Fast feature-preserving speckle reduction for ultrasound images via phase congruency

سونوگرافی به طور گسترده ای در تشخیص های بالینی و روش های درمانی مورد استفاده قرار می گیرد، اما سر و صدا ظاهری اغلب ویژگی های مهم را مختل می کند و تفسیر و تحلیل تصاویر اولتراسوند را پیچیده می کند. در این راستا، کاهش عیوب یک پیش نیاز حیاتی بسیاری از سیستم های تشخیصی و سیستم های فراصوتی کامپیوتری است. با این حال، از بین بردن سر و صدا و همچنین حفظ ویژگی های در تصاویر اولتراسوند یک کار چالش برانگیز است. ما یک چارچوب بهینه سازی جدید برای کاهش ضریب نفوذ را با استفاده از مفهوم همبستگی فازی پیشنهاد می کنیم و شامل یک معیار عدم تطبیق ویژگی در اصطلاح تنظیم کردن تابع هدف برای به طور موثر تشخیص ویژگی ها و سر و صدا ظریف است. ماتریس نامتقارن ویژگی می تواند به طور مولد از ویژگی های جدا شده از سر و صدا با تجزیه و تحلیل اطلاعات فرکانس محلی. در مقایسه با روش های سنتی با استفاده از گرادیان شدت به عنوان شرایط تنظیم، چارچوب ما به شدت دامنه ویژگی ها غیر ممکن است، به طوری که ویژگی های کنتراست پایین تقریبا به همان اندازه محافظت از ویژگی های کنتراست بالا است. علاوه بر این، به جای اتخاذ نسب گرادیان، ما تصمیم به حل یک مسئله جدید را با تجزیه بهینه سازی غیرقابل محوری اصلی برای حل چندین سیستم خطی ارائه می دهیم که منجر به راه حل کارآمد بهینه سازی می شود. با توجه به مجازات های مختلف در سر و صدا و ویژگی های ظریف، روش ما می تواند به طور موثر سر و صدا و حفظ ویژگی های در همان زمان را حذف کنید. آزمایشات در تصاویر سونوگرافی واقعی و واقعی نشان می دهد که روش ما می تواند بهتر از ویژگی های با حذف عجیب و غریب از روش های پیشرفته تر، به ویژه برای ویژگی های کنتراست پایین، حفظ شود.