[发明专利]检测装置、学习装置、检测方法、学习方法

说明书

检测装置包括：图像取得部，其通过摄像部(200)的摄像而取得包含被摄体的像的图像；距离信息取得部(320)，其取得从摄像部(200)到被摄体的距离信息；特征量计算部(340)，其根据图像计算特征量；学习特征量存储部(390)，其针对根据从摄像部(200)到被摄体的距离而设定的多个距离范围，存储通过每个距离范围的学习处理而求出的学习特征量；以及检测部，其根据距离信息确定与特征量对应的距离范围，根据与所确定的距离范围对应的学习特征量和由特征量计算部(340)计算出的特征量检测对象区域。

技术领域

本发明涉及检测装置、学习装置、检测方法、学习方法等。

背景技术

以往，公知有如专利文献1所公开的方法那样，照射容易被血液中包含的血红蛋白吸收的窄带波长的照明光、从而对粘膜表面的毛细血管等进行强调显示的窄带光观察(NBI)。在该窄带光观察中，期待为了进行食道区域的详细诊断或大肠的腺管开口形态(腺管构造)观察而广泛进行的色素散布的代替观察法，通过减少检查时间和不必要的活检，能够期待对检查高效化的贡献。

但是，虽然窄带光观察能够进行血管的强调显示，但是很难对神经进行强调显示。当在直肠全摘除手术或前列腺全摘除手术中保存神经的情况下，在摘除对象脏器时，需要使对象脏器露出来进行摘除，以使得不会损伤以包围对象脏器的方式分布的神经，但是，由于直径50～300μm的细神经为白色或透明，所以，在基于腹腔镜的放大观察中也很难进行观察。因此，医师不得不依靠经验和感觉进行手术，存在损伤的可能性较高这样的不良情况。着眼于包围对象脏器的神经存在于脂肪层内，提出了如下方法：为了使神经可视化，通过提取位于神经周围的脂肪，将包围对象脏器的神经的损伤防患于未然。

作为从图像中识别并提取特定区域的方法，在专利文献2中公开了使用学习的方法。具体而言，进行如下处理：对应该提取的区域进行学习，使用通过该学习而求出的参数，从输入图像中提取特定区域。

现有技术文献

专利文献

专利文献1：日本特开2011-224038号公报

专利文献2：日本特开2002-342758号公报

发明内容

发明要解决的课题

在取得相同特征作为图像时，当从摄像装置到对象的距离不同时，引起照明的照射方式的差异或强度的差异等，有时示出不同的特性。当直接将与这些不同的特性对应的特征量分类为同一集合进行学习时，在学习数据中，针对同一集合的特征量的偏差增大。其结果，作为学习结果的判别基准的精度降低，导致检测精度降低。与此相对，通过伴随图像取得而取得距离信息并进行检测处理，能够进行稳定的检测。在专利文献2中，作为机器人的视觉识别系统，提出了使用图像和距离信息的系统。通过距离对取得图像进行归一化，进行学习和识别处理。在该方法中，使用距离信息对根据距离而不同地取得的大小和图案的精细度进行校正。

但是，在专利文献2中，虽然记载了根据距离进行特征量的校正处理，但是未涉及其校正程度的控制。一般情况下，基于距离(狭义地讲为相对于基准距离的距离变动)的特征量的变动特性不一定是固定的。例如考虑如下情况：在d较小的情况下，相对于距离的单位变动量的特征量的变动较小(例如特征量的变动用α×d表示)，但是，在d较大的情况下，相对于距离的单位变动量的特征量的变动较大(例如特征量的变动用满足β>α的β×d表示)。

这种情况下，很难通过特定的校正方法(例如使用一个式子进行归一化处理的方法)对基于给定的被摄体距离的特征量变动进行校正。即，在专利文献2的简单方法中，在基于距离的校正处理中，无法充分补偿特征量的变动，基于该校正处理的检测处理、学习处理的精度降低。

根据本发明的若干个方式，能够提供通过使用多个距离范围中的每个距离范围的学习特征量进行检测处理而高精度地从图像中检测对象区域的检测装置、学习装置、检测方法、学习方法和程序等。