به کار گیری فیلتر خطی تبدیل موجک برای نویزگیری تصاویر پزشکی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 701

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCEB01_049

تاریخ نمایه سازی: 18 خرداد 1393

چکیده مقاله:

در هاین مطالعه، ما ایده روش فیلترینگ خطی مبتنی بر حالت گسترش یافته تبدیل موجک (WT یا wavelet transform) را برای حذف نویز، پیشنهاد و ارائه کرده‌ایم. برای مشخص شدن میزان قابلیت و توانایی موجک‌ها، روش WT برای تجزیه تصویر MR به طور تقریبی یا تخمینی و تجزیه به زیرگروه‌های دقیق، مورد استفاده قرار گرفته است. پس از آن، فیلترینگ خطی بر روی ضرایب تقریبی در یک همسایگی (مجاورت) تصویر اصلاح شده، کارایی و تأثیرگذاری عمل حذف نویز را بهبود می‌بخشد. فیلتر طراحی شده با استفاده از بهینه‌کردن فیلتر میانگین چند مرحله‌ای دو بعدی بدست می‌آید. بهینه کردن شامل عمل آستانه‌گذاری روی ضرایب موجک برای حذف آنها برای نقاط آلوده به نویز می‌باشد. در حالی که این فرآیند خصوصیات و ویژگی‌های وابسته با لبه‌های تصویر را نیز به طور کامل حفظ می‌کند. سپس در نهایت، یک تبدیل WT معکوس بر روی زیرگروه‌های (subbands) انتخاب شده اجرا می‌شود تا بتوانیم به تصویر بدون نویز نهایی دست پیدا کنیم. در روش پیشنهاد شده، خصوصیت ترکیبی تبدیل WT و فیلتر خطی، تار و محو بودن قسمت‌های مختلف تصویر را به طور قابل ملاحظه‌ای کاهش می‌دهد.

نویسندگان

ماندانا رشنویی

دانشگاه آزاد اسلامی واحد بروجرد

محمد ابراهیم شیری

دانشگاه آزاد اسلامی واحد بروجرد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • و نخبگان واحد شوشتر _ اسفند ماه 1392 ...
  • و نخبگان واحد شوشتر _ اسفند ماه 1392 ...
  • G McGibney, MR Smith, An unbiased signal-to-noise ratio measure for ...
  • J Sijbers, AJ Dekker, Maximum likelihood estimation of signal amplitude ...
  • P Perona, J Malik, Scale-space and edge detection using anisotropic ...
  • G Gerig, O Kubler, R Kikinis, FA Jolesz, Nonlinear anisotropic ...
  • AA Samsonov, CR Johnson, Noise-adaptive nonlinear diffusion filtering of MR ...
  • M M art in-Fernandez, C Albero la-Lopez, J Ruiz- Alzola, ...
  • P Coupe, P Yger, S Prima, P Hellier, C Kervrann, ...
  • JV Manj6n, P Coupe, _ Marti-Bonmati, DL Collins, M Robles, ...
  • A Buades, B Coll, J-M Morel, A non-local algorithm for ...
  • N Wiest-Daessle, S Prima, P Coupe, SP Morrissey, C Barillot, ...
  • JV Manjon, J C arbone lI-Caballero _ JJ Lull, G ...
  • AM Wink, JBTM Roerdink, Denoising functional M images: a comparison ...
  • A Pizurica, AM Wink, E Vansteenkiste, W Philips, J Roerdink, ...
  • 7D Nowak, Wavelet-based Rician noise removl for magnetic. IEEE Trans ...
  • P Bao, L Zhang, Noise reduction for magnetic resonance images ...
  • S Zaroubi, G Goelman, Complex denoising of MR data via ...
  • ZQ Wu, JA Ware, J Jiang, Wavelet-based Rayleigh background removal ...
  • CS Anand, JS Sahambi, Wavelet domain non-linear filtering for MRI ...
  • H. Rabbani, _ Wavelet-based medical و [20] R. Kafieh infrared ...
  • S. U. J. C. Sch. of Inf. Sci. & Eng., ...
  • نمایش کامل مراجع