Tese de mestrado. Mestrado Integrado em Bioengenharia. Faculdade de Engenharia. Universidade do Porto. 2012

Este trabalho apresenta a pesquisa e desenvolvimento de algoritmos de pré-processamento digital de imagens para câmeras térmicas não refrigeradas na faixa espectral do infravermelho distante. O estudo de câmeras infravermelhas é uma questão estratégica, uma vez que tem aplicações militares, civis e científicas. Este trabalho define a concepção e implementação de algoritmos de pré-processamento de imagem necessários para obter imagens com baixo ruído e alto contraste, tais como: correção de não-uniformidade, substituição de pixels defeituosos, geração de histograma, aumento de contraste e processamento de saída do pixel, com taxa de 30 quadros por segundo, utilizando detector não-resfriado com matriz de plano focal de 320 x 240 pixels. Neste trabalho todos os algoritmos foram implementados em software para se obter resultados rapidamente e, assim, facilitar a validação dos códigos. Foram gerados resultados de caracterização eletro-óptica do sistema montado com indicação das principais figuras de mérito que norteiam o estudo desta tecnologia, tais como: componentes de ruído tridimensionais, potência equivalente de ruído, responsividade e relação sinal-ruído. Os resultados indicam que os algoritmos de pré-processamento de imagem propostos aumentam a qualidade da imagem a ser exibida, e os resultados das figuras de mérito calculadas sobre o vídeo digital mostram que todas as métricas apresentaram resultados satisfatórios. / This work aims to present the research and development of digital image processing algorithms for uncooled LWIR thermal camera in Brazil. The study of an infrared thermal camera is a strategic issue since that has more and more applications in military, judicature, rescue, industry, hospital and science areas. This work describes the design and implementation of all image-processing algorithms required to obtain high-performance images with low noise and high contrast, such as: functions for non-uniformity correction of sensor deficiencies, dead-pixel replacement algorithms, histogram generation, contrast enhancement methods and output pixel processing with frame rate of 30 frames per second based on 320 x 240 Uncooled Focal Plane Array (UFPA). In this work all algorithms was implemented in software to get results quickly and to facilitate the validation of computer codes. There are some results of electro-optical characterization on the assembled system, indicating the main figures of merit that guide the study of this technology, such as: 3D noise components, noise equivalent power (NEP), signal transfer function (SiTF) and noise equivalent temperature difference (NETD). The results indicate that the proposed imageprocessing algorithms increase the quality of the corrected image, and the test results through the digital video of the infrared camera show that all metrics are in accordance with its nominal value.

Este trabalho apresenta a pesquisa e desenvolvimento de algoritmos de pré-processamento digital de imagens para câmeras térmicas não refrigeradas na faixa espectral do infravermelho distante. O estudo de câmeras infravermelhas é uma questão estratégica, uma vez que tem aplicações militares, civis e científicas. Este trabalho define a concepção e implementação de algoritmos de pré-processamento de imagem necessários para obter imagens com baixo ruído e alto contraste, tais como: correção de não-uniformidade, substituição de pixels defeituosos, geração de histograma, aumento de contraste e processamento de saída do pixel, com taxa de 30 quadros por segundo, utilizando detector não-resfriado com matriz de plano focal de 320 x 240 pixels. Neste trabalho todos os algoritmos foram implementados em software para se obter resultados rapidamente e, assim, facilitar a validação dos códigos. Foram gerados resultados de caracterização eletro-óptica do sistema montado com indicação das principais figuras de mérito que norteiam o estudo desta tecnologia, tais como: componentes de ruído tridimensionais, potência equivalente de ruído, responsividade e relação sinal-ruído. Os resultados indicam que os algoritmos de pré-processamento de imagem propostos aumentam a qualidade da imagem a ser exibida, e os resultados das figuras de mérito calculadas sobre o vídeo digital mostram que todas as métricas apresentaram resultados satisfatórios. / This work aims to present the research and development of digital image processing algorithms for uncooled LWIR thermal camera in Brazil. The study of an infrared thermal camera is a strategic issue since that has more and more applications in military, judicature, rescue, industry, hospital and science areas. This work describes the design and implementation of all image-processing algorithms required to obtain high-performance images with low noise and high contrast, such as: functions for non-uniformity correction of sensor deficiencies, dead-pixel replacement algorithms, histogram generation, contrast enhancement methods and output pixel processing with frame rate of 30 frames per second based on 320 x 240 Uncooled Focal Plane Array (UFPA). In this work all algorithms was implemented in software to get results quickly and to facilitate the validation of computer codes. There are some results of electro-optical characterization on the assembled system, indicating the main figures of merit that guide the study of this technology, such as: 3D noise components, noise equivalent power (NEP), signal transfer function (SiTF) and noise equivalent temperature difference (NETD). The results indicate that the proposed imageprocessing algorithms increase the quality of the corrected image, and the test results through the digital video of the infrared camera show that all metrics are in accordance with its nominal value.

A textura de uma imagem apresenta informações importantes sobre as características de um objeto. Usar essa informação para reconhecimento de padrões vem sendo uma tarefa bastante pesquisada na área de processamento de imagens e aplicado em atividades como indústria têxtil, biologia, análise de imagens médicas, imagens de satélite, análise de peças industriais, entre outros. Muitos pesquisadores focam em criar mecanismos que convertam a imagem em um vetor de características a fim de utilizar um classificador sobre esse vetores. No entanto, as imagens podem ser transformadas para que que características peculiares sejam evidenciadas fazendo com que extratores de características já existentes explorem melhor as imagens. Esse trabalho tem como objetivo estudar a influência da aplicação de métodos de pré-processamento em imagens de textura para a posterior análise das imagens. Os métodos escolhidos são seis: difusão isotrópica, difusão anisotrópica clássica, dois métodos de regularização da difusão anisotrópica, um método de difusão morfológica e a transformada de distância. Além disso, os métodos foram aliados a sete descritores já conhecidos da literatura para que as características das imagens tranformadas sejam extraídas. Resultados mostram um aumento significativo no desempenho dos classificadores KNN e Naive Bayes quando utilizados nas imagens transformadas de quatro bases de textura: Brodatz, Outex, Usptex e Vistex. / The texture of an image plays an important source of information of the image content. The use of this information to pattern recognition became very popular in image processing area and has applications such in textile industry, biology, medical image analysis, satelite images analysis, industrial equipaments analysis, among others. Many researchers focus on creating different methods to convert the input image to a feature vector to the able to classify the image based on these vectors. However, images can be modified in different ways such that important features are enhanced. Therefore, descriptors are able to extract features easily to perform a better representation of the image. This project aims to apply six different preprocessing methods to analyze their power of enhancement on the texture extraction. The methods are: isotropic diffusion, the classic anisotropic diffusion, two regularizations of the anisotropic diffusion, a morphologic diffusion and the distance transform. To extract the features of these modified images, seven texture analysis algorithms are used along KNN and Naive Bayes to classify the textures. Results show a significant increase when datasets Brodatz, Vistex, Usptex and Outex are transformed prior to texture analysis and classification.

A textura de uma imagem apresenta informações importantes sobre as características de um objeto. Usar essa informação para reconhecimento de padrões vem sendo uma tarefa bastante pesquisada na área de processamento de imagens e aplicado em atividades como indústria têxtil, biologia, análise de imagens médicas, imagens de satélite, análise de peças industriais, entre outros. Muitos pesquisadores focam em criar mecanismos que convertam a imagem em um vetor de características a fim de utilizar um classificador sobre esse vetores. No entanto, as imagens podem ser transformadas para que que características peculiares sejam evidenciadas fazendo com que extratores de características já existentes explorem melhor as imagens. Esse trabalho tem como objetivo estudar a influência da aplicação de métodos de pré-processamento em imagens de textura para a posterior análise das imagens. Os métodos escolhidos são seis: difusão isotrópica, difusão anisotrópica clássica, dois métodos de regularização da difusão anisotrópica, um método de difusão morfológica e a transformada de distância. Além disso, os métodos foram aliados a sete descritores já conhecidos da literatura para que as características das imagens tranformadas sejam extraídas. Resultados mostram um aumento significativo no desempenho dos classificadores KNN e Naive Bayes quando utilizados nas imagens transformadas de quatro bases de textura: Brodatz, Outex, Usptex e Vistex. / The texture of an image plays an important source of information of the image content. The use of this information to pattern recognition became very popular in image processing area and has applications such in textile industry, biology, medical image analysis, satelite images analysis, industrial equipaments analysis, among others. Many researchers focus on creating different methods to convert the input image to a feature vector to the able to classify the image based on these vectors. However, images can be modified in different ways such that important features are enhanced. Therefore, descriptors are able to extract features easily to perform a better representation of the image. This project aims to apply six different preprocessing methods to analyze their power of enhancement on the texture extraction. The methods are: isotropic diffusion, the classic anisotropic diffusion, two regularizations of the anisotropic diffusion, a morphologic diffusion and the distance transform. To extract the features of these modified images, seven texture analysis algorithms are used along KNN and Naive Bayes to classify the textures. Results show a significant increase when datasets Brodatz, Vistex, Usptex and Outex are transformed prior to texture analysis and classification.