María Nieves Florentín NúñezUniversidad Nacional de Itapúa,

Facultad de Ingeniería.Paraguay

Ezequiel López Rubio

Sérgio Antonio PohlmannUniversidad Nacional de Itapúa,

Facultad de Ingeniería Paraguay

Universidad de Málaga, Departamento de Lenguajes y

Ciencias de la Computación España

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética CACIC 2009

Introducción

Las Secuencias de video son menudo son contaminadas por ruido de muchas

formas diferentes. Existen numerosas técnicas de detección y de reducción de

ruido. Por ejemplo, los filtros de la media, media armónica y media aritmética,

son buenos para reducir ruido Gaussiano. El filtro de la mediana, es uno de los

filtros más populares para reducir ruido impulsivo.

Filtro de la mediana estándar

Video original Video ruidoso Filtro de la mediana estándar

Video: Angiografía de osteosarcoma

Los filtros de la mediana conmutadas, consiste en un esquema de conmutación basado en un detector de impulso, para determinar qué píxeles deberían ser filtrados.

Propuestas:

New Impulse Detector for Switching Median Filters (NIDSMFs). Propuesto

por Zhang and Karim, 2002.

Adaptive Two-pass Median (ATM). Propuesto por Lin and Yu, 2004.

Neuro-Fuzzy Rule Base Adaptive Median (NFRBAM). Propuesto por Toprak,

Özerdem and Güler, 2008.

Proponemos un Nuevo Filtro de la Mediana Adaptable, NAMF (New Adaptive

Median Filter).

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Introducción

Concepto: Ruido impulsivo

Ruido impulsivo sal y pimienta: Consideremos que es el píxel

original y denota el píxel corrupto, son valores independientes e

iguales a 0 ó 255. Los píxeles de la imagen son distorsionados de acuerdo a:

nx

Ruido sal y pimienta

Ruido Valor aleatorio: donde la contaminación de los componentes son variables aleatoria [0, 255].

321 ,, ooo

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

BGR xxxx ,,

321 ,, ooo

,,,

,,,

,,,

,,,

321

33

22

11

ppadprobabilidconooo

ppadprobabilidconoxx

ppadprobabilidconxox

ppadprobabilidconxxo

xGR

BR

BG

n

Método Propuesto

Diagrama de bloques del método propuesto

Detector de impulso

Se base en dos suposiciones: 1) una imagen sin ruido consiste en áreas locales

que varían suavemente, separadas por bordes y 2) un píxel ruidoso toma un

valor sustancialmente más grande o más pequeño que las de sus vecinos.

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Máscaras de convolución

0 0 0 0 0

0 0 0 0 0

-1 -1 4 -1 -1

0 0 0 0 0

0 0 0 0 0

0 0 -1 0 0

0 0 -1 0 0

0 0 4 0 0

0 0 -1 0 0

0 0 -1 0 0

-1 0 0 0 0

0 -1 0 0 0

0 0 4 0 0

0 0 0 -1 0

0 0 0 0 -1

0 0 0 0 -1

0 0 0 -1 0

0 0 4 0 0

0 -1 0 0 0

-1 0 0 0 0

CACIC 2009

Máscaras de convolución 5x5, unidireccionales.

Detector de impulso

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Proceso de convolución

CACIC 2009

0 0 0 0 0

0 0 0 0 0

-1 -1 4 -1 -1

0 0 0 0 0

0 0 0 0 0

5 5 13 16 8 7 9

64 71 103 127 80 72 78

73 67 63 62 58 64 59

108 81 63 64 55 57 58

129 104 0 62 86 96 82

Filtro 1

Filtro 2

Filtro 3

Filtro 4

d1= -1 * [5 + 13]= -18 f1= (4 * 5) – d1= 2

Valor a filtrar 5 posición f (1, 1)

d2= -1 * [64 + 73]= -137 f2= (4 * 5 ) – d2= -117

d3= -1 * [71 + 63]= -134 f3= (4 * 5 ) – d3= -114

d4= 0 f4= (4 * 5 ) – d4= 20

}3,...,1{},4,...,1{, kpKfr pkpk

2 -14 18 31 -13 -13 9

82 -10 70 182 -60 -75 9

162 70 -8 -4 -16 21 -10

288 89 56 0 -22 0 5

412 255 -381 -38 104 64 -363

-117 -118 -114 -125 -106 -108 -101

70 131 273 366 199 160 186

-14 7 73 -21 3 24 9

73 -49 -169 -57 -80 -73 -64

143 21 -510 -45 88 127 7

-114 -145 -133 -80 -99 -106 -110

126 152 290 380 182 170 185

211 79 26 -11 -47 12 46

73 189 -17 -33 -118 -127 -66

256 -32 -283 -25 21 71 57

20 -44 -92 -106 -158 -114 -94

251 198 221 356 188 157 185

208 41 -93 -6 87 53 11

262 5 -87 -5 -239 -57 -69

372 198 -352 -242 37 89 73

Filtro 1 Filtro 2

Filtro 3 Filtro 4

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

0 0 -1 0 0

0 0 -1 0 0

0 0 4 0 0

0 0 -1 0 0

0 0 -1 0 0

-1 0 0 0 0

0 -1 0 0 0

0 0 4 0 0

0 0 0 -1 0

0 0 0 0 -1

0 0 0 0 -1

0 0 0 -1 0

0 0 4 0 0

0 -1 0 0 0

-1 0 0 0 0

CACIC 2009

.3,,1,),(),,(

),(),(),(

kTjizjiz

Tjizmedianji

kk

kk

}.3,...,1{,,,,,,,,min, 4321 kjirjirjirjirabsjiz kkkkk

.}3,,1{)},,,(

),...,,,(,),,,(),1,,(,),1,,(,),1,,({),(

ktnjnif

tjiftnjniftnjniftjiftnjnifmedianjim

k

kkkkkk

Calcular el mínimo valor absoluto

Filtro de la mediana

2 14 18 31 13 13 9

70 10 70 182 60 75 9

14 7 8 4 3 11 9

73 5 17 0 22 0 5

143 21 283 25 21 64 7

Ventana de filtro

xi-n,j-n xi,j-n xi+n,j-n

xi-n,j xi,j xi+n,j

xi-n,j+n xi,j+n xi+n,j+n

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

CACIC 2009

.3,,1,),(),,(

),(),(),(

kTjizjiz

Tjizmedianji

kk

kk

Filtro de la mediana

.254)))()((()),(~)(((,2)~(),(

254)))()((()),()(((,2)~(),(),(

,,,,,

,,,,

jikjikjikjikkkjik

jikjikjikjikkk

k xxabsxxorx

xxabsxxormedianji

Aporte

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

CACIC 2009

Algoritmo del filtro propuesto

Paso 0: Leer un video.

Paso 1: recorrer fotograma por fotograma y añadir ruido impulsivo con una

densidad de 0.05, tanto al fotograma actual como al fotograma anterior y

posterior.

Paso 2: definir las cuatro máscaras de convolución de 5x5 y segmentar el

fotograma ruidosa actual.

}3,...,1{},4,...,1{, kpKfr pkpk

Paso 3: calcular el mínimo valor absoluto de rpk , es decir, de las cuatro

convoluciones resultantes.

}.3,...,1{,,,,,,,,min, 4321 kjirjirjirjirabsjiz kkkkk

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

CACIC 2009

Paso 5: Sí zk(i, j) es un píxel ruidoso, es decir es mayor que T, entonces ir al

Paso 6, en caso contrario mantener la intensidad del píxel.

Paso 6: Aplicar el filtro de la mediana, si se cumplen las condiciones de la

ecuación siguiente, en caso contrario, mantener la intensidad del píxel.

.254)))()((()),(~)(((,2)~(),(

254)))()((()),()(((,2)~(),(),(

,,,,,

,,,,

jikjikjikjikkkjik

jikjikjikjikkk

k xxabsxxorx

xxabsxxormedianji

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Paso 4: Comparar zk(i, j), con un umbral predefinido T para determinar si es un

píxel ruidoso.

.3,,1,),(),,(

),(),(),(

kTjizjiz

Tjizmedianji

kk

kk

Resultados obtenidos

Cuantitativos

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

qkjifkjifmn

MSEq

l

n

j

m

ik

/,,',,3

1

1 1

2

1

3

1

Angiografía de Osteosarcoma

0.000

0.300

0.600

0.900

1.200

1.500

75 100 125 150 175 200

Umbral T

MS

E NIDSMFs

NAMF

Estabilidad del algoritmo

CACIC 2009

Desviación estándar de 10 videos

0.000

0.200

0.400

0.600

0.800

1.000

1.200

75 100 125 150 175 200

Umbral T

MS

E NIDSMFs

NAMF

Media de 10 videos

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1.800

75 100 125 150 175 200

Umbral T

MS

E NIDSMFs

NAMF

Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Subjetivos

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Video original Video ruidoso

NIDSMFs NAMF

Tiempo de procesamiento

CACIC 2009 Reducción de Ruido Impulsivo en Secuencias de Video en Color de Resonancia Magnética

Tiempo de procesamiento (segundo)NIDSMFs 153.266

NAMF 139.469

Conclusiones y trabajo futuro

El nuevo filtro propuesto, para reducir el ruido impulsivo en secuencias de video en color de

resonancia magnética, redujo eficazmente el ruido impulsivo y preservó satisfactoriamente las

líneas finas de las secuencias imágenes. Se demostró que el filtro propuesto es mejor que el

filtro propuesto por Zhang y Karim, en cuanto a los resultados cuantitativos, subjetivos, tiempo

de procesamiento y mayor estabilidad del algoritmo propuesto.

En futuras investigaciones consideraremos los métodos basados en vectores para el

procesamiento de video en color, ampliaremos la detección y reducción de ambos tipos de

ruido impulsivo y compararemos con más métodos existentes.

María Nieves Florentín Núñez

florentin@uni.edu.py

Ezequiel López Rubioezeqlr@lcc.uma.es

Sérgio Antonio Pohlmannsergio@ycube.net

Universidad Nacional de Itapúa, Facultad de Ingeniería

Paraguay

Universidad Nacional de Itapúa, Facultad de Ingeniería

Paraguay

Universidad de Málaga, Departamento de Lenguajes y Ciencias de la Computación

España