Search

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Ultrasound imaging is one of the most used modalities in medicine since it is low cost and has no ionizing radiation. However, ultrasound images are corrupted by a signal-dependent noise, known as speckle, causing a granular pattern that makes it difficult for visual or automatic image interpretation. Many filters have been proposed in the literature for speckle removal, and more recently, a great deal of attention has been focused on non-local techniques, as the non-local means filter (NLM) and the block-matching collaborative filtering (BM3D). The central idea of these recent methods is a measure of similarity between patches, originally proposed as the Euclidean distance for filtering additive white Gaussian noise. In this work, an approach is proposed for reducing speckle noise based on the non-local techniques and using the support of the information theory. Stochastic distances are derived for Rayleigh, Nakagami and Fisher-Tippett distributions, and used as similarity measures in NLM and BM3D filters. Two methods are applied to generate these stochastic distances. The first method is based on symmetrized statistical divergences and the second one related to the geodesic distances in probabilistic spaces. Although similar approaches already exist to despeckle synthetic aperture radar (SAR) images, here they are adapted and extended, in an unprecedented way, to handle the specificities of the ultrasound images. Imageamento por ultrassom é uma das modalidades de maior uso em Medicina, pois além do baixo custo, não apresenta o problema de radiação ionizante. Todavia, suas imagens são degradadas por um ruído dependente de sinal, denominado speckle, que causa uma aparência granulosa e dificulta a interpretação visual ou automática da imagem. Diversos filtros têm sido propostos na literatura para remoção de speckle em imagens de ultrassom, e mais recentemente o foco tem se voltado para as técnicas não-locais, como o filtro de médias não-locais (NLM) e a filtragem colaborativa de blocos (BM3D). A ideia central destas técnicas recentes é uma medida de similaridade entre patches, que tipicamente adotam a distância Euclidiana quando focadas em eliminar ruído aditivo gaussiano. Neste trabalho é proposta uma abordagem de diminuição de ruído speckle com uso de técnicas não-locais e com suporte na teoria da informação. São derivadas distâncias estocásticas para as distribuições de Rayleigh, Nakagami e Fisher-Tippett, e estas usadas como medidas de similaridade em filtros NLM e BM3D. Dois métodos são usados para derivar tais distâncias estocásticas, sendo o primeiro método baseado na simetrização de divergências estatísticas, e o segundo associado a distâncias geodésicas em espaços probabilísticos. Embora técnicas similares já existam para tratamento de speckle em imagens de radar de abertura sintética (SAR), neste trabalho, tais técnicas correntes são adaptadas e estendidas de maneira inédita, para tratar as imagens no contexto de ultrassom.

The digital image processing field is continually evolving and, although the diverse application areas, the commonly problems found converge to methods capable to improve visual information for analysis and interpretation. A major limitation issue on image precision is noise, which is defined as a perturbation in the image. The Non-Local Means (NLM) method stands out as the state-of-the-art of digital image denoising filtering. However, its computational complexity is an obstacle to make it practical on general purpose computing applications. This work presents a computer system implementation, developed with parts implemented in software and hardware applied to PCI, to optimize the NLM algorithm using hardware acceleration techniques, allowing a greater efficiency than is normally provided by general use processors. The use of reconfigurable computing helped in developing the hardware system, providing the modification of the described circuit in its use environment, accelerating the project implementation. Using an FPGA prototyping kit for PCI, dedicated to perform the dedicated calculation of the Squared Weighted Euclidean Distance, the results obtained show a gain of up to 3.5 times greater than the compared optimization approaches, also maintaining the visual quality of the denoising filtering. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES A área de processamento de imagens digitais está evoluindo continuamente e, embora as áreas de aplicações sejam diversas, os problemas encontrados comumente convergem para os métodos capazes de melhorar a informação visual para a análise e interpretação. Uma das principais limitações em questão de precisão de imagens é o ruído, que é definido como uma perturbação na imagem. O método Non-Local Means (NLM) destaca-se como o estado da arte de filtragem de ruído. Contudo, sua complexidade computacional é um empecilho para torná-lo prático em aplicações computacionais de uso geral. O presente trabalho apresenta a implementação de um sistema computacional, desenvolvido com partes executadas em software e em hardware aplicado à PCI, visando a otimização do algoritmo NLM através de técnicas de aceleração em hardware, permitindo uma eficiência maior do que normalmente é fornecida por processadores de uso geral. O uso da computação reconfigurável auxiliou no desenvolvimento do sistema em hardware, proporcionando a modificação do circuito descrito no ambiente de sua utilização, acelerando a implementação do projeto. Utilizando um kit PCI de prototipação FPGA, para efetuar o cálculo dedicado da Distância Euclidiana Quadrática Ponderada, os resultados obtidos nos testes exibem um ganho de tempo até 3.5 vezes maior que as abordagens de otimização comparadas, mantendo também a qualidade visual da filtragem estabilizada.

A digital image is a representation of a two-dimensional image using binary numbers coded to allow its storage, transfer, printing, reproduction and its processingby electronic means. It is formed by a set of points defined by numerical values(grayscale), in which each point represents a pixel. In any grayscale digital image, the measurement of the gray level observed in each pixel is subject to alterations. These alterations, called noise, are due to the random nature of the photons counting process by sensors used for image capture. The noise may be amplified by virtue of some digital corrections, or by image processing software such as tools to increase contrast. Image denoising with the goal to recover or estimate the original image is still one of the most fundamental and widely studied problems related to image processing. In many areas, such as aerospace and medical image analysis, noise removal is a key step to improve the quality of results. Among the alternatives for this purpose, the method proposed by Buades (2005), known as Non-Local Means (NLM), represents the state of the art. Although quite effective for removing noise, the NLM is too slow to be performed in a practical manner. Its high computational complexity is caused by the need of weights calculated for all the image pixels during the filtering of each pixel, resulting in quadratic complexity relative to the number of the image pixels. The weights are obtained by calculating the difference between the neighborhoods corresponding to each pixel. Many applications have timing requirements so that their results are useful. This work proposes a hardware implementation for the Non-Local Means algorithm for image denoising with a lower computation time using pipelines, hardware parallelism and piecewise linear approximation. It is about 290 times faster than the original nonlocal means algorithm, yet produces comparable results in terms of mean-squared error (MSE) and perceptual image quality. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Imagem digital é a representação de uma imagem bidimensional usando números binários codificados de modo a permitir seu armazenamento, transferência, impressão ou reprodução, e seu processamento por meios eletrônicos. É formada por um conjunto de pontos definidos por valores numéricos, escala de cinza, no qual cada ponto representa um pixel. Em qualquer imagem digital em nível de cinza, a medição do valor em cada pixel é sujeita a algumas perturbações. Essas perturbações são devidas à natureza aleatória do processo de contagem de fótons nos sensores usados para captura da imagem. O ruído pode ser amplificado por correções digitais ou por qualquer software de processamento de imagem como, por exemplo, as ferramentas que aumentam o contraste. A remoção de ruídos cujo objetivo é recuperar, ou estimar a imagem original, é ainda um dos mais fundamentais e amplamente estudados problemas do processamento de imagem. Em diversas áreas, a remoção de ruídos é uma etapa fundamental para melhorar a qualidade dos resultados. Entre as alternativas com essa finalidade, o método proposto por Buades (2005), conhecido como Non-Local Means (NLM), representa o estado da arte. Embora bastante eficaz quanto à remoção de ruídos, o NLM é muito lento para ser realizado de modo prático. Sua complexidade computacional é alta devido à necessidade de cálculo de pesos para todos os pixels da imagem durante o processo de filtragem de cada pixel, resultando numa complexidade quadrática no número de pixels da imagem. Os pesos são obtidos por meio do cálculo da diferença entre as vizinhanças de pixels correspondentes. Muitas aplicações possuem requisitos de tempo para que seus resultados sejam úteis, e nesse contexto, este trabalho propõe uma implementação em FPGA para o algoritmo Non-local means com o objetivo de obter um baixo tempo de execução usando, para isto: pipelines, paralelismo em hardware e aproximação linear por partes. A implementação proposta é aproximadamente 290 vezes mais rápida que o algoritmo Non-local means em software e apresenta, além disso, resultados semelhantes ao algoritmo original quanto ao erro médio quadrático (MSE) e a qualidade perceptiva de imagem.