En su artículo titulado «Noise Power Spectrum Measurements in Digital Imaging With Gain Nonuniformity Correction» publicado en agosto de 2016, Dong Sik Kim aborda la problemática del espectro de potencia de ruido (NNPS) en imágenes digitales, especialmente aquellas afectadas por la no uniformidad de ganancia. El autor propone un modelo de ganancia no uniforme que considera tanto el ruido fotónico como el ruido electrónico como componentes del llamado «ruido de patrón fijo». A partir de este modelo, Kim desarrolla un esquema de corrección de ganancia utilizando un mapa de ganancia, el cual se construye promediando varias imágenes adquiridas sin objetos en la escena.
La técnica principal desarrollada en el artículo es una imagen corregida por ganancia basada en este mapa de ganancia, lo que permite la formulación de un algoritmo para la medición de NNPS del detector. Además, Kim presenta otro algoritmo de medición de NNPS basado en la diferencia de imágenes bajo la suposición de una débil no uniformidad de ganancia. Ambos algoritmos son validados mediante pruebas en imágenes reales de rayos X, comparándolos con métodos tradicionales de eliminación de tendencia y sustracción. Los resultados muestran que los algoritmos propuestos brindan curvas de NNPS más precisas que los esquemas tradicionales.
El estudio también destaca una situación especial donde los algoritmos propuestos utilizan solo dos imágenes adquiridas a la misma exposición incidente sin objetos, permitiendo medir NNPS precisos independientemente de las no uniformidades de ganancia presentes.
El artículo proporciona comparaciones detalladas de las curvas NNPS medidas entre el algoritmo propuesto de corrección de ganancia (GMC) y métodos tradicionales, como el ajuste polinomial de segundo orden y el filtro de promediado móvil. Los resultados revelan que el esquema GMC propuesto es eficiente y puede medir el NNPS del detector independientemente de la ganancia no uniforme, logrando una aproximación cercana a la NNPS corregida, incluso cuando se utiliza un mapa de ganancia de una sola imagen.
En términos de señal-ruido, Kim emplea un método basado en Monte Carlo para validar la compensación del SNR para obtener medidas precisas del SNR del detector. Los resultados experimentales avalan que un aumento en el número de imágenes para crear el mapa de ganancia mejora significativamente las curvas de SNR empíricas y compensadas. Asimismo, las imágenes adquiridas a exposiciones más altas para el promediado resultan en SNRs más altos, corroborando la importancia de una mapa de ganancia de alta calidad.
El autor concluye destacando que los algoritmos propuestos son efectivos no solo teóricamente sino también prácticamente, brindando un avance notable en la medición precisa del NNPS bajo condiciones de ganancia no uniforme. Este trabajo aporta herramientas útiles para la evaluación y mejora de los sistemas de imágenes digitales en contextos médicos y más allá, subrayando la pertinencia de considerar no solo la corrección de mecanismos internos de ganancia sino tambien el rigor en los procesos de medición y compensación de ruido .
