图像间变化量来计算统 计值，从而可以对图像整体计算综合的图像间变化量。也就是说，关于图像整个区域的各区 域，将考虑到各自重要度的图像间变化量的综合值作为该图像B的图像间变化量。如上计 算出的图像间变化量成为根据所提取的特征区域的特征量进行修正后的图像间变化量。关于以时序上的下一个图像C为处理对象时的处理也与之相同。图3的情况下，如果提取原本重要度较低的特征区域，则也可以相反地设定上述 重要度的关系。例如，可以将共同区域作为重要度最低的区域来对待。如上，如果将综合的图像间变化量作为统计值来求出，则基于图像整体的单纯比 较的图像间变化量的情况和变化的情形会变得不同。例如，图5是针对某五张连续的图像 A E，示出如以往那样没有考虑到区域特征情况下的图像间变化与如第1实施方式那样考 虑到区域特征的情况下的图像间变化的差异的示意图。在不考虑以往的区域特征的情况 下，基于的是图像整体的单纯比较，在单纯的图像间变化量超过预定阈值的情况下(例如 图像B、D)作为场景变化图像而检测出来。另一方面，在该第1实施方式的情况下，即便是 相同的图像A E时，对于作为处理对象的图像，也提取出对图像内容附加了特征的特征区 域，并分割为包含特征区域的多个区域，进而针对包含伴随特征区域相对于比较图像的移 动而产生的共同区域和偏移区域在内的图像整个区域中的各区域，通过权重系数具有与特 征区域的特征量对应的重要度，设定图像间变化的检测条件，从而按照图像内容使每个区 域的图像间变化量相对于预定阈值相对变动。因而，例如关于图像A C，相比单纯比较的 情况而使图像间变化量增大的一侧相对变动，即便是相同的预定阈值也能作为超过该阈值 的场景变化图像而检测出来。例如关于图像D、E，相比单纯比较的情况而使图像间变化量 减小的一侧相对变动，即便是相同的预定阈值也不会超过该阈值，而无法作为场景变化图 像被检测出来。因而，在用相同阈值检测场景变化图像时，在现有方式与该第1实施方式的 情况下所检测到的场景变化图像是不同的，但是，由于在该第1实施方式的情况下是通过 加权形式反映出特征区域的重要度来进行判断的，因此可以基于作为对象的图像的特征检 测适当的场景变化图像。也就是说，在该第1实施方式中，如果作为场景变化图像而言是非常期望提取出 的图像内容的话，即便实际的图像间变化量较小也向可清除预定阈值的方向移动图像间变 化量；而如果作为场景变化图像而言是非常不期望提取出的图像内容的话，即便实际的图 像间变化量较大也向不能清除预定阈值的方向移动图像间变化量。其中，作为计算图像间变化量时的特征，可使用以往普遍知晓的图像间的相关、 SSD(像素差的平方和)、SAD(像素差的绝对值和)等。还可以使用分割图像对各分割区域 进行同样的特征计算处理的方法，或者是计算规则性、等间隔选择的点甚至局部特征较大 的特征点，求出其动作量、光流场，将其大小用作图像变化量，只要是可定义为特征量的值， 就可以作为用于导出本发明的特征变化量的值来使用。对于通过本第1实施方式的场景变化检测处理进行了处理的连续图像序列，如图 6所示，剪切所检测到的场景变化图像，分割为多个镜头，从而在显示部4上实际进行显示 时，依次显示镜头最初的场景变化图像(剪切1、2.....i.....n-l、n)。该显示中不会显示出图像间变化量较小的图像。即，相似度较大的图像被省略显示，可进行高效的显示。这 种情况下，根据本实施方式，作为图像间变化量，如上计算统计值(综合图像变化量)，将该 统计值用作图像间变化量，因此可以检测出相比以往更能反映图像内容的高效的场景变化 图像。并且，在上述说明中，说明了计算时序相邻的图像间的特征变化的例子，然而不特 别限定于相邻的两张图像之间的处理，也可以计算两张以上图像间的特征，计算与使用基 于这些组合的统计性运算的特征变化量对应的值，进行根据基于该值的排序的设定张数的 检测。另外，由于在连续的图像序列中存在相类似的图像连续的情况，因此此时也可以 将针对某一张图像进行处理的结果应用于连续的多福图像中。即，本第1实施方式的情况 下，针对图像提取出特征区域，根据特征区域的特征量设定图像间变化的检测条件，针对连 续的多个图像，将该图像间变化的检测条件设定为相同条件。由此，无需对全部图像进行特 征区域的提取/识别处理，能够实现处理时间的缩短。并且，作为应用该手法确定图像张数的手法，简单来说，只要是预先确定一定张数 的方法即可，还可以通过与预定的阈值进行比较来判断图像间相似度，适应性地来确定。进而，作为确定特征区域的重要度的特征量，可以使用特征区域的灰度信息、亮度 信息、位置信息或大小信息。例如在确定特征区域的重要度方面，颜色的灰度信息和亮度信 息是有用的信息，因此使用这些信息识别特定颜色和亮度信息时，通过设定其重要度就可 以实现精度良好的场景变化图像的检测。另外，在设定与特征区域的特征量对应的检测条件方面，将基于特征区域的位置 的特征量作为该区域的特征量也是有用的。即，特征区域反映于画面(图像)内的哪个位 置也与特征区域的重要度存在关联性，例如在反映于中央附近的情况下将重要度设定得较 高，在反映于角落的情况下将重要度设定得较低等，考虑到与位置关联的重要度来进行检 测条件的设定，从而能够有效地检测与所拍摄的图像构图关联的场景变化图像。进而，从特征区域大小观点而言，也可以进行重要度的设定，通过进行基于大小的 重要度设定，也能够进行有效的场景变化图像的检测。(第2实施方式)参见图7，说明本发明的第2实施方式。图7是表示取代图3的处理例的本第2实 施方式的处理例的概要流程图。在第1实施方式中，计算按作为对象的图像的每个区域进 行加权后的图像间变化量，使用累计得到的统计值来检测多个图像间的变化；而在本第2 实施方式中，使用按作为对象的图像的每个区域进行加权后的阈值来计算出阈值与图像间 变化的差异，并使用累计后的统计值来检测多个图像间的变化。即，第1实施方式中对每个 区域通过加权使图像变化量变动，而在本第2实施方式中，对每个区域通过加权使阈值发 生变动。图7中也设根据特征区域的提取而分割出各图像的区域数量为m，用i表示其变 量。首先将变量i设置为1(步骤S301)。接着，综合变化量计算部232根据对该图像提取 出的特征区域的特征量，设定区域(i)的权重系数(i)(步骤S302)，按照所设定的区域(i) 的权重系数对区域(i)设定阈值(i)(步骤S303)。S卩，关于区域(i)，以根据特征区域的特 征量对该区域⑴的图像间变化进行相对加权的方式对阈值⑴进行加权，从而进行图像间变化的检测条件的设定。此时，为使得权重系数越大则越容易被检测，而将阈值设定得相 对于预先设定的初始阈值变小；为使得权重系数越小则越不容易被检测出来，而将阈值设 定得相对于预先设定的初始阈值变大，这样做是很适当的。然后，图像变化检测部231将区 域(i)相对于比较图像的图像变化与加权设定后的阈值(i)的差异计算为比较值(步骤 S304)。进而，综合变化量计算部232通过累计与所计算的阈值(i)之间的比较值而综合为 统计值(步骤S305)。当变量i逐次加1直到达到全部图像张数m为止都同样重复如上处 理(步骤 S306、S307)。本第2实施方式的情况下，对每个区域通过加权而可变地设定阈值，因此所计算 的统计值成为考虑到作为对象的图像整个区域中各区域的重要度分布的值，对每个图像使 用如上计算出的统计值来进行场景变化图像的检测，生成场景变化图像序列，从而能够生 成考虑到特征区域的特征量的适当的场景变化图像序列。(实施例)参见图8说明本发明的场景变化检测装置的实施例。本实施例将上述第1或第2 实施方式涉及的场景变化检测装置1应用于胶囊型内窥镜系统。图8是示意性表示作为工 作站而具有实施例的场景变化检测装置1的胶囊型内窥镜系统的构成图。胶囊型内窥镜系 统具有被导入被检体H的体腔内的、拍摄体腔内图像的胶囊型内窥镜6 ；接收从胶囊型内 窥镜6发送的无线信号，蓄积所接收的无线信号中包含的图像信息的接收装置7 ；以及相对 于接收装置7和场景变化检测装置1可拆装的存储卡等便携型存储部8。该存储部8相当 于图1中所示的存储部3。胶囊型内窥镜6具有拍摄被检体H的体腔内图像的摄像功能和将包含所拍摄的体 腔内图像的无线信号发送到外部的无线通信功能。更具体而言，胶囊型内窥镜6在被检体 H的体腔内行进的同时，例如以0. 5秒左右的预定间隔(2Hz左右)拍摄被检体H的体腔内 图像，通过预定的电波将所拍摄的体腔内图像发送到接收装置7。接收装置7连接着接收从胶囊型内窥镜6发送的无线信号的多个接收天线7a 7h。接收天线7a 7h例如为环形天线，分散配置于与胶囊型内窥镜6的通过路径对应的 被检体H的体表位置。这种接收天线相对于被检体H至少配置一个即可，其配置数量不限 于图示例子中的八个。接收装置7接收经由接收天线7a 7h中的某个从胶囊型内窥镜6发送的无线信 号，根据接收到的无线信号取得被检体H的体腔内图像的图像信息。接收装置7取得的图 像信息被存储在安装于接收装置7上的存储部8内。存储被检体H的体腔内图像的图像信 息的存储部8安装于场景变化检测装置1上，用于控制部2的场景变化检测处理。在这种胶囊型内窥镜系统中，使用通过在上述第1、第2实施方式中说明的结构构 成的场景变化检测装置1，从体腔内图像序列中的图像中将病变部和出血部作为特征区域 提取/识别出来，或将作为目的的脏器和粘膜作为特征区域提取/识别出来，根据其特征量 改变每个区域的图像间变化的检测条件进行设定，从而可达成目的。S卩，当处理胶囊型内窥镜6拍摄的体腔内图像时，病变部、出血部、粘膜、各种瓣等 是图像上重要的特征区域，在场景变化图像序列(摘要图像序列)中需要残留足够张数的 图像。另一方面，拍摄消化道内浮游的内容物、泡或者含入口中之前的外部情形的图像等即 便是特征区域，其重要度也较低，如果这些图像在场景变化图像序列(摘要图像序列)中过
9多残留的话就会成为质量较差的场景变化图像序列(摘要图像序列)。考虑到这种情况，关 于体腔内图像，上述那样的特征区域的提取/识别可通过图像内的颜色信息/亮度信息大 致实现。于是，对于包含重要度较高的特征区域在内的图像，以图像整体的图像间变化量相 对较大的方式设定检测条件；而对于包含重要度较低的特征区域在内的图像，以图像整体 的图像间变化量相对较小的方式设定检测条件。由此，可以实现与胶囊型内窥镜6所拍摄的体腔内图像特有的重要性水平相应的 场景变化图像的检测，能够进行有效的诊断支援。产业利用性如上所述，本发明涉及的场景变化检测装置以及场景变化检测程序在检测连续拍 摄的图像序列和动态图像的帧图像序列中的场景发生变化的位置的场景变化图像时非常 有用，尤其适用于从通过胶囊型内窥镜拍摄的连续的体腔内图像序列中检测符合图像特征 的场景变化图像。
10
权利要求
一种场景变化检测装置，其根据多个图像间的变化量从连续的图像序列中检测场景变化图像，其特征在于，该场景变化检测装置具有特征区域提取单元，其从上述图像序列中的图像提取出特征区域；以及检测单元，其根据所提取出的上述特征区域的特征量来设定图像间变化的检测条件，计算图像间变化量，检测多个图像间的变化。
2.根据权利要求1所述的场景变化检测装置，其特征在于，上述检测单元使用图像整 个区域中各区域的图像间变化量的统计值来检测多个图像间的变化，该图像整个区域包含 所提取出的上述特征区域、除该特征区域以外的区域、以及伴随上述特征区域相对于待比 较图像的移动而产生的与待比较图像之间的共同区域和偏移区域。
3.根据权利要求2所述的场景变化检测装置，其特征在于，上述检测单元以对图像整 个区域中上述各区域的图像间变化进行基于上述特征区域的特征量的加权的方式设定图 像间变化的检测条件，计算针对每个区域进行了加权的图像间变化量，使用该图像间变化 量的统计值来检测多个图像间的变化。
4.根据权利要求1所述的场景变化检测装置，其特征在于，上述检测单元使用图像整 个区域中各区域的图像间变化与阈值之间的差异的统计值来检测多个图像间的变化，该图 像整个区域包含所提取出的上述特征区域、除该特征区域以外的区域、以及伴随上述特征 区域相对于待比较图像的移动而产生的与待比较图像之间的共同区域和偏移区域。
5.根据权利要求4所述的场景变化检测装置，其特征在于，上述检测单元以对图像整 个区域中上述各区域的阈值进行基于上述特征区域的特征量的加权的方式设定图像间变 化的检测条件，计算针对每个区域进行了加权的阈值与每个区域的图像变化之间的差异， 使用该差异的统计值来检测多个图像间的变化。
6.根据权利要求1至5中任一项所述的场景变化检测装置，其特征在于，上述检测单元 针对连续的图像序列中连续的多张图像，将图像变化的检测条件设定为相同条件。
7.根据权利要求1至6中任一项所述的场景变化检测装置，其特征在于，作为上述特 征区域的特征量，使用该特征区域的灰度信息、亮度信息、位置信息或大小信息中的至少一 个。
8.根据权利要求1至7中任一项所述的场景变化检测装置，其特征在于，连续的图像序 列是由被导入到被检体的体腔内的胶囊型内窥镜拍摄的体腔内图像序列。
9.根据权利要求8所述的场景变化检测装置，其特征在于，由上述特征区域提取单元 提取出的上述特征区域包括体腔内图像中所包含的病变部、出血部或粘膜的区域。
10.一种场景变化检测程序，其使计算机执行根据多个图像间的变化量从连续的图像 序列中检测场景变化图像的操作，其特征在于，该场景变化检测程序使计算机执行如下步 骤特征区域提取步骤，从上述图像序列中作为对象的图像提取出特征区域；以及检测步骤，根据所提取出的上述特征区域的特征量来设定图像间变化的检测条件，计 算图像间变化量，检测多个图像间的变化。
全文摘要
目的在于可从连续的图像序列中检测出符合图像特征的场景变化图像，通过特征区域提取部(22)从连续的图像序列中的各图像内提取出特征区域，在检测部(23)根据所提取出的特征区域的特征量变更设定图像间变化的检测条件，以检测多个图像间的变化，因此除了对单纯的图像间变化进行检测之外，通过使用提取出的特征区域的特征量，还能够基于考虑到重要度的图像间变化的检测条件的设定来检测图像间变化，因此能够从连续的图像序列中检测出符合图像特征的场景变化图像。
文档编号A61B1/00GK101909511SQ200880124470
公开日2010年12月8日 申请日期2008年11月14日 优先权日2008年1月9日
发明者松崎弘 申请人:奥林巴斯株式会社