Analisi di immagini mediante PR e SR

Scope of this dissertation is Image Analysis, applied to images coming from the probe microscopes and sonar sub-water detection. In particular, the contribution of the origi- nal work has been the combination of methods of super-resolution methods of pattern- recognition. We can better understand the possible impact of the results obtained, by con- sidering the role that images and computer vision have in several different investigation and diagnostic techniques. Very often indeed, the resolution of the images is not optimal, due to the instrumental limits (for example, limited number of detectors for the acquisition of the photons in the magnetic resonance imaging), or due to acquisition method (as in the case of the probe microscopies), or to the noise of various kinds, present in all acquisition techniques. The methods for enhancing the resolution are commonly known as super-resolution methods. They are not trivial, since they require a priori knowledge of the object to super-resolve, not always available. In this thesis, we have tried to develop methods of super-resolution coupled with me- thods of pattern-recognition that offered a priori knowledge of the object to super-resolve in the form of a more faithful model of the real object. The innovative combination of pattern-recognition methods and super-resolution led to the development of a new al- gorithm, called PRIAR (Pattern Recognition Augmented Image Resolution), and to its implementation, the Tool PRIAR. The tool has been used with images of stem cells ac- quired with the Atomic Force Microscope (AFM), a kind of scanning probe microscope, and with images of sub-water identification by sonar. The obtained results are encouraging and we hope they can be fruitfully applied to various areas ranging from biomedical, materials science, to object oriented identification, and also to forensic science.

L'ambito di ricerca di questa tesi di dottorato è quello dell'image analysis. In particolare ci si è occupati di migliorare la qualità e la risoluzione di immagini come quelle provenienti da microscopia a scansione di sonda o da sistemi di sonar sub-water detection. Il contributo originale del lavoro è quello combinare metodi di super-risoluzione con metodi di pattern-recognition. Per capire meglio il contesto e il possibile impatto dei risul- tati ottenuti basti pensare al ruolo che le immagini e la image analysis hanno nelle più di- sparate tecniche di indagine della natura o in campo diagnostico sia in ambito biomedico, sia in ambito di testing non distruttivi dei materiali. Infatti, la maggior parte delle tecniche di indagine della natura, dai microscopi ottici e di sonda, alla risonanza magnetica, o le tecniche di rilevamento, solo per citarne qualcuna, condensano l'informazione acquisita in un'immagine, che descrive una rappresentazione visiva, non solida della realtà, dalle funzioni del cervello, a porzioni di territorio, alle molecole, agli atomi. Un comune aspetto di queste tecniche è che spesso la risoluzione delle immagini non sempre è ottimale, sia per limiti strumentali (limitato numero di detectors per l'acquisizione dei fotoni nella risonanza magnetica, ad esempio), sia per il metodo di acquisizione dei dispositivi usati (come nel caso delle microscopie di sonda), sia per il rumore di varia natura, sempre presente, indipendentemente dalla tecnica di acquisizione dei segnali. I metodi di ampliamento della risoluzione sono comunemente noti come metodi di super-risoluzione. Tuttavia l'ampliamento è un'operazione piuttosto complicata, che ri- chiede spesso una conoscenza a priori dell'oggetto da super-risolvere, non sempre disponibile. In questo lavoro di tesi, abbiamo cercato di accoppiare metodi di super- risoluzione con metodi di pattern-recognition in grado di offrire una conoscenza a priori dell'oggetto da super-risolvere attraverso un modello di riferimento quanto più possibile prossimo all'oggetto reale. L'innovativa combinazione di metodi di pattern-recognition e di super-risoluzione hanno portato allo sviluppo di un nuovo algoritmo, il PRIAR (Pattern Recognition Image Augmented Resolution), e alla sua implementazione, il Tool PRIAR. Il tool è stato applicato con risultati, a nostro avviso estremamente interessanti, a immagini di cellule staminali acquisite con Microscopi a scansione di sonda, di tipo a forza atomica chiamati Atomic Force Microscope (AFM) e immagini di sub-water identification da sonar. I I primi risultati da questo lavoro sono incoraggianti e fanno ipotizzare a un impie- go della nostra metodologia in vari ambiti che vanno dal biomedicale, alla scienza dei materiali, all'object oriented identification, e persino alla scienza forense. Lingua documentoEnglish