Este trabalho apresenta uma ferramenta computacional para co-registro de imagens de SPECT e Ressonância Magnética, visando o auxílio ao diagnóstico de epilepsia. Em algumas patologias neurológicas são usados dois tipos de imagens uma anatômica (Ressonância Magnética) e outra metabólica (SPECT), tendo o especialista que fazer mentalmente a integração das informações contidas nos dois exames. Esse procedimento pode ser melhorado utilizando-se uma ferramenta computacional que possibilite a apresentação dessas informações de forma otimizada em uma única imagem, auxiliando o diagnóstico clínico. O co-registro é feito através de pontos posicionados por um usuário especialista, de acordo com as estruturas presentes nas imagens. São utilizados 7 (sete) pares de pontos, entre os quais é calculado o menor erro quadrático, utilizando-se a distância euclidiana. São selecionados planos e espessuras de corte coincidentes para as duas modalidades, e a imagem do SPECT é reescalonada de modo a ficar com a mesma resolução espacial que a imagem da ressonância. / The present report describes a computer tool for the coregistration of single photon emission computed tomography (SPECT) and magnetic resonance (MR) images to aid the diagnosis of epilepsy. Two types of images are used for some neurologic diseases, one of them anatomic (magnetic resonance) and the other metabolic (SPECT), with the specialist being required to make a mental integration of the information provided by the two exams. This procedure can be improved by using a computer tool that might pennit the presentation of this information in an optimized manner in a single image, aiding the clinical diagnosis. The coregistration is performed on the basis of points positioned by a specialist according to the structures present in the images. Seven pairs of points are used and the least squares error is calculated between them using Euclidean distance. Coinciding planes and section thickness are selected for the two modalities and the SPECT image is processed so as to have the same spatial resolution as the resonance image.

Foi desenvolvido um programa para fusão de imagens médicas para utilização nos sistemas de planejamento de tratamento de radioterapia CAT3D e de radiocirurgia MNPS. Foi utilizada uma metodologia de maximização da informação mútua para fazer a fusão das imagens de modalidades diferentes pela medida da dependência estatística entre os pares de voxels. O alinhamento por pontos referenciais faz uma aproximação inicial para o processo de otimização não linear pelo método de downhill simplex para gerar o histograma conjugado. A função de transformação de coordenadas utiliza uma interpolação trilinear e procura pelo valor de máximo global em um espaço de 6 dimensões, com 3 graus de liberdade para translação e 3 graus de liberdade para rotação, utilizando o modelo de corpo rígido. Este método foi avaliado com imagens de TC, RM e PET do banco de dados da Universidade Vanderbilt, para verificar sua exatidão pela comparação das coordenadas de transformação de cada fusão de imagens com os valores de referência. O valor da mediana dos erros de alinhamento das imagens foi de 1,6 mm para a fusão de TC-RM e de 3,5 mm para PET-RM, com a exatidão dos padrões de referência estimada em 0,4 mm para TC-RM e 1,7 mm para PET-RM. Os valores máximos de erros foram de 5,3 mm para TC-RM e de 7,4 mm para PET-RM e 99,1% dos erros foram menores que o tamanho dos voxels das imagens. O tempo médio de processamento para a fusão de imagens foi de 24 s. O programa foi concluído com sucesso e inserido na rotina de 59 serviços de radioterapia, dos quais 42 estão no Brasil e 17 na América Latina. Este método não apresenta limitações quanto às resoluções diferentes das imagens, tamanhos de pixels e espessuras de corte. Além disso, o alinhamento pode ser realizado com imagens transversais, coronais ou sagitais. / Software for medical images fusion was developed for utilization in CAT3D radiotherapy and MNPS radiosurgery treatment planning systems. A mutual information maximization methodology was used to make the image registration of different modalities by measure of the statistical dependence between the voxels pairs. The alignment by references points makes an initial approximation to the non linear optimization process by downhill simplex method for estimation of the joint histogram. The coordinates transformation function use a trilinear interpolation and search for the global maximum value in a 6 dimensional space, with 3 degree of freedom for translation and 3 degree of freedom for rotation, by making use of the rigid body model. This method was evaluated with CT, MR and PET images from Vanderbilt University database to verify its accuracy by comparison of transformation coordinates of each images fusion with gold-standard values. The median of images alignment error values was 1.6 mm for CT-MR fusion and 3.5 mm for PET-MR fusion, with gold-standard accuracy estimated as 0.4 mm for CT-MR fusion and 1.7 mm for PET-MR fusion. The maximum error values were 5.3 mm for CT-MR fusion and 7.4 mm for PET-MR fusion, and 99.1% of alignment errors were images subvoxels values. The mean computing time was 24 s. The software was successfully finished and implemented in 59 radiotherapy routine services, of which 42 are in Brazil and 17 are in Latin America. This method doesn’t have limitation about different resolutions from images, pixels sizes and slice thickness. Besides, the alignment may be accomplished by axial, coronal or sagital images.

Foi desenvolvido um programa para fusão de imagens médicas para utilização nos sistemas de planejamento de tratamento de radioterapia CAT3D e de radiocirurgia MNPS. Foi utilizada uma metodologia de maximização da informação mútua para fazer a fusão das imagens de modalidades diferentes pela medida da dependência estatística entre os pares de voxels. O alinhamento por pontos referenciais faz uma aproximação inicial para o processo de otimização não linear pelo método de downhill simplex para gerar o histograma conjugado. A função de transformação de coordenadas utiliza uma interpolação trilinear e procura pelo valor de máximo global em um espaço de 6 dimensões, com 3 graus de liberdade para translação e 3 graus de liberdade para rotação, utilizando o modelo de corpo rígido. Este método foi avaliado com imagens de TC, RM e PET do banco de dados da Universidade Vanderbilt, para verificar sua exatidão pela comparação das coordenadas de transformação de cada fusão de imagens com os valores de referência. O valor da mediana dos erros de alinhamento das imagens foi de 1,6 mm para a fusão de TC-RM e de 3,5 mm para PET-RM, com a exatidão dos padrões de referência estimada em 0,4 mm para TC-RM e 1,7 mm para PET-RM. Os valores máximos de erros foram de 5,3 mm para TC-RM e de 7,4 mm para PET-RM e 99,1% dos erros foram menores que o tamanho dos voxels das imagens. O tempo médio de processamento para a fusão de imagens foi de 24 s. O programa foi concluído com sucesso e inserido na rotina de 59 serviços de radioterapia, dos quais 42 estão no Brasil e 17 na América Latina. Este método não apresenta limitações quanto às resoluções diferentes das imagens, tamanhos de pixels e espessuras de corte. Além disso, o alinhamento pode ser realizado com imagens transversais, coronais ou sagitais. / Software for medical images fusion was developed for utilization in CAT3D radiotherapy and MNPS radiosurgery treatment planning systems. A mutual information maximization methodology was used to make the image registration of different modalities by measure of the statistical dependence between the voxels pairs. The alignment by references points makes an initial approximation to the non linear optimization process by downhill simplex method for estimation of the joint histogram. The coordinates transformation function use a trilinear interpolation and search for the global maximum value in a 6 dimensional space, with 3 degree of freedom for translation and 3 degree of freedom for rotation, by making use of the rigid body model. This method was evaluated with CT, MR and PET images from Vanderbilt University database to verify its accuracy by comparison of transformation coordinates of each images fusion with gold-standard values. The median of images alignment error values was 1.6 mm for CT-MR fusion and 3.5 mm for PET-MR fusion, with gold-standard accuracy estimated as 0.4 mm for CT-MR fusion and 1.7 mm for PET-MR fusion. The maximum error values were 5.3 mm for CT-MR fusion and 7.4 mm for PET-MR fusion, and 99.1% of alignment errors were images subvoxels values. The mean computing time was 24 s. The software was successfully finished and implemented in 59 radiotherapy routine services, of which 42 are in Brazil and 17 are in Latin America. This method doesn’t have limitation about different resolutions from images, pixels sizes and slice thickness. Besides, the alignment may be accomplished by axial, coronal or sagital images.

Este trabalho apresenta uma ferramenta computacional para co-registro de imagens de SPECT e Ressonância Magnética, visando o auxílio ao diagnóstico de epilepsia. Em algumas patologias neurológicas são usados dois tipos de imagens uma anatômica (Ressonância Magnética) e outra metabólica (SPECT), tendo o especialista que fazer mentalmente a integração das informações contidas nos dois exames. Esse procedimento pode ser melhorado utilizando-se uma ferramenta computacional que possibilite a apresentação dessas informações de forma otimizada em uma única imagem, auxiliando o diagnóstico clínico. O co-registro é feito através de pontos posicionados por um usuário especialista, de acordo com as estruturas presentes nas imagens. São utilizados 7 (sete) pares de pontos, entre os quais é calculado o menor erro quadrático, utilizando-se a distância euclidiana. São selecionados planos e espessuras de corte coincidentes para as duas modalidades, e a imagem do SPECT é reescalonada de modo a ficar com a mesma resolução espacial que a imagem da ressonância. / The present report describes a computer tool for the coregistration of single photon emission computed tomography (SPECT) and magnetic resonance (MR) images to aid the diagnosis of epilepsy. Two types of images are used for some neurologic diseases, one of them anatomic (magnetic resonance) and the other metabolic (SPECT), with the specialist being required to make a mental integration of the information provided by the two exams. This procedure can be improved by using a computer tool that might pennit the presentation of this information in an optimized manner in a single image, aiding the clinical diagnosis. The coregistration is performed on the basis of points positioned by a specialist according to the structures present in the images. Seven pairs of points are used and the least squares error is calculated between them using Euclidean distance. Coinciding planes and section thickness are selected for the two modalities and the SPECT image is processed so as to have the same spatial resolution as the resonance image.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-21T14:02:39Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Kely M. B. Pinto.pdf: 5466832 bytes, checksum: 967bb4c1f999d5dcdfb6ecc4a68f6116 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-21T14:03:11Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Kely M. B. Pinto.pdf: 5466832 bytes, checksum: 967bb4c1f999d5dcdfb6ecc4a68f6116 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-21T14:03:24Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Kely M. B. Pinto.pdf: 5466832 bytes, checksum: 967bb4c1f999d5dcdfb6ecc4a68f6116 (MD5) / Made available in DSpace on 2017-08-21T14:03:24Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Kely M. B. Pinto.pdf: 5466832 bytes, checksum: 967bb4c1f999d5dcdfb6ecc4a68f6116 (MD5) Previous issue date: 2017-04-17 / Tuberculosis is a disease caused by Mycobacterium tuberculosis that remains one of the deadliest diseases in the world, being necessary efforts to combat it. The conventional light bacilloscopy is a sputum smear microscopic examination to diagnose tuberculosis. Automated applications in microscopic images, such as automated bacilloscopy, face a big problem: blurriness in the images acquired. Thus, it is emphasized the importance of using multi-focus image fusion methods to overcome this problem. In this context, this work aims to propose a method to multi-focus image fusion applied to sputum smear microscopy images in order to obtain images where the greatest number of bacilli is in focus and application of sharpness enhancement to the resulting images. This factor has great importance to enabling automated sputum smear microscopy. To find out existing schemes, we performed simulations and analyzes in some of the techniques in the literature. When it was analized the performance of these techniques through the quality metrics Multichanel Edge Information Preservation and Variance, it was possible to propose four new methods based on the best techniques in the literature, among which, the method with the best performance was choose to investigate configurations that would guarantee the best quality of processed. Has also been proposed the use of an unsharp masking to the post-processing of the new methods, and is shown through examples the effectiveness of this process in increased sharpness and visual appearance. As future work, it is suggested to evaluate this method using grayscale images to verify the impact on the processing time and the quality of the fused images, also the evaluation of the applicability of the image registration. / A tuberculose é uma doença causada pelo Mycobacterium tuberculosis que persiste como uma das doenças transmissíveis mais mortais do mundo, sendo necessários esforços para combatê-la. A baciloscopia de campo claro é um exame utilizado para diagnosticar a tuberculose. Aplicações automatizadas em imagens microscópicas, como a baciloscopia de campo claro automatizada, enfrentam um grande problema: o efeito borrado nas imagens adquiridas. Dessa forma, ressalta-se a importância da utilização de técnicas de fusão de imagens multifocais para contornar este problema. Neste contexto, este trabalho tem o objetivo de propor um método para fusão de imagens multifocais aplicados a imagens baciloscópicas de campo claro, visando a obtenção de imagens onde o maior número possível de bacilos esteja em foco, e emprego de realce às imagens resultantes. Este fator é de grande importância para viabilização da baciloscopia automatizada. Para levantamento de esquemas de fusões existentes, foram feitas simulações e análises com algumas das técnicas presentes na literatura. Ao analisar o desempenho destas técnicas através das métricas de qualidade Multichanel Edge Information Preservation e Variância, foi possível propor quatro novos métodos baseados nas melhores técnicas presentes na literatura, dentre os quais, o método de melhor desempenho foi escolhido para investigação de configurações que garantissem a melhor qualidade das imagens processadas. Foi proposto ainda a utilização da máscara de nitidez como pós-processamento adicional, sendo mostrado através de exemplos a eficiência deste processo no aumento de nitidez e aspecto visual. Como trabalhos futuros, sugere-se avaliação do referido método utilizando imagens em escala de cinza para verificar o impacto no tempo de processamento e a qualidade das imagens, além da avaliação da aplicabilidade do registro das imagens multifocais.

Submitted by Rosangela Silva (rosangela.silva3@unioeste.br) on 2018-06-04T17:12:56Z No. of bitstreams: 2 Lucas Oldoni.pdf: 9472745 bytes, checksum: 1b2c1a8ee59169fa471b43d27a762f6e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-06-04T17:12:56Z (GMT). No. of bitstreams: 2 Lucas Oldoni.pdf: 9472745 bytes, checksum: 1b2c1a8ee59169fa471b43d27a762f6e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Studies related to the monitoring of agricultural production play a decisive and strategic role in the economic planning of the country, due to the importance of agribusiness, as well as food safety. Orbital remote sensing is an effective alternative to perform agricultural crop monitoring due to its low cost, large scale and speed of data collection. However, most of the sensors with high spatial resolution are of low temporal resolution, and the ones with higher temporal resolution have low spatial resolution. Therefore, for the monitoring of agricultural crops with a higher spatial solution, cloud covering can be a limiting factor. Such problems can be circumvented by using a fusion of images of several sensors with different spatial and temporal characteristics, thus creating new images, also called synthetic images. Thus, the objective of the work was the mapping of areas sown with soybean and corn using space-temporal fusion, such as Landsat 8 and MODIS images. In the first part of the research, agricultural crops were separated from other targets. The generated classification served as input to one of the classification algorithms, the Flexta Spatiotemporal Data Fusion (FSDAF), in the second part of the research. In addition to this algorithm, both the Spatial and Temporal Adaptive Reflection Fusion Model (STARFM) and the Advanced and Temporal Spatial Adaptive Reflection Fusion Model (ESTARFM) were employed to generate images for the 2016/2017 summer crops. Then, 5 rating scenarios were created. In the 1st and 2nd scenarios, only the images from the Landsat 8 with no occurrence of clouds were considered. For the 3rd, 4th, and 5th were carried out using images generated by STARFM, ESTARFM and FSDAF. In the third scenario, the metric images of images, Landsat 8 and images of fusion algorithms were used, 4th as a summary of statistical metrics, and in the 5th one as phenological metrics of the temporal profile of the Enhanced Vegetation Index (EVI). The scenario using the EVI phenological metrics from images generated by FSDAF and STARFM yielded better results, with global accuracy of 93.11 and 91.33%, respectively. These results are statistically better than those obtained using only existing Landsat 8 images. Thus, the use of phenological metrics obtained from synthetic images are important alternatives for mapping soybean and corn crops. / Estudos referentes ao acompanhamento da produção agrícola têm um peso determinante e estratégico no planejamento econômico do país, devido à importância do agronegócio, e também para segurança alimentar. O sensoriamento remoto orbital é uma alternativa eficaz para realizar o monitoramento das culturas agrícolas, devido ao baixo custo, grande escala de abrangência e rapidez na coleta de dados. Porém, geralmente os sensores com alta resolução espacial possuem baixa resolução temporal, e os com alta resolução temporal possuem baixa resolução espacial. Assim, para se realizar o acompanhamento de culturas agrícolas com uma resolução espacial mais alta, a cobertura por nuvens pode ser um fator limitante. Estes problemas podem ser contornados com a utilização de fusão de imagens de diversos sensores com características temporais e espaciais diferentes, criando, assim, novas imagens, também chamadas de imagens sintéticas. Deste modo, o objetivo do trabalho foi realizar o mapeamento de áreas semeadas com soja e milho utilizando fusão espaço-temporal de imagens Landsat 8 e MODIS. Na primeira parte do trabalho, foram separadas culturas agrícolas de outros alvos. A classificação gerada serviu de entrada em um dos algoritmos de classificação, o Flexible Spatiotemporal Data Fusion (FSDAF), na segunda parte do trabalho. Nessa parte, além deste algoritmo, também foram utilizados os algoritmos Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) e Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) para gerar imagens nas safras de verão 2016/2017. Então, foram criados 5 cenários de classificação. Nos 1º e 2º foram considerados a utilização apenas das imagens espectrais das imagens Landsat 8 livres de nuvens. As 3º, 4º e 5º foram realizadas com as imagens geradas pelo STARFM, ESTARFM e FSDAF. No 3º cenário foram utilizadas as métricas espectrais das imagens Landsat 8 e as imagens espectrais gerados pelos algoritmos de fusão, no 4º foram considerados as métricas estatísticas e no 5º as métricas fenológicas extraídas do perfil temporal do Enhanced Vegetation Index (EVI). Os cenários que utilizaram métricas fenológicas do EVI a partir de imagens geradas pelo FSDAF e STARFM obtiveram melhores resultados, com exatidão global de 93,11 e 91,33%, respectivamente, resultados estes estatisticamente melhores que os obtidos apenas com as imagens Landsat 8 existentes. Assim, a utilização de métricas fenológicas obtidas de imagens sintéticas são importantes alternativas para o mapeamento de soja e milho.

Estruturas do tipo linha/curva (line-like, curve-like), alongadas e ramificadas são comumente encontradas nos ecossistemas que conhecemos. Na biomedicina e na biociências, por exemplo, diversas aplicações podem ser observadas. Justamente por este motivo, extrair este tipo de estrutura em imagens é um constante desafio em problemas de análise de imagens. Porém, diversas dificuldades estão envolvidas neste processo. Normalmente as características espectrais e espaciais destas estruturas podem ser muito complexas e variáveis. Especificamente as mais \"finas\" são muito frágeis a qualquer tipo de processamento realizado na imagem e torna-se muito fácil a perda de informações importantes. Outro problema bastante comum é a ausência de parte das estruturas, seja por motivo de pouca resolução, ou por problemas de aquisição, ou por casos de oclusão. Este trabalho tem por objetivo explorar, descrever e desenvolver técnicas de detecção/segmentação de estruturas finas e ramificadas. Diferentes métodos são utilizados de forma combinada, buscando uma melhor representação topológica e perceptual das estruturas e, assim, melhores resultados. Grafos são usados para a representação das estruturas. Esta estrutura de dados vem sendo utilizada com sucesso na literatura na resolução de diversos problemas em processamento e análise de imagens. Devido à fragilidade do tipo de estrutura explorado, além das técnicas de processamento de imagens, princípios de visão computacional são usados. Busca-se, desta forma, obter um melhor \"entendimento perceptual\" destas estruturas na imagem. Esta informação perceptual e informações contextuais das estruturas são utilizadas em um modelo de campos aleatórios de Markov, buscando o resultado final da detecção através de um processo de otimização. Finalmente, também propomos o uso combinado de diferentes modalidades de imagens simultaneamente. Um software é resultado da implementação do arcabouço desenvolvido e o mesmo é utilizado em duas aplicações para avaliar a abordagem proposta: extração de estradas em imagens de satélite e extração de raízes em imagens de perfis de solo. Resultados do uso da abordagem proposta na extração de estradas em imagens de satélite mostram um melhor desempenho em comparação com método existente na literatura. Além disso, a técnica de fusão proposta apresenta melhora significativa de acordo com os resultados apresentados. Resultados inéditos e promissores são apresentados na extração de raízes de plantas. / Line- curve-like, elongated and ramified structures are commonly found inside many known ecosystems. In biomedicine and biosciences, for instance, different applications can be observed. Therefore, the process to extract this kind of structure is a constant challenge in image analysus problems. However, various difficulties are involved in this process. Their spectral and spatial characteristics are usually very complex and variable. Considering specifically the thinner ones, they are very \"fragile\" to any kind of process applied to the image, and then, it becomes easy the loss of crucial data. Another very common problem is the absence of part of the structures, either because of low image resolution and image acquisition problems or because of occlusion problems. This work aims to explore, describe and develop techniques for detection/segmentation of thin and ramified structures. Different methods are used in a combined way, aiming to reach a better topological and perceptual representation of the structures and, therefore, better results. Graphs are used to represent the structures. This data structure has been successfully used in the literature for the development of solutions for many image processing and analysis problems. Because of the fragility of the kind of structures we are dealing with, some computer vision principles are used besides usual image processing techniques. In doing so, we search for a better \"perceptual understanding\" of these structures in the image. This perceptual information along with contextual information about the structures are used in a Markov random field, searching for a final detection through an optimization process. Lastly, we propose the combined use of different image modalities simultaneously. A software is produced from the implementation of the developed framework and it is used in two application in order to evaluate the proposed approach: extraction of road networks from satellite images and extraction of plant roots from soil profile images. Results using the proposed approach for the extraction of road networks show a better performance if compared with an existent method from the literature. Besides that, the proposed fusion technique presents a meaningful improvement according to the presented results. Original and promising results are presented for the extraction of plant roots from soil profile images.

Estruturas do tipo linha/curva (line-like, curve-like), alongadas e ramificadas são comumente encontradas nos ecossistemas que conhecemos. Na biomedicina e na biociências, por exemplo, diversas aplicações podem ser observadas. Justamente por este motivo, extrair este tipo de estrutura em imagens é um constante desafio em problemas de análise de imagens. Porém, diversas dificuldades estão envolvidas neste processo. Normalmente as características espectrais e espaciais destas estruturas podem ser muito complexas e variáveis. Especificamente as mais \"finas\" são muito frágeis a qualquer tipo de processamento realizado na imagem e torna-se muito fácil a perda de informações importantes. Outro problema bastante comum é a ausência de parte das estruturas, seja por motivo de pouca resolução, ou por problemas de aquisição, ou por casos de oclusão. Este trabalho tem por objetivo explorar, descrever e desenvolver técnicas de detecção/segmentação de estruturas finas e ramificadas. Diferentes métodos são utilizados de forma combinada, buscando uma melhor representação topológica e perceptual das estruturas e, assim, melhores resultados. Grafos são usados para a representação das estruturas. Esta estrutura de dados vem sendo utilizada com sucesso na literatura na resolução de diversos problemas em processamento e análise de imagens. Devido à fragilidade do tipo de estrutura explorado, além das técnicas de processamento de imagens, princípios de visão computacional são usados. Busca-se, desta forma, obter um melhor \"entendimento perceptual\" destas estruturas na imagem. Esta informação perceptual e informações contextuais das estruturas são utilizadas em um modelo de campos aleatórios de Markov, buscando o resultado final da detecção através de um processo de otimização. Finalmente, também propomos o uso combinado de diferentes modalidades de imagens simultaneamente. Um software é resultado da implementação do arcabouço desenvolvido e o mesmo é utilizado em duas aplicações para avaliar a abordagem proposta: extração de estradas em imagens de satélite e extração de raízes em imagens de perfis de solo. Resultados do uso da abordagem proposta na extração de estradas em imagens de satélite mostram um melhor desempenho em comparação com método existente na literatura. Além disso, a técnica de fusão proposta apresenta melhora significativa de acordo com os resultados apresentados. Resultados inéditos e promissores são apresentados na extração de raízes de plantas. / Line- curve-like, elongated and ramified structures are commonly found inside many known ecosystems. In biomedicine and biosciences, for instance, different applications can be observed. Therefore, the process to extract this kind of structure is a constant challenge in image analysus problems. However, various difficulties are involved in this process. Their spectral and spatial characteristics are usually very complex and variable. Considering specifically the thinner ones, they are very \"fragile\" to any kind of process applied to the image, and then, it becomes easy the loss of crucial data. Another very common problem is the absence of part of the structures, either because of low image resolution and image acquisition problems or because of occlusion problems. This work aims to explore, describe and develop techniques for detection/segmentation of thin and ramified structures. Different methods are used in a combined way, aiming to reach a better topological and perceptual representation of the structures and, therefore, better results. Graphs are used to represent the structures. This data structure has been successfully used in the literature for the development of solutions for many image processing and analysis problems. Because of the fragility of the kind of structures we are dealing with, some computer vision principles are used besides usual image processing techniques. In doing so, we search for a better \"perceptual understanding\" of these structures in the image. This perceptual information along with contextual information about the structures are used in a Markov random field, searching for a final detection through an optimization process. Lastly, we propose the combined use of different image modalities simultaneously. A software is produced from the implementation of the developed framework and it is used in two application in order to evaluate the proposed approach: extraction of road networks from satellite images and extraction of plant roots from soil profile images. Results using the proposed approach for the extraction of road networks show a better performance if compared with an existent method from the literature. Besides that, the proposed fusion technique presents a meaningful improvement according to the presented results. Original and promising results are presented for the extraction of plant roots from soil profile images.

Made available in DSpace on 2016-06-02T19:06:02Z (GMT). No. of bitstreams: 1 4859.pdf: 3995047 bytes, checksum: d6fe8fefac57632109ba02702cb2a16a (MD5) Previous issue date: 2012-06-11 / Financiadora de Estudos e Projetos / The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region. / O processamento de imagens digitais tem auxiliado na solução de um expressivo número de problemas do setor agrícola, sobretudo com a evolução dos sistemas de sensoriamento remoto. Este trabalho tem por objetivo apresentar um modelo computacional baseado em processamento digital de imagens e sensoriamento remoto para inferência de risco em ambiente agrícola. Para validação do método, foi realizado estudo experimental sobre o risco de ocorrência da doença fúngica em bananais. Foram utilizadas séries temporais de dados meteorológicos e de monitoramento da doença, organizados em classes para a definição de modelos de distribuição de probabilidades, baseados em funções polinomiais, bem como imagens de satélites, organizadas com técnicas de fusão, correções geométricas e re-amostragem, com interpoladores baseados em técnicas de krigagem. Foram testados os métodos de fusão por IHS (Intensity, Hue, Saturation) e PCA (Principal Component Analysis), bem como os modelos gaussiano, exponencial e cilíndrico para a krigagem ordinária. A técnica de fusão por IHS demonstrou-se mais interessante em relação à técnica por PCA, apresentando coeficientes de correlação entre as bandas 2, 3 e 4 originais e híbridas, de 0,2318, 0,0304 e 0,1800, respectivamente. O método de krigagem ordinária para reamostragem das imagens apresentou melhores resultados quando ajustado pelo modelo gaussiano. A metodologia proposta se apresentou viável e adequada para a elaboração de mapas de risco de ocorrência da doença, uma vez que conferece variabilidade espacial e temporal ao modelo já existente na literatura para aquela região.

Made available in DSpace on 2016-06-02T19:03:57Z (GMT). No. of bitstreams: 1 5415.pdf: 8638421 bytes, checksum: 0e5c5abf95c786434202fdae3e69dc1e (MD5) Previous issue date: 2013-06-24 / Financiadora de Estudos e Projetos / The resolution enhancement of an image is always desirable, independently of its objective, but mainly if the image has the purpose of visual analysis. The hardware development for increasing the image resolution still has a higher cost than the algorithmic solutions for super-resolution. Like image restoration, super-resolution is also an ill-conditioned inverse problem, and has an infinite number of solutions. This work analyzes the iterative restoration methods (Van Cittert, Tikhonov-Miller and Conjugate Gradiente) which propose solutions for the ill-conditioning problem and compares them with the IBP method (Iterative Back Projection). The analysis of the found similarities is the basis of a generalization, such that other iterative restoration methods can have their properties adapted, as regularization of the ill-conditioning, noise reduction and other degradations and the increase of the convergence rate can be incorporated to the techniques of super-resolution. Two new methods were created as case studies of the proposed generalization: the first one is a super-resolution method for dynamic magnetic resonance imaging (MRI) of the swallowing process, that uses an adaptiveWiener filtering as regularization and a non-rigid registration; and the second one is a pan sharpening method of SPOT satellite bands, that uses sampling based on sensor s characteristics and non-adaptive Wiener filtering. / A melhora da resolução de uma imagem é sempre desejada, independentemente de seu objetivo, mas principalmente se destinada a análise visual. O desenvolvimento de hardware para o aumento de resolução de uma imagem em sua captura ainda possui o custo mais elevado do que as soluções algorítmicas de super resolução (SR). Assim como a restauração de imagens, a super resolução também é um problema inverso mal-condicionado e possui infinitas soluções. Este trabalho analisa métodos de restauração iterativos (Van Cittert, Tikhonov-Miller e Gradiente Conjugado) que proponham soluções para o problema do malcondicionamento e os compara com o método IBP (Iterative Back-Projection). A análise das semelhanças encontradas é base para uma generalização de modo que outros métodos iterativos de restauração possam ter suas propriedades adaptadas, tais como regularização do mal-condicionamento, redução do ruído e outras degradações e aumento na taxa de convergência, para que possam ser incorporadas à técnicas de super resolução. Dois novos métodos foram criados como estudo de caso da generalização proposta: o primeiro é um método de super-resolução para imageamento por ressonância magnética (MRI) dinâmico do processo de deglutição, que utiliza uma filtragem de Wiener adaptativa como regularização e registro não-rígido; o segundo é um método de pansharpening das bandas do satélite SPOT, que utiliza amostragem baseada nas características do sensor e filtragem de Wiener não-adaptativa.