تشخیص تصویر پزشکی با استفاده از دو آستانه پیچیده درخت تبدیل موجک و فیلتر وینر

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تشخیص تصویر پزشکی با استفاده از دو آستانه پیچیده درخت تبدیل موجک و فیلتر وینر

عنوان لاتین

Medical image denoising using dual tree complex thresholding wavelet transform and Wiener filter

انهدام تصویرو فرآیند حذف صدا از تصویر به طور طبیعی خراب شده بود توسط صدا است.روش موجک یکی از روش های مختلف برای بازیابی اشیاء بعدی بی نهایت مانند منحنی، تراکم، تصاویر و غیره است. تکنیک های موجک برای حذف نویز بسیار موثر هستند زیرا توانایی آنها در جذب انرژی یک سیگنال در مقادیر چندگانه انرژی است. روش های موجک مبتنی بر کاهش ضریب موجک در دامنه موجک است. در این مقاله پیشنهاد می کنیم، یک رویکرد انحصاری مبتنی بر موجک پیچیده درخت دوگانه و انقباض با تکنیک فیلتر وینر (که در آن اپراتورهای آستانه ای سخت یا نرم برای تغییر شکل ویولت پیچیده درخت استفاده می شود). نتایج نشان داد که تصاویر با استفاده از DTCWT (ترانسفورماتور موجک ترکیبی دوگانه درخت) با فیلتر وینر تعادل بهتر بین صافی بودن و دقت نسبت به DWT دارند و کمتر از SWT (تبدیل موجک ثابت) هستند. ما SSIM (اندازه گیری سازگاری ساختاری) و PSNR را استفاده کردیم (نسبت سیگنال به صدا) و SSIM نقشه برای ارزیابی کیفیت تصاویر مضر.

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.