Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2015. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-02-16T12:36:49Z No. of bitstreams: 1 2015_RenanUtidaFerreira.pdf: 28303647 bytes, checksum: 4ae4f308b3425ff5ad576a95e447bc55 (MD5) / Approved for entry into archive by Marília Freitas(marilia@bce.unb.br) on 2016-02-28T11:20:25Z (GMT) No. of bitstreams: 1 2015_RenanUtidaFerreira.pdf: 28303647 bytes, checksum: 4ae4f308b3425ff5ad576a95e447bc55 (MD5) / Made available in DSpace on 2016-02-28T11:20:25Z (GMT). No. of bitstreams: 1 2015_RenanUtidaFerreira.pdf: 28303647 bytes, checksum: 4ae4f308b3425ff5ad576a95e447bc55 (MD5) / Reconstrução de imagem por super-resolução (ou simplesmente super-resolução) tem sido um campo de vasto estudo na área de processamento de imagens e vídeos. Dentre as várias propostas para resolver este problema, a super-resolução baseada em exemplos tem por objetivo transformar uma imagem em baixa resolução para uma imagem em alta resolução a partir da inferência de informações de alta frequência de outras imagens em alta resolução. Neste trabalho, propomos novas técnicas de super-resolução baseada em exemplos usando correspondência de descritores de características SIFT e casamento de gradientes. A correspondência de descritores é usada para a geração de um fluxo de vetores de movimentos, a partir dos quais compomos novas imagens por compensação de movimento usando transformações de perspectivas. O casamento de gradientes é usado para geração de imagens refinadas, a partir das quais será extraída informação de alta frequência a ser inserida na imagem de baixa resolução. Apresentamos dois métodos distintos para a solução proposta:no primeiro método, usamos grades móveis para selecionar os grupos de vetores que definem as transformações de perspectivas e casamento de gradientes em vizinhanças quadradas; no segundo, usamos agrupamento automático de vetores e casamento de gradientes em vizinhanças circulares. A solução proposta é testada no contexto de vídeos de resolução mista. Nossos resultados mostram qualidade objetiva dos quadros de vídeo super-resolvidos da ordem de 2dB, medida em PSNR, superior ao obtido por outras soluções. ______________________________________________________________________________ ABSTRACT / Super-resolution image reconstruction (or simply super-resolution) has been a vast field of study in the area of image and video processing. Among the many solutions for this problem, example-based super-resolution has the objective of transforming a low resolution image into a high resolution one by inferring high frequency information from other high resolution images. In this work, we propose new techniques of example-based super-resolution by using SIFT feature descriptors matching followed by gradient matching. The descriptors’ matching is used to generate a motion vector flow, from which we compose new images by motion compensation using perspective transformation. The gradient matching is used to generate refined images, from which we extract the high frequency information to be inserted to the low resolution image. We present two distinct methods for this solution: in the first method, we use moving grids to select the groups of vectors from which we derive the perspective transformation, followed by the matching of gradients in a square neighborghood; in the second method, we use the automatic clustering of vectors and gradient matching in a circular neighborhood. The proposed solution is tested in the context of mixed resolution videos. Our results show superior objective quality in the super-resolved video frames of around 2dB, measured in PSNR, compared to other solutions.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2015. / Submitted by Camila Duarte (camiladias@bce.unb.br) on 2017-02-08T11:58:57Z No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / Approved for entry into archive by Ruthléa Nascimento(ruthleanascimento@bce.unb.br) on 2017-03-03T17:00:45Z (GMT) No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / Made available in DSpace on 2017-03-03T17:00:45Z (GMT). No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / A melhoria da resolução especial de imagens de placas de veículos em cenários reais possui papel importante no campo da investigação criminal e da ciência forense. Neste trabalho, um método de super-resolução de única imagem baseado em aprendizado é proposto, o qual utiliza o conhecimento a priori de que a entrada é formada por um conjunto de imagens de algarismos de placas capturadas em baixíssima qualidade e baixíssima resolução. O método proposto emprega uma árvore de decisão para classificar cada imagem de entrada e o resultado da classificação é utilizado para ponderar o peso da imagem do bloco na etapa de reconstrução. Adicionalmente, a equalização de histograma é aplicada para melhorar a eficácia do classificador. Para demonstrar que o método proposto produz resultados satisfatórios, experimentos com imagens sintéticas e imagens do mundo real são realizados e analisados. / Spatial resolution enhancement of license plate images in real scenarios plays an important role in criminal investigation and forensic science. This work presents a learning-based single-image super-resolution method based on a priori knowledge that the input is composed of license plate digit images captured at poor quality and very low resolution. The proposed method employs a decision tree to classify each input image and the classification results are used to weight the image patches in the reconstruction step. Additionally, the histogram equalization technique is performed to improve the effectiveness of the classifier. Experiments conducted on synthetic and real-world images demonstrate that the proposed method is capable of producing satisfactory results.

As técnicas de super-resolução possibilitam combinar várias imagens de uma mesma cena para se obter uma imagem com resolução radiométrica e geométrica aumentada, denominada de imagem de super-resolução. Nessa imagem são realçadas características importantes possibilitando recuperar detalhes e informações. As aplicações envolvem diferentes áreas, tais como: na agricultura para identificar possíveis desmatamentos e controle de pragas, na área médica para a detecção de doenças em estágios iniciais, identificação facial de pessoas suspeitas em imagens de circuito fechado, reconstrução de filmes, identificação de placas de veículos, entre outras. No presente trabalho, é proposta uma metodologia para a geração de imagens de super-resolução a partir de uma região selecionada de um mosaico. Embora existam vários trabalhos publicados relacionados à geração de imagens de super-resolução, as metodologias não se aplicam para uma região específica do mosaico. E grande parte dos trabalhos utiliza uma imagem de referência, a partir da qual é gerada a imagem de super-resolução. Na metodologia proposta, inicialmente, é gerado um mosaico a partir de um conjunto de imagens baseando-se nos algoritmos SIFT ou SURF, BBF e RANSAC e é criada uma estrutura de dados, que organiza os pontos correlacionáveis das imagens com sobreposição, facilitando e simplificando o processo de fusão desses pontos para a obtenção da imagem de super-resolução. A ferramenta implementada a partir dessa metodologia, possibilita ao operador selecionar a região de interesse no mosaico, a partir da qual, é gerada a imagem de super-resolução utilizando as técnicas SIFT (ou SURF), interpolação Bicúbica e a fusão pelo valor mediano dos pontos da área com sobreposição das imagens da sequência. Para validar a metodologia, foram utilizados quatro conjuntos de imagens, que incluem imagens simuladas, obtidas com câmeras de baixa e alta resolução, imagens aéreas de áreas urbanas e rurais, coloridas e em escalas de cinza, e imagens contendo elementos textuais. Nas imagens simuladas foram adicionados ruídos e avaliada a imagem de super-resolução gerada por meio de duas métricas: raiz do erro médio quadrático (RMSE) e o índice de similaridade estrutural (SSIM). Os resultados mostraram que mesmo com valor de RMSE elevado, o SSIM foi acima de 70%, evidenciando o alto grau de similaridade. As imagens de super-resolução obtidas a partir de uma região dos mosaicos gerados foram comparadas com imagens superamostradas por meio de interpolações e avaliadas confrontando as imagens extrapoladas para verificação visual dos elementos da cena. Os resultados apresentados concluem que as imagens de super-resolução geradas, apresentam melhorias no que diz respeito à restauração das mesmas para futura análise de alvos de interesse, sem ter o retrabalho de adquirir novas imagens da cena, pois dependendo da cena analisada não será possível nova aquisição. O presente trabalho contribui com a geração de imagem de super-resolução, a partir de uma região do mosaico e com estruturas de dados e algoritmos que possibilitam a análise de regiões específicas do mosaico, sem que o mesmo tenha que ser processado integralmente. / Super-resolution techniques allow combining several images of the same scene in order to obtain an image with increased geometric and radiometric resolution, called super-resolution image. In this image are enhanced features allowing to recover important details and information. The applications involve different areas, such as: in the agriculture to identify possible deforestation and pest control, in the medical area to detect diseases in early stages, facial identification in images of suspects in closed loop, movies reconstruction, license plates recognition, among others. In this work, we propose a methodology for generating super-resolution images from a selected region of a mosaic. Although there are several published papers related to the generation of super-resolution images, the existing methodologies do not apply to a specific region of the mosaic. And the majority of studies use a reference image, from which is generated the super-resolution image. In the proposed methodology, initially, a mosaic is generated from a set of images based on the algorithms SIFT or SURF, BBF and RANSAC and creates a data structure that organizes the points correlate of the images with overlapping, facilitating and simplifying the fusion process of these points to obtain the super-resolution image. The tool implemented from this methodology allows to the operator to select the region of interest in the mosaic, from which is generated the image using super-resolution techniques SIFT (or SURF), Bicubic interpolation and fusion process by the median value of the points with overlapping area from the images of the sequence. In order to validate the methodology, we used four sets of images, including simulated images taken with cameras of low and high resolution, aerial images of urban and rural areas, color and grayscale images and images containing texts. In the simulated images were added noise and were evaluated the super-resolution image generated by two metrics: root mean square error (RMSE) and the structural similarity index (SSIM). The results showed that even with high RMSE value, the SSIM was above 70%, reflecting the high degree of similarity. The super-resolution images obtained from a region of the mosaics were compared with images generated by super-sampled interpolation and evaluated by comparing the images extrapolated to visual inspection of elements of the scene. From the results it can be concluded that the super-resolution images generated present improvements with regard to restoration of images for further analysis of targets of interest, without reworking to acquire new images of the scene, because depending on the analyzed scene it would not be possible a new acquisition. This work contributes to the generation of super-resolution image from a region of the mosaic and with data structures and algorithms which enable the analysis of specific regions of the mosaic without it has to be fully processed.

As técnicas de super-resolução possibilitam combinar várias imagens de uma mesma cena para se obter uma imagem com resolução radiométrica e geométrica aumentada, denominada de imagem de super-resolução. Nessa imagem são realçadas características importantes possibilitando recuperar detalhes e informações. As aplicações envolvem diferentes áreas, tais como: na agricultura para identificar possíveis desmatamentos e controle de pragas, na área médica para a detecção de doenças em estágios iniciais, identificação facial de pessoas suspeitas em imagens de circuito fechado, reconstrução de filmes, identificação de placas de veículos, entre outras. No presente trabalho, é proposta uma metodologia para a geração de imagens de super-resolução a partir de uma região selecionada de um mosaico. Embora existam vários trabalhos publicados relacionados à geração de imagens de super-resolução, as metodologias não se aplicam para uma região específica do mosaico. E grande parte dos trabalhos utiliza uma imagem de referência, a partir da qual é gerada a imagem de super-resolução. Na metodologia proposta, inicialmente, é gerado um mosaico a partir de um conjunto de imagens baseando-se nos algoritmos SIFT ou SURF, BBF e RANSAC e é criada uma estrutura de dados, que organiza os pontos correlacionáveis das imagens com sobreposição, facilitando e simplificando o processo de fusão desses pontos para a obtenção da imagem de super-resolução. A ferramenta implementada a partir dessa metodologia, possibilita ao operador selecionar a região de interesse no mosaico, a partir da qual, é gerada a imagem de super-resolução utilizando as técnicas SIFT (ou SURF), interpolação Bicúbica e a fusão pelo valor mediano dos pontos da área com sobreposição das imagens da sequência. Para validar a metodologia, foram utilizados quatro conjuntos de imagens, que incluem imagens simuladas, obtidas com câmeras de baixa e alta resolução, imagens aéreas de áreas urbanas e rurais, coloridas e em escalas de cinza, e imagens contendo elementos textuais. Nas imagens simuladas foram adicionados ruídos e avaliada a imagem de super-resolução gerada por meio de duas métricas: raiz do erro médio quadrático (RMSE) e o índice de similaridade estrutural (SSIM). Os resultados mostraram que mesmo com valor de RMSE elevado, o SSIM foi acima de 70%, evidenciando o alto grau de similaridade. As imagens de super-resolução obtidas a partir de uma região dos mosaicos gerados foram comparadas com imagens superamostradas por meio de interpolações e avaliadas confrontando as imagens extrapoladas para verificação visual dos elementos da cena. Os resultados apresentados concluem que as imagens de super-resolução geradas, apresentam melhorias no que diz respeito à restauração das mesmas para futura análise de alvos de interesse, sem ter o retrabalho de adquirir novas imagens da cena, pois dependendo da cena analisada não será possível nova aquisição. O presente trabalho contribui com a geração de imagem de super-resolução, a partir de uma região do mosaico e com estruturas de dados e algoritmos que possibilitam a análise de regiões específicas do mosaico, sem que o mesmo tenha que ser processado integralmente. / Super-resolution techniques allow combining several images of the same scene in order to obtain an image with increased geometric and radiometric resolution, called super-resolution image. In this image are enhanced features allowing to recover important details and information. The applications involve different areas, such as: in the agriculture to identify possible deforestation and pest control, in the medical area to detect diseases in early stages, facial identification in images of suspects in closed loop, movies reconstruction, license plates recognition, among others. In this work, we propose a methodology for generating super-resolution images from a selected region of a mosaic. Although there are several published papers related to the generation of super-resolution images, the existing methodologies do not apply to a specific region of the mosaic. And the majority of studies use a reference image, from which is generated the super-resolution image. In the proposed methodology, initially, a mosaic is generated from a set of images based on the algorithms SIFT or SURF, BBF and RANSAC and creates a data structure that organizes the points correlate of the images with overlapping, facilitating and simplifying the fusion process of these points to obtain the super-resolution image. The tool implemented from this methodology allows to the operator to select the region of interest in the mosaic, from which is generated the image using super-resolution techniques SIFT (or SURF), Bicubic interpolation and fusion process by the median value of the points with overlapping area from the images of the sequence. In order to validate the methodology, we used four sets of images, including simulated images taken with cameras of low and high resolution, aerial images of urban and rural areas, color and grayscale images and images containing texts. In the simulated images were added noise and were evaluated the super-resolution image generated by two metrics: root mean square error (RMSE) and the structural similarity index (SSIM). The results showed that even with high RMSE value, the SSIM was above 70%, reflecting the high degree of similarity. The super-resolution images obtained from a region of the mosaics were compared with images generated by super-sampled interpolation and evaluated by comparing the images extrapolated to visual inspection of elements of the scene. From the results it can be concluded that the super-resolution images generated present improvements with regard to restoration of images for further analysis of targets of interest, without reworking to acquire new images of the scene, because depending on the analyzed scene it would not be possible a new acquisition. This work contributes to the generation of super-resolution image from a region of the mosaic and with data structures and algorithms which enable the analysis of specific regions of the mosaic without it has to be fully processed.

CoRoT (Convection, Rotation and planetary Transits) é uma missão espacial liderada pela Agência Espacial Francesa (CNES) em associação com diversos parceiros internacionais, entre eles o Brasil. Seus objetivos principais são o estudo da sismologia estelar e a procura por planetas extra-solares (exoplanetas). Ambos os programas científicos baseiam-se em uma fotometria de altíssima precisão e requerem observações ininterruptas de longa duração, possíveis somente a partir do espaço. Uma revisão da literatura indica a existência de três técnicas principais para a realização de fotometria estelar a partir de imagens capturadas em CCDs: fotometria por máscara (por abertura), por ajuste de limiar (por threshold), e por ajuste da resposta impulsiva do sistema de aquisição de imagens. A fotometria por máscara, ou por abertura, apresenta maior precisão para o registro de estrelas brilhantes, em cenários de maior estabilidade de atitude do satélite (situação de baixo jitter), e é a solução adotada a bordo pelo satélite CoRoT, por ser um algoritmo determinístico. A fotometria por ajuste da resposta impulsiva, também chamada de função de espalhamento do ponto (point-spread function, PSF), por sua vez, por levar em conta a resposta do sistema a uma fonte pontual de luz, permite a restauração da imagem original através de processos de deconvolução; apresenta maior precisão para estrelas fracas, ou em um cenário degradado, com perturbações devidas a radiação externa (stray light), ou em que o jitter de atitude do satélite seja elevado. Tal robustez é uma característica desejada no processo de restauração de imagens. Já a fotometria por threshold é aplicada somente em casos de jitter muito elevado e pobre conhecimento da resposta impulsiva do sistema, de modo que não é utilizada no satélite CoRoT. Este trabalho visa consolidar e potencializar a participação brasileira no projeto CoRoT e contribuir com os esforços associados à redução de dados da missão, através de uma proposta inovadora de fotometria híbrida, que se utilizará dos conhecimentos da PSF modelada do instrumento e da alta relação sinal/ruído alcançada com a fotometria por máscara realizada a bordo, baseada e fundamentada em resultados preliminares que atestam o potencial desta metodologia. Tal algoritmo permite um ganho substancial de precisão fotométrica em relação à técnica de abertura, resultando em uma melhor exploração dos dados disponíveis, dada a sua robustez em caso de degradação dos dados de entrada. / CoRoT (Convection, Rotation and planetary Transits) is a high precision photometry experience dedicated to stellar seismology and the search for extrasolar planets. The mission is led by the French Space Agency (CNES) in association with several French laboratories and international partners in Austria, Belgium, Germany, Spain and Brazil. Both scientific programs require great instrumental stability and long, uninterrupted observation runs, which take place simultaneously on adjacent regions of the sky. An overview of the literature displays three main techniques to perform stellar photometry from space CCD images: aperture photometry, threshold photometry and PSF-fitting photometry. Aperture photometry defines a mask which represents the CCD pixels to be summed up in the computation of the collected photon flux for a given star. This method presents very high precision for isolated, bright stars and for stable satellite attitude (low jitter scenarios). It is the data reduction technique implemented on-board, due both to link capacity constraints (given the large number of targets simultaneously observed by the instrument) and to its deterministic algorithm. Fitting photometry allows restoration of degraded stellar images through deconvolution processes, using the point spread function (PSF) of the optical instrument itself. This technique presents better performance for crowded fields and for faint stars; it also presents robustness in the presence of disturbances such as stray light or high satellite attitude jitter. Finally, threshold photometry takes into account only those pixels whose values are above a given pre-computed level. This method is used only in scenarios with excessive satellite depointing due to attitude jitter, or in cases where the instrumental PSF is poorly known. Therefore, it is not used in the CoRoT mission. This work intends to consolidate and strengthen the Brazilian share in the CoRoT Project, contributing to the efforts associated to the ground-based reduction of scientific data, through an innovative, hybrid photometry technique, which will take advantage of a high-resolution instrumental PSF and of the high signal-to-noise-ratio obtained in the on-board aperture photometry. Studies here described show that this methodology, compared to the Aperture technique, achieves gains in photometric precision and in the operational duty cycle, enabling robust and accurate data exploitation.

CoRoT (Convection, Rotation and planetary Transits) é uma missão espacial liderada pela Agência Espacial Francesa (CNES) em associação com diversos parceiros internacionais, entre eles o Brasil. Seus objetivos principais são o estudo da sismologia estelar e a procura por planetas extra-solares (exoplanetas). Ambos os programas científicos baseiam-se em uma fotometria de altíssima precisão e requerem observações ininterruptas de longa duração, possíveis somente a partir do espaço. Uma revisão da literatura indica a existência de três técnicas principais para a realização de fotometria estelar a partir de imagens capturadas em CCDs: fotometria por máscara (por abertura), por ajuste de limiar (por threshold), e por ajuste da resposta impulsiva do sistema de aquisição de imagens. A fotometria por máscara, ou por abertura, apresenta maior precisão para o registro de estrelas brilhantes, em cenários de maior estabilidade de atitude do satélite (situação de baixo jitter), e é a solução adotada a bordo pelo satélite CoRoT, por ser um algoritmo determinístico. A fotometria por ajuste da resposta impulsiva, também chamada de função de espalhamento do ponto (point-spread function, PSF), por sua vez, por levar em conta a resposta do sistema a uma fonte pontual de luz, permite a restauração da imagem original através de processos de deconvolução; apresenta maior precisão para estrelas fracas, ou em um cenário degradado, com perturbações devidas a radiação externa (stray light), ou em que o jitter de atitude do satélite seja elevado. Tal robustez é uma característica desejada no processo de restauração de imagens. Já a fotometria por threshold é aplicada somente em casos de jitter muito elevado e pobre conhecimento da resposta impulsiva do sistema, de modo que não é utilizada no satélite CoRoT. Este trabalho visa consolidar e potencializar a participação brasileira no projeto CoRoT e contribuir com os esforços associados à redução de dados da missão, através de uma proposta inovadora de fotometria híbrida, que se utilizará dos conhecimentos da PSF modelada do instrumento e da alta relação sinal/ruído alcançada com a fotometria por máscara realizada a bordo, baseada e fundamentada em resultados preliminares que atestam o potencial desta metodologia. Tal algoritmo permite um ganho substancial de precisão fotométrica em relação à técnica de abertura, resultando em uma melhor exploração dos dados disponíveis, dada a sua robustez em caso de degradação dos dados de entrada. / CoRoT (Convection, Rotation and planetary Transits) is a high precision photometry experience dedicated to stellar seismology and the search for extrasolar planets. The mission is led by the French Space Agency (CNES) in association with several French laboratories and international partners in Austria, Belgium, Germany, Spain and Brazil. Both scientific programs require great instrumental stability and long, uninterrupted observation runs, which take place simultaneously on adjacent regions of the sky. An overview of the literature displays three main techniques to perform stellar photometry from space CCD images: aperture photometry, threshold photometry and PSF-fitting photometry. Aperture photometry defines a mask which represents the CCD pixels to be summed up in the computation of the collected photon flux for a given star. This method presents very high precision for isolated, bright stars and for stable satellite attitude (low jitter scenarios). It is the data reduction technique implemented on-board, due both to link capacity constraints (given the large number of targets simultaneously observed by the instrument) and to its deterministic algorithm. Fitting photometry allows restoration of degraded stellar images through deconvolution processes, using the point spread function (PSF) of the optical instrument itself. This technique presents better performance for crowded fields and for faint stars; it also presents robustness in the presence of disturbances such as stray light or high satellite attitude jitter. Finally, threshold photometry takes into account only those pixels whose values are above a given pre-computed level. This method is used only in scenarios with excessive satellite depointing due to attitude jitter, or in cases where the instrumental PSF is poorly known. Therefore, it is not used in the CoRoT mission. This work intends to consolidate and strengthen the Brazilian share in the CoRoT Project, contributing to the efforts associated to the ground-based reduction of scientific data, through an innovative, hybrid photometry technique, which will take advantage of a high-resolution instrumental PSF and of the high signal-to-noise-ratio obtained in the on-board aperture photometry. Studies here described show that this methodology, compared to the Aperture technique, achieves gains in photometric precision and in the operational duty cycle, enabling robust and accurate data exploitation.

Tese de Mestrado Integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2012

Made available in DSpace on 2016-06-02T19:02:39Z (GMT). No. of bitstreams: 1 2365.pdf: 3383262 bytes, checksum: 5fa930c4afb4d585bb6d96947f2cc22f (MD5) Previous issue date: 2008-09-26 / Financiadora de Estudos e Projetos / The study of living cells, isolated or in tissues, in several applications, requires the use of microscopy techniques. The fluorescence microscopes are specially important for making possible images with enhancement of specific structures and detection of biological processes. However, microscopes, like other optical systems, corrupt images so that many details are lost after the passage of the image through their optical components. The conventional (wide-field) fluorescence microscopes degrade images mainly on the axial direction, limiting the amount of frequencies that passes through the system. As a result, there is an out-of-focus blur, making it difficult to use the images to obtain three-dimensional (3D) images by computational optical sectioning microscopy (COSM). The main contribution of this thesis is the development of computer-based methods that are able to restore acquired images, through spectrum extrapolation algorithms that restore a portion of the lost frequencies, even in noisy images. A non-linear algorithm was proposed, based on the Richardson-Lucy method, with space and frequency domain constraints as in the Gerchberg-Papoulis algorithm. this method defines an unified algorithm to restore and extrapolate images, focusing on the spatial finite support constraint. The proposed method showed improved extrapolation when compared to previously known methods. Besides, other algorithms were developed based on the proposed method. Each variation of the basic algorithm has distinct features to attenuate the noise, define adaptively the spatial constraint, and detect the image background region. The use of an adaptive constraint and the extraction of information directly from the images were shown to contribute to the recovery of lost frequencies. The results are promising, showing the potential of extrapolation in real conditions, improving the three-dimensional visualization of specimens in wide-field (non-confocal) microscopes, helping many important applications in biotechnology, such as the assessment of cell cultures. / O estudo de células, isoladas ou na forma de tecidos, em diversas aplicações biotecnológicas requer a utilização de técnicas de microscopia. O microscópio de fluorescência, em especial, é atualmente uma ferramenta de grande importância por permitir destacar detalhes em células e detectar processos biológicos. Contudo, os microscópios, como outros sistemas óticos, corrompem as imagens de forma que muitos detalhes são perdidos na passagem da imagem pelos componentes óticos deste tipo de equipamento. Os microscópios de fluorescência convencionais degradam a imagem principalmente na direção axial, o que, no domínio da frequência, é visto como um limite de banda nesta direção que inviabiliza a visualização de imagens tridimensionais por microscopia de seccionamento ótico computacional. A principal contribuição deste projeto é o desenvolvimento de métodos computacionais que restaurem estas imagens mediante a utilização de algoritmos de extrapolação que recuperem parte das frequências perdidas além do limite de banda do microscópio, mesmo na presença de ruído. Para tal fim, foi proposto um procedimento não linear com base no algoritmo Richardson-Lucy, com restrições no domínio do espaço e da frequência, conforme o algoritmo de Gerchberg-Papoulis. O método proposto define um algoritmo único para restauração e extrapolação, com foco na restrição de suporte finito espacial. Este método mostrou melhoria na extrapolação quando comparado à metodos conhecidos na literatura. Foram desenvolvidas variantes deste algoritmo, cada qual possuindo características para atenuar o ruído, calcular de forma adaptativa a restrição espacial, e detectar a região de fundo da imagem. Foi mostrado que o uso de restrições adaptativas e a extração de informações a partir da imagem pode contribuir para a recuperação de frequências perdidas. Os resultados obtidos são promissores, pois mostram o potencial de extrapolação dos métodos em condições reais, permitindo a melhoria na visualização tridimensional de espécimes em microscópios wide-field (não-confocais), auxiliando diversas aplicações importantes em biotecnologia, como no caso de acompanhamento de cultivos celulares.

Made available in DSpace on 2016-06-02T19:02:41Z (GMT). No. of bitstreams: 1 4013.pdf: 3833898 bytes, checksum: 7a490bae6746f0e2b3c0c3472c9fd2b4 (MD5) Previous issue date: 2011-10-31 / Universidade Federal de Minas Gerais / Articulatory Synthesis consists in reproducing speech by means of models of the vocal tract and of articulatory processes. Recent advances in Magnetic Resonance Imaging (MRI) allowed for important improvements with respect to the speech comprehension and the forms taken by the vocal tract. However, one of the main challenges in the field is the fast and at the same time high-quality acquisition of image sequences. Since adopting more powerful acquisition devices might be financially inviable, a more feasible solution proposed in the literature is the resolution enhancement of the images by changes introduced in the acquisition model. This dissertation proposes a method for the spatio-temporal resolution enhancement of the obtained sequences using only digital image processing techniques. The approach involves two stages: (1) the temporal resolution enhancement by means of a motion compensated interpolation technique; and (2) the spatial resolution enhancement by means of a super resolution image reconstruction technique. With respect to the temporal resolution enhancement, two interpolation models are compared: linear interpolation considering two adjacent images and cubic splines interpolation considering four contiguous images. Since both models performed equally in the experiments, the linear interpolation was adopted, for its simplicity and lower computational cost. The initial goal of the spatial resolution enhancement was an extension of the candidate s approach proposed in her master s thesis. Adopting a maximum a posteriori probability approach (MAP), the high-resolution images were modeled using the Markov Random Fields (MRF) Generalized Isotropic Multi-Level Logistic (GIMLL) model and the Iterated Conditional Modes (ICM) algorithm. However, even though the approach has presented promising results, due to the dimension of the target problem, the algorithm presented high computational cost. Considering this limitation, an adaptation of the Wiener filter for the super-resolution reconstruction problem was considered. Inspired by two methods available in the literature, three approaches were proposed: the statistical interpolation, the multi-temporal approach, and the adaptive Wiener filter. In all cases, a separable Markovian model and an isotropic model were compared in the characterization of the spatial correlation structures. These models were used to characterize the correlation and cross correlation of observations for the statistical interpolation and the multi-temporal approach. On the other hand, for the adaptive Wiener filter, these models were used to characterize the a priori spatial correlation. According to the conducted experiments, the isotropic model outperformed the separable Markovian model. Besides, considering all Wiener filter-based approaches and the initial approach based on the GIMLL model, the adaptive Wiener filter outperformed all other approaches and was also faster than a single iteration of the GIMLL-based approach. / A síntese articulatória procura produzir a fala através de modelos do trato vocal e dos processos articulatórios envolvidos. Os avanços no imageamento por ressonância magnética, permitiram que resultados importantes fossem alcançados com relação à fala e à forma do trato vocal. Entretanto um dos principais desafios ainda é a aquisição rápida e de alta qualidade das sequências de imagens. Além da opção de se utilizar meios de aquisição cada vez mais potentes, o que pode ser financeiramente inviável, abordagens propostas na literatura procuram aumentar a resolução modificando o processo de aquisição. Este trabalho propõe o aumento de resolução espaço-temporal das sequências adquiridas utilizando apenas técnicas de processamento de imagens digitais. A abordagem proposta é formada por duas etapas: o aumento de resolução temporal por meio de uma técnica de interpolação por compensação de movimento; e o aumento de resolução espacial por meio de uma técnica de reconstrução de imagens por super resolução. Com relação ao aumento de resolução temporal, dois métodos de interpolação são comparados: interpolação linear considerando duas imagens adjacentes e interpolação por splines cúbicas considerando quatro imagens consecutivas. Como, de acordo com os experimentos desenvolvidos, não existe diferença significativa entre esses dois métodos, a interpolação linear foi adotada por ser um procedimento mais simples e, consequentemente, apresentar menor custo computacional. O objetivo inicial para o aumento de resolução espacial das imagens observadas foi a extensão da abordagem proposta pela aluna em seu projeto de mestrado. Adotando uma abordagem de máxima probabilidade a posteriori (MAP), as imagens de alta resolução foram modeladas utilizando o modelo de campos aleatórios de Markov (MRF) Generalized Isotropic Multi-Level Logistic (GIMLL) e o algoritmo Iterated Conditional Modes (ICM) foi utilizado para maximizar as probabilidades condicionais locais sequencialmente. Entretanto, apesar de ter apresentado resultados promissores, devido à dimensão do problema tratado, o algoritmo ICM apresentou alto custo computacional. Considerando as limitações de performance desse algoritmo, decidiu-se adaptar o filtro de Wiener para o problema da reconstrução por super resolução. Utilizando dois trabalhos encontrados na literatura como inspiração, foram desenvolvidas três abordagens denominadas interpolação estatística, abordagem multitemporal e filtro de Wiener adaptativo. Em todos os casos, um modelo Markoviano separável e um modelo isotrópico foram comparados na caracterização das estruturas de correlação espacial. No caso da interpolação estatística e da abordagem multitemporal esses modelos foram utilizados para caracterizar as estruturas de correlação das observações e cruzada. Por outro lado, no caso da abordagem denominada filtro de Wiener adaptativo, esses modelos foram utilizados para caracterizar as estruturas de correlação espaciais a priori. De acordo com os experimentos desenvolvidos, o modelo isotrópico apresentou desempenho superior quando comparado ao modelo Markoviano separável. Além disso, considerando todas as propostas baseadas no filtro de Wiener e a proposta inicial baseada no modelo de Markov GIMLL, o filtro de Wiener adaptativo apresentou os melhores resultados e se mostrou mais rápido do que apenas uma iteração da abordagem baseada no modelo GIMLL.

Made available in DSpace on 2016-06-02T19:05:24Z (GMT). No. of bitstreams: 1 DissALDM.pdf: 3321735 bytes, checksum: b01df738791a5ca4a9c92010d26c994a (MD5) Previous issue date: 2007-05-22 / Universidade Federal de Minas Gerais / Super resolution image reconstruction consists in using a set of low resolution images from the same scene to generate a high resolution estimate of the original scene. For that purpose, all the observed low resolution images need to have sub-pixel displacements among each other. In this way, there is more than just the same information replicated in each image and then the uncertainty inherent to the displacements can be used as additional information to increase the spatial resolution. This master s thesis proposes a Bayesian approach for the super resolution reconstruction problem using Markov Random Fields and the Potts-Straus model for the image characterization. Therefore, it is possible to incorporate previously known context spatial information about the high resolution image to be estimated. Moreover, a discontinuity adaptive ICM algorithm was used to estimate the maximum a posteriori solution. Using an initial high resolution estimate constructed from the registration and interpolation of all the observations made it possible to reconstruct an image that respected the initially presented discontinuities. We also observed that the resulted high resolution image hold finner details when compared to the initial estimation. / A Reconstrução por Super Resolução consiste em, utilizando várias imagens de baixa resolução da mesma cena, gerar uma aproximação da cena original, que possua resolução espacial mais alta que a presente em qualquer uma das imagens observadas. Para isso, tais imagens devem possuir algum tipo de deslocamento da ordem sub-pixel uma em relação às demais, de forma que não exista apenas a mesma informação replicada em todas as imagens. Assim, a incerteza inerente a tais deslocamentos pode ser usada como informação adicional no aumento de resolução. Nesse contexto, esta pesquisa propõe uma abordagem Bayesiana do problema, utilizando Campos Aleatórios de Markov e o Modelo de Potts-Strauss na caracterização das imagens. Isso torna possível a imposição de informações espaciais de contexto conhecidas a priori da imagem de alta resolução a ser estimada. A estimativa de Máximo a Posteriori (MAP) de alta resolução é encontrada por meio do algoritmo Iterated Conditional Modes (ICM) adaptativo a descontinuidades. Dessa forma, utilizando como estimativa inicial de alta resolução a imagem resultante do registro e interpolação das imagens de baixa resolução observadas, foi possível reconstruir imagens de maior resolução que respeitassem as descontinuidades inicialmente presentes, e que apresentassem maior riqueza de detalhes.