Filtragem MAP 2-D de imagens CT ruidosas

A tomogra_a computadorizada vem sendo amplamente utilizada para o diagnóstico médico, por permitir a visualização de regiões internas de um corpo sem a sobreposição de estruturas. Porém, estudos recentes apontam um certo risco de câncer ao paciente que passa por esse tipo de exame, devido à dose de radiação à qual o mesmo é exposto. A proposta desse trabalho é o desenvolvimento de novas técnicas de _ltragem para o domínio 2D das imagens de tomogra_a computadorizada, com o objetivo de proporcionar boa qualidade às imagens adquiridas com baixa exposição de radiação ao paciente. Para a redução do ruído, é desenvolvida uma nova técnica baseada no critério Maximum a Posteriori (MAP). O ruído é considerado gaussiano com média nula, como observado experimentalmente, e a variância é estimada considerando dois casos: ruído dependente e ruído independente do sinal. Para a densidade a priori do sinal, são utilizadas diferentes densidades de probabilidade de_nidas na semi-reta não negativa (re_etindo o fato de os pixels de uma imagem serem não-negativos). Em outra abordagem, o histograma das imagens foi segmentado em partes unimodais e cada segmento foi _ltrado utilizando o _ltro baseado no critério MAP com a densidade a priori que melhor se ajusta ao mesmo. Após a _ltragem, a avaliação do método é realizada através dos seguintes critérios: Mean Square Error, Improvement in Signal to Noise Ratio, Universal Image Quality Index e Structural Similarity Index. Os resultados da _ltragem 2D são comparados com os resultados obtidos pelo _ltro de Wiener Pontual.Computed tomography has been widely used for medical diagnosis, since it allows viewing of internal parts of a body without overlapping structures. However, recent studies indicate a certain risk of cancer to the patients who undergo this type of examination due the radiation dose to which they are exposed. The purpose of this work is to develop new _ltering techniques in the CT image space, in order to provide a better quality to the images acquired with low radiation exposure to the patient. For noise reduction, a new denoising technique is developed based on a pointwise Maximum a Posteriori (MAP). The noise is considered Gaussian with zero mean, as observed experimentally, and the variance is estimated considering two cases: signaldependent noise and signal-independent noise. For the a priori density of the signal, we used di_erent non-negative probability densities (re_ecting the fact the pixels of an image are non-negative). In another approach, the histogram of the images were segmented into unimodal parts and each segment was _ltered using the _lter based on the MAP criterion with the a priori density that best _ts it. After _ltering, the evaluation of the method is performed using the following criteria: Mean Square Error, Improvement in Signal to Noise Ratio, Universal Image Quality Index and Structural Similarity Index. The 2D _ltering results are compared with the results obtained by pointwise Wiener _lter