A medida de similaridade é parte fundamental no corregistro de imagens, guiando todo seu processo. Neste estudo foi feita a comparação entre diferentes métricas de similaridade no contexto do corregistro não rígido (ou elástico) de imagens médicas. Como as imagens cardíacas representam as mais desaadoras situações em corregistro de imagens médicas, foram utilizadas para teste imagens de ressonância magnética nuclear e imagens de ultrasom cardíaco com contraste. 10 métricas de similaridades diferentes foram comparadas extensivamente, quanto ao seu desempenho para o corregistro não rígido: a soma do quadrado das diferenças (SQD), correlação cruzada (CC), correlação cruzada normalizada (CCN), informação mútua (IM), entropia da diferença (ED), variância da diferença (VD), energia (EN), campo de gradiente normalizado (CGN), medida pontual de informação mútua (MPIM), medida pontual de entropia da diferença (MPED). As métricas baseadas em entropias de informação, IM, ED, foram generalizadas em termos da entropia de Tsallis e avaliadas em seu parâmetro q. Os resultados apresentados mostram a eciência das métricas estudadas para diferentes parâmetros, como dimensão da região de comparação entre as imagens, dimensão da região de busca por similaridade, número de tons de cinza das imagens e parâmetro entrópico. Estes achados podem ser úteis para a construção de denições apropriadas para o corregistro não-rígido, utilizado no corregistro de imagens médicas complexas. / The similarity measurement plays a key role in images registration, driving the whole process of registration. In this study a comparison was made between dierent metrics of similarity in the context of non-rigid registration in medical images. As cardiac images represent the most challenging situation in medical image registration, it has been used as test heart magnetic resonance imaging (MRI) and cardiac ultrasound contrast images. In this work ten different similarity metrics have been compared extensively, as well its performance for the non-rigid registration process: the sum of the squared differences (SQD), cross- correlation (CC), normalized cross correlation (CCN), mutual information (IM), the entropy difference (ED), variance of the difference (VD), energy (EN), eld of normalized gradient (CGN), point measure of mutual information (MPIM), point measure of entropy differences (MPED). Metrics based on information entropies, IM, ED were eneralized in terms of Tsallis entropy and evaluated in its parameter q. The presented results show the effectiveness of the studied metrics for different parameters such as similarity window search size, similarity region search size, image maximum gray level, and entropic parameter. These nding can be helpful to construct appropriate non-rigid registration settings for complex medical image registration.

O presente trabalho consiste na elaboração de uma metodologia envolvendo técnicas computacionais para proporcionar informações provenientes de avaliação de qualidade de equipamentos mamográficos. A investigação conduzida levou em conta, além da necessária determinação de parâmetros operacionais - como tensão de pico (kVp), corrente de tubo, ponto focal, dose, tempo de exposição, camada semi-redutora -, a influência das características do digitalizador usado no processo de digitalização das imagens a ser avaliadas pelo esquema computacional, seja esse um sistema de aquisição digital direta ou indireta. Dessa forma, foi elaborado um protocolo de pré-processamento da imagem para compensar os efeitos do digitalizador antes da avaliação dos parâmetros de qualidade através dela. Simultaneamente ao desenvolvimento dos softwares necessários ao esquema, foi projetado e desenvolvido um simulador radiográfico para servir como instrumento para obtenção tanto das imagens a ser processadas pelo modelo computacional, como dos dados referentes aos parâmetros operacionais. O sistema foi desenvolvido tomando um mamógrafo calibrado e um instrumento de precisão como referências e testado em outros equipamentos mamográficos em operação em clínicas e hospitais. Os resultados foram consistentes com as análises comparativas utilizando as referências, o que podem fazer do sistema uma ferramenta útil na avaliação de qualidade em mamografia. / The present work consists on developing a computational methodology to provide information regarding to mammographic equipment quality evaluation. This investigation have taken into account, beyond the required operational parameters, such as kVp, electrical current, focal point, dose, exposition time, half-value layer, the influence of the film digitizer utilized for digitization process on the images to be evaluated by the computational scheme, either this a system of direct or indirect digital acquisition. Like so, it was elaborated an image pre-processing protocol to compensate the digitization effect on digital image, before the evaluation of quality control parameters through itself. Simultaneously to the development of the necessary software to the system, a radiographic phantom was developed to be used for achievement of either the images to be processed by the computational model, as operational parameters data. The system was developed taking calibrated mammographic equipment and a precise measurement instrument as references, besides, it was tested in other mammographic equipment in operation on clinics and hospitals. Results had shown consistent with the comparative analyses using those references, which can turn this system a useful tool for evaluation of mammography quality.

Neste projeto foi desenvolvido um método computacional para verificação da melhor combinação tela intensificadora - filme para exames mamográficos através do estudo de suas características sensitométricas. O software, desenvolvido em ambiente Delphi para windows, apresenta na tela do microcomputador a imagem a ser obtida para cada tipo de combinação tela intensificadora - filme, utilizando imagens de \"Phantoms\" e de mamas reais. Em razão da ampla quantidade de fatores que influenciam a imagem mamográfica final, tais como magnificação, característica dos filmes e telas intensificadoras e condições da processadora, o método proposto pode proporcionar uma ampla avaliação da qualidade dos sistemas de imagem mamográfica de uma forma simples, rápida e automática, através de procedimentos de simulação computacional. A simulação investigou a influência que um determinado sistema de registro exerce sobre a qualidade da imagem, possibilitando conhecer previamente a imagem final a ser obtida com diferentes equipamentos e sistemas de registro. Dentre os sistemas investigados, três filmes (Kodak Min R 2000, Fuji UM MA-HC e Fuji ADM) e duas telas intensificadoras (Kodak Min R 2000 e Fuji AD Mammo Fine), aquele que apresentou melhores resultados, com melhor qualidade de imagens e menor exposição à paciente foi o de tela Min R 2000 com filme Min R 2000 da Kodak. / The present research has as main objective the development of a computational method for verification of the best combination screen-film for mammographic examinations through the study of its sensitometric characteristics. The software interface was developed in Delphi for windows and display the image to be gotten for each type of combination screen-film, using images of Phantoms and real breasts. Because several factors influence the final mammographic image, such as magnification, characteristic of the films and screens and conditions of the processing, the method can provide an ample evaluation of the quality of the systems of mammographic image of a simple, fast and automatic form, through procedures of computational simulation. The simulation investigates the influence of a register system on the quality of the image, making it possible to know the final image previously to be gotten with different equipment and register systems. Three films (Kodak Min R 2000, Fuji UM MA-HC and Fuji ADM) and two screens (Kodak Min R 2000 and Fuji AD Mammo Fine) was avaliable and the screen Min R 2000 with film Min R 2000 was the best result with less exposure.

Na última década observou-se grande interesse pra o desenvolvimento de técnicas para Recuperação de Imagens Baseada em Conteúdo devido à explosão na quantidade de imagens capturadas e à necessidade de armazenamento e recuperação dessas imagens. A área médica especificamente é um exemplo que gera um grande fluxo de informações, principalmente imagens digitais para a realização de diagnósticos. Porém um problema ainda permanecia sem solução que tratava-se de como atingir a similaridade baseada na percepção do usuário, uma vez que para que se consiga uma recuperação eficaz, deve-se caracterizar e quantificar o melhor possível tal similaridade. Nesse contexto, o presente trabalho de Doutorado visou trazer novas contribuições para a área de recuperação de imagens por contúdo. Dessa forma, almejou ampliar o alcance de consultas por similaridade que atendam às expectativas do usuário. Tal abordagem deve permitir ao sistema CBIR a manutenção da semântica da consulta desejada pelo usuário. Assim, foram desenvolvidos três métodos principais. O primeiro método visou a seleção de características por demanda baseada na intenção do usuário, possibilitando dessa forma agregação de semântica ao processo de seleção de características. Já o segundo método culminou no desenvolvimento de abordagens para coleta e agragação de perfis de usuário, bem como novas formulações para quantificar a similaridade perceptual dos usuários, permitindo definir dinamicamente a função de distância que melhor se adapta à percepção de um determinado usuário. O terceiro método teve por objetivo a modificação dinâmica de funções de distância em diferentes ciclos de realimentação. Para tanto foram definidas políticas para realizar tal modificação as quais foram baseadas na junção de informações a priori da base de imagens, bem como, na percepção do usuário no processo das consultas por similaridade. Os experimentos realizados mostraram que os métodos propostos contribuíram de maneira efetiva para caracterizar e quantificar a similaridade baseada na percepção do usuário, melhorando consideravelmente a busca por conteúdo segundo as expectativas dos usuários / In the last decade techniques for content-based image retrieval (CBIR) have been intensively explored due to the increase in the amount of capttured images and the need of fast retrieval of them. The medical field is a specific example that generates a large flow of information, especially digital images employed for diagnosing. One issue that still remains unsolved deals with how to reach the perceptual similarity. That is, to achieve an effectivs retrieval, one must characterize and quantify the perceptual similarity regarding the specialist in the field. Therefore, the present thesis was conceived tofill in this gap creating a consistent support to perform similarity queries over images, maintaining the semantics of a given query desired by tyhe user, bringing new contribuitions to the content-based retrieval area. To do so, three main methods were developed. The first methods applies a novel retrieval approach that integrates techniques of feature selection and relevance feedback to preform demand-driven feature selection guided by perceptual similarity, tuning the mining process on the fly, according to the user´s intention. The second method culminated in the development of approaches for harvesting and surveillance of user profiles, as well as new formulations to quantify the perceptual similarity of users , allowing to dynamically set the distance function that best fits the perception of a given user. The third method introduces a novel approach to enhance the retrieval process through user feedback and profiling, modifying the distance function in each feedback cycle choosing the best one for each cycle according to the user expectation. The experiments showed that the proposed metods effectively contributed to capture the perceptual similarity, improving in a great extent the image retrieval according to users´expectations

Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2017-08-30T18:18:41Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao Caio Fernandes Araujo Versão Biblioteca.pdf: 4719896 bytes, checksum: 223db1c4382e6f970dc2cd659978ab60 (MD5) / Made available in DSpace on 2017-08-30T18:18:42Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao Caio Fernandes Araujo Versão Biblioteca.pdf: 4719896 bytes, checksum: 223db1c4382e6f970dc2cd659978ab60 (MD5) Previous issue date: 2016-08-12 / CAPES / Segmentar imagens de maneira automática é um grande desafio. Apesar do ser humano conseguir fazer essa distinção, em muitos casos, para um computador essa divisão pode não ser tão trivial. Vários aspectos têm de ser levados em consideração, que podem incluir cor, posição, vizinhanças, textura, entre outros. Esse desafio aumenta quando se passa a utilizar imagens médicas, como as ressonâncias magnéticas, pois essas, além de possuírem diferentes formatos dos órgãos em diferentes pessoas, possuem áreas em que a variação da intensidade dos pixels se mostra bastante sutil entre os vizinhos, o que dificulta a segmentação automática. Além disso, a variação citada não permite que haja um formato pré-definido em vários casos, pois as diferenças internas nos corpos dos pacientes, especialmente os que possuem alguma patologia, podem ser grandes demais para que se haja uma generalização. Mas justamente por esse possuírem esses problemas, são os principais focos dos profissionais que analisam as imagens médicas. Este trabalho visa, portanto, contribuir para a melhoria da segmentação dessas imagens médicas. Para isso, utiliza a ideia do Bagging de gerar diferentes imagens 2D para segmentar a partir de uma única imagem 3D, e conceitos de combinação de classificadores para uni-las, para assim conseguir resultados estatisticamente melhores, se comparados aos métodos populares de segmentação. Para se verificar a eficácia do método proposto, a segmentação das imagens foi feita utilizando quatro técnicas de segmentação diferentes, e seus resultados combinados. As técnicas escolhidas foram: binarização pelo método de Otsu, o K-Means, rede neural SOM e o modelo estatístico GMM. As imagens utilizadas nos experimentos foram imagens reais, de ressonâncias magnéticas do cérebro, e o intuito do trabalho foi segmentar a matéria cinza do cérebro. As imagens foram todas em 3D, e as segmentações foram feitas em fatias 2D da imagem original, que antes passa por uma fase de pré-processamento, onde há a extração do cérebro do crânio. Os resultados obtidos mostram que o método proposto se mostrou bem sucedido, uma vez que, em todas as técnicas utilizadas, houve uma melhoria na taxa de acerto da segmentação, comprovada através do teste estatístico T-Teste. Assim, o trabalho mostra que utilizar os princípios de combinação de classificadores em segmentações de imagens médicas pode apresentar resultados melhores. / Automatic image segmentation is still a great challenge today. Despite the human being able to make this distinction, in most of the cases easily and quickly, to a computer this task may not be that trivial. Several characteristics have to be taken into account by the computer, which may include color, position, neighborhoods, texture, among others. This challenge increases greatly when it comes to using medical images, like the MRI, as these besides producing images of organs with different formats in different people, have regions where the intensity variation of pixels is subtle between neighboring pixels, which complicates even more the automatic segmentation. Furthermore, the above mentioned variation does not allow a pre-defined format in various cases, because the internal differences between patients bodies, especially those with a pathology, may be too large to make a generalization. But specially for having this kind of problem, those people are the main targets of the professionals that analyze medical images. This work, therefore, tries to contribute to the segmentation of medical images. For this, it uses the idea of Bagging to generate different 2D images from a single 3D image, and combination of classifiers to unite them, to achieve statistically significant better results, if compared to popular segmentation methods. To verify the effectiveness of the proposed method, the segmentation of the images is performed using four different segmentation techniques, and their combined results. The chosen techniques are the binarization by the Otsu method, K-Means, the neural network SOM and the statistical model GMM. The images used in the experiments were real MRI of the brain, and the dissertation objective is to segment the gray matter (GM) of the brain. The images are all in 3D, and the segmentations are made using 2D slices of the original image that pass through a preprocessing stage before, where the brain is extracted from the skull. The results show that the proposed method is successful, since, in all the applied techniques, there is an improvement in the accuracy rate, proved by the statistical test T-Test. Thus, the work shows that using the principles of combination of classifiers in medical image segmentation can obtain better results.

Devido à variação na qualidade e ao ruído nas imagens médicas, a aplicação de técnicas tradicionais de segmentação é geralmente ineficiente. Nesse sentido, apresenta-se um novo algoritmo a partir de duas técnicas: o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF deformable contours) e a técnica de espaço de escalas utilizando o processo de difusão. Assim, foi realizada uma revisão bibliográfica dos modelos que trabalham com os contornos deformáveis, os quais foram classificados em modelos paramétricos e geométricos. Entre os modelos paramétricos foi escolhido o modelo de contornos deformáveis por fluxo do vetor gradiente (GVF). Esta aproximação oferece precisão na representação de estruturas biológicas não observada em outros modelos. Desta forma, o algoritmo apresentado mapeia as bordas (edge map) e aperfeiçoa a condução da deformação utilizando uma técnica baseada em operações recursivas. Com este cálculo apoiado no comportamento de espaço de escalas, obtem-se a localização e correção de sub-regiões do edge map que perturbam a deformação. Por outro lado, é incorporada uma nova característica que permite ao algoritmo realizar atividades de classificação. O algoritmo consegue determinar a presença ou ausência de um objeto de interesse utilizando um valor mínimo de deformação. O algoritmo é validado através do tratamento de imagens sintéticas e médicas comparando os resultados com os obtidos no modelo tradicional de contornos deformáveis GVF. / Due to the variation of the quality and noise in medical images, the classic image segmentation techniques are usually ineffective. In this work, we present a new algorithm that is composed of two techniques: the gradient vector flow deformable contours (GVF) and the scale-space technique using a diffusion process. A bibliographical revision of the models that work with deformable contours was accomplished, they were classified in parametric and geometric models. Among the parametric models the gradient vector flow deformable contours (GVF) was chosen. This approach offers precision in the representation of biological structures where other models does not. Thus, the algorithm improves the edge map to guide the deformation using recursive operations. With this estimation based on the behavior of the scale-space techniques it is realized, the localization and correction of sub-areas of the edge map that disturb the deformation. On the other hand, it was incorporated a new characteristic that allows the algorithm to accomplish classification activities. That is, the algorithm determines the presence or absence of a target object using a minimal deformation area. Our method was validated on both, simulated images and medical images making a comparison with the traditional GVF deformable contours.

Bases de imagens armazenadas em sistemas computacionais da área médica correspondem a uma valiosa fonte de conhecimento. Assim, a mineração de imagens pode ser aplicada para extrair conhecimento destas bases com o propósito de apoiar o diagnóstico auxiliado por computador (Computer Aided Diagnosis - CAD). Sistemas CAD apoiados por mineração de imagens tipicamente realizam a extração de características visuais relevantes das imagens. Essas características são organizadas na forma de vetores de características que representam as imagens e são utilizados como entrada para classificadores. Devido ao problema conhecido como lacuna semântica, que corresponde à diferença entre a percepção da imagem pelo especialista médico e suas características automaticamente extraídas, um aspecto desafiador do CAD é a obtenção de um conjunto de características que seja capaz de representar de maneira sucinta e eficiente o conteúdo visual de imagens médicas. Foi desenvolvido neste trabalho o extrator de características FFS (Fast Fractal Stack) que realiza a extração de características de forma, que é um atributo visual que aproxima a semântica esperada pelo ser humano. Adicionalmente, foi desenvolvido o algoritmo de classificação Concept, que emprega mineração de regras de associação para predizer a classe de uma imagem. O aspecto inovador do Concept refere-se ao algoritmo de obtenção de representações de imagens, denominado MFS-Map (Multi Feature Space Map) e também desenvolvido neste trabalho. O MFS-Map realiza agrupamento de dados em diferentes espaços de características para melhor aproveitar as características extraídas no processo de classificação. Os experimentos realizados para imagens de tomografia pulmonar e mamografias indicam que tanto o FFS como a abordagem de representação adotada pelo Concept podem contribuir para o aprimoramento de sistemas CAD / Medical image databases represent a valuable source of data from which potential knowledge can be extracted. Image mining can be applied to knowledge discover from these data in order to help CAD (Computer Aided Diagnosis) systems. The typical set-up of a CAD system consists in the extraction of relevant visual features in the form of image feature vectors that are used as input to a classifier. Due to the semantic gap problem, which corresponds to the difference between the humans image perception and the features automatically extracted from the image, a challenging aspect of CAD is to obtain a set of features that is able to succinctly and efficiently represent the visual contents of medical images. To deal with this problem it was developed in this work a new feature extraction method entitled Fast Fractal Stack (FFS). FFS extracts shape features from objects and structures, which is a visual attribute that approximates the semantics expected by humans. Additionally, it was developed the Concept classification method, which employs association rules mining to the task of image class prediction. The innovative aspect of Concept refers to its image representation algorithm termed MFS-Map (Multi Feature Space Map). MFS-Map employs clustering in different feature spaces to maximize features usefulness in the classification process. Experiments performed employing computed tomography and mammography images indicate that both FFS and Concept methods for image representation can contribute to the improvement of CAD systems

Made available in DSpace on 2016-08-16T18:18:41Z (GMT). No. of bitstreams: 1 Tese Daniel Duarte Costa.pdf: 3067192 bytes, checksum: b9a8d78583596a2e1dff6298c4a89014 (MD5) Previous issue date: 2012-12-06 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Breast cancer is the leading cause of cancer death among women in Western countries. To improve the accuracy of diagnosis by radiologists and doing it so early, new computer vision systems have been developed and improved with the passage of time. Some methods of the detection and classification of lesions in mammography images for computer systems diagnostic (CAD) were developed using different statistical techniques. In this thesis, we present methodologies of CADs systems to detect and classify mass regions in mammographic images, from two image databases: DDSM and MIAS. The results show that it is possible by these methods to obtain a detection rate of up to 96% of mass regions, using efficient coding technique and K-means clustering algorithm. To classify regions in mass or non-mass correctly, was obtained a success rate up to 90% using the independent component analysis (ICA) and linear discriminant analysis (LDA). From these results generated a web application, called SADIM (Sistema de Auxílio a Diagnóstico de Imagem Mamográfica), which can be used by any registered professional. / O câncer de mama é a principal causa de morte por câncer na população feminina dos países ocidentais. Para melhorar a precisão do diagnóstico por radiologistas e fazê-lo de forma precoce, novos sistemas de visão computacional têm sido criados e melhorados com o decorrer do tempo. Alguns métodos de detecção e classificação da lesão em imagens radiológicas, por sistemas de diagnósticos por computador (CAD), foram desenvolvidos utilizando diferentes técnicas estatísticas. Neste trabalho, apresentam-se metodologias de sistemas CADs para detectar e classificar regiões de massa em imagens mamográficas, oriundas de duas bases de imagens: DDSM e MIAS. Os resultados mostram que é possível, através destas metodologias, obter uma taxa de detecção de até 96% das regiões de massa, utilizando a técnica de codificação eficiente com o algoritmo de agrupamento k-means, e classificar corretamente as regiões de massa em até 90% utilizando-se das técnicas de análise de componentes independentes (ICA) e análise discriminante linear (LDA). A partir destes resultados gerou-se uma aplicação web, denominada SADIM (Sistema de Auxílio a Diagnóstico de Imagem Mamográfica), que pode ser utilizado por qualquer profissional cadastrado. Palavras-chave: processamento de imagens médicas; diagnóstico auxiliado por computador; mamografias análise de imagens; codificação eficiente.

O desenvolvimento tecnológico proporciona uma melhoria na qualidade de vida devido à facilidade, rapidez e flexibilidade no acesso à informação. Na área biomédica, a tecnologia é reconhecidamente uma importante aliada, permitindo o rápido desenvolvimento de métodos e técnicas que auxiliam o profissional na atenção à saúde. Recentes avanços na análise computadorizada de imagens médicas contribuem para o diagnóstico precoce de uma série de doenças. Nesse trabalho é apresentada uma metodologia para o desenvolvimento de um sistema computacional para caracterização de padrões em imagens pulmonares, baseado em técnicas de redes neurais artificiais. No estudo, buscou-se verificar a utilização de redes neurais auto-organizáveis como ferramenta de extração de atributos e redução de dimensionalidade de imagens radiográficas de tórax, objetivando a caracterização de lesões intersticiais de pulmão. Para a redução de dimensionalidade e extração de atributos, implementou-se um algoritmo baseado nos mapas auto-organizáveis (SOM), com algumas variações, obtendo-se uma redução dos cerca de 3 milhões de pixels que compõe uma imagem, para 240 elementos. Para a classificação dos padrões, utilizou-se uma rede Perceptron multi-camadas (MLP), validada com a metodologia leave-one-out. Com uma base contendo 79 exemplos de padrão linear, 37 exemplos de padrão nodular, 30 exemplos de padrão misto, e 72 exemplos de padrão normal, o classificador obteve a média de 89,5% de acerto, sendo 100% de classificação correta para o padrão linear, 67,5% para o padrão nodular, 63,3% para o padrão misto, e 100% para o padrão normal. Os resultados obtidos comprovam a validade da metodologia. / The technological development provides an improvement in the quality of life due to easiness, speed and flexibility in the access to the information. In the biomedical area, the technology is admitted as an important allied, allowing the fast development of methods and techniques that assist the professional in the health care. Recent advances in the computerized analysis of medical images contribute for the precocious diagnosis of a series of diseases. In this work a methodology for the development of a computational system for characterization of patterns in pulmonary images, based in techniques of artificial neural networks is presented. In the study, has searched for the verification the use of self-organizing neural networks as a feature extraction and dimensionality reduction tool of chest radiographs, willing to characterize interstitial lung disease. For the dimensionality reduction and feature extraction, an algorithm based on Self-Organizing Maps (SOM) was implemented, with some variations, getting a reduction of about 3 million pixels that it composes an image, for 240 elements. For the pattern classification, a Multilayer Perceptron (MLP) was used, validated with the leave-one-out methodology. With a database containing 79 samples of linear pattern, 37 samples of nodular pattern, 30 samples of mixed pattern, and 72 samples of normal pattern, the classifier provided an average result of 89.5% of right classification, with 100% of right classification for linear pattern, 67.5% for nodular pattern, 63.3% for mixed pattern, and 100% for normal pattern. The results prove the validity of the methodology.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Images captured in endoscopy examinations show some distortion, the radial is the most visible. The radial distortion appears in images due to lens used in endoscopes. When a doctor or researcher is analyzing a distorted image, he can not see the exact size of an organ, tumor or lesion, due the magnification in the center of the image and a contraction in the peripheral regions caused by such distortion. This paper aims to propose a new method for correction of radial distortion in endoscopic images. The proposed method is based on concepts of Morphing and Warping, which are techniques widely used in computer graphics to transform the image of one person to another or to cause objects deformations. The system presents the advantage of automatic application of these techniques, since the vast majority of correction algorithms need user interaction. The proposed method uses a pattern image, created for the calibration of the transformations that are applied to the images of endoscopy. The developed system receives the pattern image captured by endoscope, divides the image into a triangular mesh, make the matching of each triangle of the meshes and store the affine transformations of each triangular region of the mesh separately. After calibration, the affine transformations of each triangular region are used in real image of endoscopic examinations performed by the same endoscope used for calibration to correct the images. Finally, the method was compared with others in the literature and has been made quantitative and qualitative analysis with the results. / Imagens capturadas em exames de endoscopia apresentam algumas distorções, sendo a distorção radial a principal. A distorção radial surge na imagem devido ao sistema de lentes utilizado nos endoscópios. Quando um médico ou pesquisador está analisando uma imagem distorcida, não consegue perceber qual o tamanho exato de um órgão, lesão ou tumor, pois tal distorção causa uma ampliação no centro da imagem e uma contração nas regiões periféricas. Este trabalho tem como objetivo propor um novo método para a correção de distorções radiais em imagens de endoscopia. O método proposto baseia-se em conceitos de Morphing e Warping, que são técnicas bastante utilizadas em computação gráfica para transformar a imagem de uma pessoa em outra ou para causar deformações em objetos. O sistema apresentado tem como diferencial a aplicação automática destas técnicas, visto que a grande maioria de algoritmos que fazem uso delas funciona com interação do usuário. O método proposto utiliza uma imagem padrão, criada para a calibração das transformações que serão aplicadas nas imagens de exames de endoscopia. O sistema desenvolvido recebe a imagem padrão capturada por endoscópio, divide a imagem em uma malha triangular, faz a correspondência de cada triângulo desta malha com a malha da imagem padrão original e armazena as transformações afins em cada região da malha separadamente, transformando assim a imagem capturada na imagem original. Após a calibração, as mesmas transformações afins armazenadas para cada elemento triangular da malha são utilizadas em imagem reais de exames endoscópicos feitos pelo mesmo endoscópio utilizado na calibração, para corrigir a deformação. Por fim, o método desenvolvido foi comparado com outros da literatura e foram feitas análises quantitativas e qualitativas dos resultados obtidos.