Campos Aleatórios Markovianos Não Locais: Um novo modelo e sua aplicação em filtragem de ruído em imagens

• Processo: 12/23062-9
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de julho de 2013
• Data de Término da vigência: 31 de julho de 2013
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Nelson Delfino d'Ávila Mascarenhas
• Beneficiário: Denis Henrique Pinheiro Salvadeo
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Ultrassom Processamento de imagens Campos aleatórios markovianos
• Palavra(s)-Chave do Pesquisador: Campos Aleatórios Markovianos | Filtragem de Imagens | Informação de Fisher Observada | Non Local Means | Tomografia Computadorizada (CT) | ultrassom | Processamento de Imagens

Resumo

Em geral, nas mais diversas modalidades de sistemas de imageamento, existe um grande interesse por parte dos pesquisadores em se reduzir o ruído das imagens (dependente da modalidade utilizada), mantendo especialmente detalhes estruturais e resolução. Ainda, diversas destas modalidades como Tomossíntese Mamária e CT utilizam a perigosa radiação ionizante para a aquisição de imagens. Assim, pesquisadores desta área perseguem o princípio ALARA, a fim de se utilizar a menor dose de radiação possível. Porém, reduzir a dose nestes sistemas implica em aumentar o ruído na imagem adquirida. Baseado nestas motivações, este plano de trabalho visa a investigação de um novo modelo de Campos Aleatórios Markovianos (MRF) considerando, especialmente, a abordagem em estado da arte, que usa informação redundante contida em diferentes partes (não local) de uma imagem. Este novo modelo será denominado MRF Não Local (NLMRF). Como principais vantagens deste novo modelo destacamos: 1) o uso da informação radiométrica na seleção dos cliques do MRF por considerar a ponderação das energias do modelo de acordo com a similaridade entre os patches, 2) a geração de um algoritmo adaptativo ao tipo de ruído por considerar um framework Bayesiano para a obtenção das medidas de similaridades entre patches mais adequadas a cada tipo de ruído e 3) ao nível de ruído local fornecido por um parâmetro definido em termos da Informação de Fisher. Com isso, espera-se, que utilizando o modelo NLMRF para a filtragem de ruído de imagens, especialmente, de CT, Tomossíntese Mamária e Ultrassom, se possa atingir um melhor balanço entre redução de ruído e preservação de detalhes tais como bordas e outras estruturas, quando comparados aos métodos já existentes, além da possibilidade de redução da dose em sistemas que utilizam radiação ionizante.