بازیابی تصویر تخریب شده با نویز ضربهای با استفاده از شبکه عصبی و قوانین فازی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 718

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCEITT01_260

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

استفاده از فیلتر میانه برای حذف نویز ضربه باعث تخریب جزییات تصویر نیز میشود. این اثر مخرب به خصوص در تصاویر پزشکی حایز اهمیت خواهد بود. از این رو در این مقاله یک فیلتر میانهی تطبیقی به منظور حذف نویز و حفظ جزییات در تصاویر پزشکیارایه شده است. فیلتر پیشنهادی بر اساس قوانین نرو فازی طراحی شده و برای از بین بردن نویزهای ضربهای باچگالی بالا درتصاویر MR بسیارکارامد است این فیلتر به اختصار NFRBAM نام دارد فیلتر NFRBAM نوع بهبود یافته ای SMFAMF است که شامل یک واحد شناسایی پیکسلهای نویزی، یک واحد تصمیم گیری و سه فیلتر ساده تر است دراین فیلتر ابتدا نویزی بودن یا نبودن پیکسل مشخص میشود. سپس در واحد تصمیم گیری پیکسل نویزی باتوجه به چگالی نویزش به یکی از سه فیلتر سادهتر فرستاده میشود. برای پیاده سازی این فیلتر ابتدا یک شبکهی عصبی به کارگرفته میشود و درآن از ساختار MLP با الگوریتم BP برای شناسایی و برطرف کردن نویزهای ضربهای با گگالی بار در تصاویر MR استفاده میشود سپس برای دستیابی به تصویری با جزییات و کیفیت بهتر قوانین فازی به کار میرود برای کسب نتایج بهینه ازتوابع عضویت زنگوله شکل در قوانین فازی استفاده شده است. طبق نتایب به دست آمده عملکرد فیلتر پیشنهادی باافزایش قوانین فازی قابل بهبود است. به طوری که با افزای قوانین فازی میزان بیشتری از نویز تصویر MRحذف میشود وجزئیات تصویر کمتر تخریب میشوند

نویسندگان

حامد صباغ گل

مربی، عضو هیئت علمی گروه کامپیوتر، دانشگاه پیام نور.

ملیکا قاسمی

دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد فردوس.

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 :
  • A. Rosenfeld, Fuzzy digital topology, Inform. Control 40 (1979) 76-87. ...
  • E. Abreu, M. Lightstone, S.K. Mitra, K. Arakawa, A new ...
  • J.H. Wang, L.D. Lin, M.D. Yu, Hi stogram-based adaptive neuro-fuzzy ...
  • H. Kong, L. Guan, A noise-exclusive adaptive filtering framework for ...
  • F. Russo, A fuzzy filter for images corrupted by impulse ...
  • S. Peng, L. Lucke, Fuzzy filtering for mixed noise removat ...
  • K. Arakawa, Medlian filter based on fuzzy rules and its ...
  • C.S. Lee, Y.H. Kuo, P.T. Yu, Weighted fuzzy mean filters ...
  • A. Toprak, I. Giiler, Impulse noise reduction in medical images ...
  • S. Zhang, M.A. Karim, A new impulse detector for switching ...
  • _ 1J.H. Wang, L.D. Lin, Histo gram-based fuzzy filter for ...
  • R.C. Gonzalez, R.E. Woods, Digital Image Processing, Prentice Hall, Englewood ...
  • P.J. Toivanen, J. Ansamaki, J.P.S. Parkkinen, J. Mielikainen, Edge detection ...
  • A. Toprak, I. Giler, Suppression of impulse noise in medicl ...
  • S. Haykin, Neural Networks, A Comprehensive Foundation, Prentice Hall, Upper ...
  • نمایش کامل مراجع