فیلتر حذف نویز بهینه شده بلوکی میانگین غیر محلی در تصاویر سه بعدی رزونانس مغناطیسی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,061

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAUFASA02_258

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

مسئله مهم در بازیابی تصویر، حذف نویز تصویر با حفظ یکپارچگی اطلاعات تصویر مربوطه می باشد. حذف نویز، یک گام مهم برای افزایش کیفیت تصویر و بهبود عملکرد تمامی اعمال مورد نیاز در تجزیه و تحلیل تصویر برداری است. روش ارائه شده در این مقاله بر اساس نوعی ازفیلتر بهینه شده بلوکی میانگین غیر محلیNL در تصویر سه بعدی می باشد [ 1]. فیلتر غیر محلی از افزونگی اطلاعات در تصویر موردمطالعه برای حذف نویز استفاده می کند. در حال حاضر عملکرد فیلتر غیر محلی برای تصاویر دو بعدی نشان داده شده است، اما کاهش بار محاسباتی یکی از ابعاد مهم در گسترش روش در تصاویر سه بعدی است. برای غلبه بر این مشکل، روشی را به منظور کاهش پیچیدگیمحاسباتی مطرح می کنیم. این روش های متفاوت به طور چشمگیری زمان محاسباتی را تقسیم کرده، در حالی که عملکرد فیلتر غیر محلی حفظ شود. سپس نسخه کاملا خودکار و بهینه فیلتر غیر محلی معرفی شده است. نقش های فیلتر غیر محلی عبارتند ازa تنظیم خودکار پارامتر هموار /انتخاب مناسب ترین وکسل /پیاده سازی بلوکی و محاسبات موازی. اعتبارسنجی کمی بر روی مجموعه داده های مصنوعی تولید شده باBrainWebانجام شد [ 2]. نتایج نشان می دهد که فیلتر غیر محلی بهینه شده بهتر از فیلتر کلاسیک غیر محلی مانند دو روش حذف نویز کلاسیک (انتشار ناهمسانگرد [ 3] و فرآیند به حداقل رساندن مجموع تغییرات [ 4])، از نظر دقت و زمان کم محاسبه (اندازه گیری شده توسط نسبت سیگنال پیک به نویز) عمل می کند. در نهایت، نتایج کیفی بر داده های واقعی ارائه شده است

کلیدواژه ها:

فیلتر بهینه شده بلوکی ، فیلتر میانگین غیر محلی ، تصویرMRIسه بعدی

نویسندگان

معصومه فاضل

دانشجوی کارشناسی ارشد مهندسی برق مخابرات دانشگاه آزاد اسلامی واحد علوم و تحقیقات سیرجان

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. Buades, B. Coll, and J. M. Morel, .A review ...
  • D. Collins, A. Zijdenbos, V. Kollokian, ]. Sled, N. Kabani, ...
  • P. Perona and J. Malik, .Scale-space and edge detection using ...
  • L. Rudin, S. Osher, and E. Fatemi, .Nonlinear total variation ...
  • _ Mazziotta, A. Toga, A. Evans, P. Fox, ]. Lancaster, ...
  • Lond B Biol Sci, vol. 356, no. 1412, pp. 1293.1322, ...
  • A. Zijdenbos, R. Forghani, and A. Evans, .Automatic .pipeline. analysis ...
  • Geman, .Stochastic relaxation, ر [7] S. Geman and Gibbs distribution, ...
  • _ Mumford, D., .Optimal app roximations by piecewise smooth functions ...
  • regularization of multi-valued images using PDE's, in ECCV, Graz, 2006, ...
  • M. Black and , Sapiro, .Edges as outliers: Anisotropic smoothing ...
  • Greece, September 26-27, 1999, Proceedings, 1999, pp. 259.270. ...
  • P. Saint-Marc, J.-S. Chen, and G. Medioni, .Adaptive smoothing: a ...
  • D. Donoho and I. Johnstone, .Ideal spatial adaptation by wavelet ...
  • D. Donoho, .De-noising by S oft-thre sholding. IEEE Transactions on ...
  • _ Portilla and E Simoncelli, .Image restoration using Gaussian scale ...
  • C. Tomasi and R. Manduchi, .Bilateral filtering for gray and ...
  • S. Smith and]. Brady, .SUSAN.A New Approach to Low Level ...
  • M. Elad, .On the origin of the bilateral filter and ...
  • _ _ de Weijer and R. _ _ Boomgaard, .Local ...
  • T. Chan and H. Zhou, .Total variation improved wavelet thresholding ...
  • S. Durand and]. Froment, _ Reconstructio n of total ...
  • minimization, SIAM J. Sci. Comput, vol. 24, no. 5, pp. ...
  • S. Lintner and F. Malgouyres, .Solving a variational image restoration ...
  • P. Mrazek, _ Weickert, and A. Bruhn, .On robust estimation ...
  • نمایش کامل مراجع