کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
484014 703126 2015 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Medical image denoising using dual tree complex thresholding wavelet transform and Wiener filter
ترجمه فارسی عنوان
نویززدایی از تصاویر پزشکی با استفاده از تبدیل موجک با آستانه گیری مختلط دو درختی و فیلتر وینر
کلمات کلیدی
تبدیل موجک گسسته، تبدیل موجک ثابت؛ آستانه گیری موجک، تبدیل موجک دو درختی؛ فیلتر وینر
فهرست مطالب مقاله
چکیده 

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
ترجمه چکیده
نویززدایی از تصویر فرآیندی برای حذف نویزهایی است که به صورت طبیعی در تصاویر وجود دارند. متد موجک یکی از متدهای گوناگون برای بازیابی اشیایی با ابعاد بی نهایت مانند منحنی ها، موارد متراکم، تصویرها و غیره است. تکنیک‌های موجک نسبت به حذف نویز به دلیل توانایی کسب انرژی یک سیگنال در مقادیر تبدیل انرژی کم بسیار حساس است. متدهای موجک بر اساس کاهش ضرایب موجک در دامنه موجک عمل می‌کنند. در این مقاله، یک رویکرد نویززدایی را بر اساس موجک مختلط دو درختی و کاهش با تکنیک فیلتر وینر بررسی کردیم (جایی که عملگرهای آستانه گیری سخت یا نرم تبدیل موجک مختلط دو درختی برای نویززدایی از تصاویر پزشکی استفاده می‌شود). نتایج اثبات کرده است که نویززدایی از تصاویر با استفاده از DTCWT (تبدیل موجک مختلط دو درختی) با فیلتر وینر توازن بهتری بین همواری و دقت نسبت به DWT برقرار می‌کند و نسبت به SWT (تبدیل موجک ثابت) افزونگی کمتری دارد. ما از SSIM (شاخص سنجش تشابه ساختاری) همراه با PSNR (نسبت اوج سیگنال به نویز) و نگاشت SSIM برای ارزیابی کیفیت تصاویر نویززدایی شده استفاده کرده ایم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
نویززدایی از تصاویر پزشکی با استفاده از تبدیل موجک با آستانه گیری مختلط دو درختی و فیلتر وینر
چکیده انگلیسی

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.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of King Saud University - Computer and Information Sciences - Volume 27, Issue 1, January 2015, Pages 40–45
نویسندگان
, , ,