本公開涉及一種圖像處理裝置、圖像處理方法及圖像處理程序。

背景技術：

1、作為確定在對象圖像中包含的目標的區(qū)域并根據(jù)所確定的目標的區(qū)域對對象圖像進行分割的區(qū)域分割方法，例如可以舉出分水嶺法等使用圖像分析的方法、或r-cnn、selective?search(選擇性搜索)法等使用深度學習的方法等。

2、<現(xiàn)有技術文獻>

3、<專利文獻>

4、專利文獻1：日本特開2021-120815號公報

技術實現(xiàn)思路

1、<本發(fā)明要解決的問題>

2、另一方面，在將非均質(zhì)的多個目標(對象群)密集的圖像(例如，通過對內(nèi)部包含各種凹凸或濃淡、外形或大小也不同的粒子體群進行拍攝而得到的圖像)作為對象圖像的情況下，難以實現(xiàn)高精度的區(qū)域分割。

3、例如，在上述使用圖像分析的方法的情況下，需要找出適合于多個目標的任意一個的參數(shù)。另外，在上述使用深度學習的方法的情況下，需要準備包含各種形態(tài)的對象的龐大數(shù)量的圖像作為學習用數(shù)據(jù)。

4、本發(fā)明的目的在于提高對非均質(zhì)的目標群的圖像進行區(qū)域分割時的分割精度。

5、<用于解決問題的手段>

6、本公開的第1方面提供一種圖像處理裝置，具有：二值圖像生成部，使用將對象圖像二值化為目標區(qū)域和背景區(qū)域并生成二值圖像的第一學習完成模型，從對象圖像生成二值圖像；預測部，使用在二值圖像中預測目標區(qū)域的輪廓線的第二學習完成模型，在從所述對象圖像生成的二值圖像中，預測目標區(qū)域的輪廓線；膨脹輪廓線圖像生成部，對所述預測的輪廓線進行膨脹處理，生成膨脹輪廓線圖像；前景區(qū)域圖像生成部，基于從所述對象圖像生成的二值圖像和所述膨脹輪廓線圖像，生成前景區(qū)域圖像；以及區(qū)域分割部，使用基于從所述對象圖像生成的二值圖像確定的背景像素、基于所述膨脹輪廓線圖像確定的邊界像素、以及基于所述前景區(qū)域圖像確定的前景像素，通過分水嶺法將所述對象圖像按每個目標區(qū)域進行分割。

7、本公開的第2方面是根據(jù)第1方面所述的圖像處理裝置，其中，所述二值圖像生成部使用學習完成的u-net作為所述第一學習完成模型，從所述對象圖像生成所述二值圖像。

8、本公開的第3方面是根據(jù)第2方面所述的圖像處理裝置，其中，所述預測部使用學習完成的u-net作為所述第二學習完成模型，從由所述對象圖像生成的二值圖像生成輪廓線圖像。

9、本公開的第4方面是根據(jù)第3方面所述的圖像處理裝置，其中，所述前景區(qū)域圖像生成部通過計算從所述對象圖像生成的二值圖像與所述膨脹輪廓線圖像之間的差異，生成所述前景區(qū)域圖像。

10、本公開的第5方面是根據(jù)第1方面所述的圖像處理裝置，其中，所述對象圖像是在預定的條件下對粒子體群進行拍攝而得到的圖像。

11、本公開的第6方面是根據(jù)第5方面所述的圖像處理裝置，具有：統(tǒng)計處理部，對將所述對象圖像按每個目標區(qū)域分割而得到的圖像進行分析，并進行統(tǒng)計處理。

12、本公開的第7方面是根據(jù)第6方面所述的圖像處理裝置，其中，所述統(tǒng)計處理部基于統(tǒng)計處理的結果，對生成所述粒子體群的工藝的工藝條件進行變更。

13、本公開的第8方面提供一種圖像處理方法，由計算機執(zhí)行以下工序：使用將對象圖像二值化為目標區(qū)域和背景區(qū)域并生成二值圖像的第一學習完成模型，從對象圖像生成二值圖像的工序；使用在二值圖像中預測目標區(qū)域的輪廓線的第二學習完成模型，在從所述對象圖像生成的二值圖像中，預測目標區(qū)域的輪廓線的工序；對所述預測的輪廓線進行膨脹處理，生成膨脹輪廓線圖像的工序；基于從所述對象圖像生成的二值圖像和所述膨脹輪廓線圖像，生成前景區(qū)域圖像的工序；以及使用基于從所述對象圖像生成的二值圖像確定的背景像素、基于所述膨脹輪廓線圖像確定的邊界像素、以及基于所述前景區(qū)域圖像確定的前景像素，通過分水嶺法將所述對象圖像按每個目標區(qū)域進行分割的工序。

14、本公開的第9方面提供一種圖像處理程序，用于使計算機執(zhí)行以下工序：使用將對象圖像二值化為目標區(qū)域和背景區(qū)域并生成二值圖像的第一學習完成模型，從對象圖像生成二值圖像的工序；使用在二值圖像中預測目標區(qū)域的輪廓線的第二學習完成模型，在從所述對象圖像生成的二值圖像中，預測目標區(qū)域的輪廓線的工序；對所述預測的輪廓線進行膨脹處理，生成膨脹輪廓線圖像的工序；基于從所述對象圖像生成的二值圖像和所述膨脹輪廓線圖像，生成前景區(qū)域圖像的工序；以及使用基于從所述對象圖像生成的二值圖像確定的背景像素、基于所述膨脹輪廓線圖像確定的邊界像素、以及基于所述前景區(qū)域圖像確定的前景像素，通過分水嶺法將所述對象圖像按每個目標區(qū)域進行分割的工序。

15、<發(fā)明的效果>

16、根據(jù)本公開，能夠提高對非均質(zhì)的目標群的圖像進行區(qū)域分割時的分割精度。

技術特征：

1.一種圖像處理裝置，具有：

2.根據(jù)權利要求1所述的圖像處理裝置，其中，

3.根據(jù)權利要求2所述的圖像處理裝置，其中，

4.根據(jù)權利要求3所述的圖像處理裝置，其中，

5.根據(jù)權利要求1至4中任一項所述的圖像處理裝置，其中，

6.根據(jù)權利要求5所述的圖像處理裝置，具有：

7.根據(jù)權利要求6所述的圖像處理裝置，其中，

8.一種圖像處理方法，由計算機執(zhí)行以下工序：

9.一種圖像處理程序，用于使計算機執(zhí)行以下工序：

技術總結
提高對非均質(zhì)的目標群的圖像進行區(qū)域分割時的分割精度。圖像處理裝置具有：二值圖像生成部，使用第一學習完成模型，從對象圖像生成二值圖像；預測部，使用第二學習完成模型，在從所述對象圖像生成的二值圖像中，預測目標區(qū)域的輪廓線；膨脹輪廓線圖像生成部，對所述預測的輪廓線進行膨脹處理，生成膨脹輪廓線圖像；前景區(qū)域圖像生成部，基于從所述對象圖像生成的二值圖像和所述膨脹輪廓線圖像，生成前景區(qū)域圖像；以及區(qū)域分割部，使用基于從所述對象圖像生成的二值圖像確定的背景像素、基于所述膨脹輪廓線圖像確定的邊界像素、以及基于所述前景區(qū)域圖像確定的前景像素，通過分水嶺法將所述對象圖像按每個目標區(qū)域進行分割。

技術研發(fā)人員：岡野悠,上田一貴,竹本真平,平澤晉哉,奧野好成
受保護的技術使用者：株式會社力森諾科
技術研發(fā)日：
技術公布日：2025/1/6