کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
484014 | 703126 | 2015 | 6 صفحه PDF | دانلود رایگان |
کلمات کلیدی
.1مقدمه
.2تبدیل موجک مختلط دو درختی
.3آستانه گیری موجک
4. کاهش نویز و فیلتر وینر
شکل 1: (a) موجک مختلط یک بعدی، (b) تحلیل بانک فیلتر برای DTDWT یک بعدی، (c) بانک فیلتر ترکیبی برای DTDWT یک بعدی
شکل 2: توابع آستانه گیری: (a) خطی، (b) سخت، (c) نرم.
5. نتایج آزمایشی
جدول 1: آستانه گیری سخت (PSNR و SSIM برای متدهای نویززدایی گوناگون با پارامترهای J= 3,، ‘db4’ موجک اهای گروهی هستند).
جدول2: آستانه نرم (PSNR و SSIM برای متدهای نویززدایی گوناگون با پارامترهای J= 3، موجک های گروهی ‘db4’)
شکل 3: (a) تصویر اورجینال. (b) تصاویر نویز دار با . (c) تصویز نویززدایی شده با استفاده از DWT با آستانه نرم. (d) نگاشت SSIM برای DWT با آستانه نرم. (e) تصویر نویززدایی شده با SWT با آستانه نرم. (f) نگاشت SSIM برای SWT با آستانه نرم. (g) تصویر نویززدایی شده با DTCWT با آستانه نرم. (h) نگاشت SSIM با آستانه نرم، (j) تصویر نویززدایی شده با فیلتر DTCWT–Wiener و آستانه نرم، (k) نگاشت SSIM برای DTCWT با فیلتر وینر با آستانه نرم.
6. نتیجه گیری
Image denoising is the process to remove the noise from the image naturally corrupted by the noise. The wavelet method is one among various methods for recovering infinite dimensional objects like curves, densities, images, etc. The wavelet techniques are very effective to remove the noise because of their ability to capture the energy of a signal in few energy transform values. The wavelet methods are based on shrinking the wavelet coefficients in the wavelet domain. We propose in this paper, a denoising approach basing on dual tree complex wavelet and shrinkage with the Wiener filter technique (where either hard or soft thresholding operators of dual tree complex wavelet transform for the denoising of medical images are used). The results proved that the denoised images using DTCWT (Dual Tree Complex Wavelet Transform) with Wiener filter have a better balance between smoothness and accuracy than the DWT and are less redundant than SWT (StationaryWavelet Transform). We used the SSIM (Structural Similarity Index Measure) along with PSNR (Peak Signal to Noise Ratio) and SSIM map to assess the quality of denoised images.
Journal: Journal of King Saud University - Computer and Information Sciences - Volume 27, Issue 1, January 2015, Pages 40–45