کاهش نقطه ای قابل تنظیم در تصاویر التراسونیک با منطق فازی بر روی ضریب تغییرات

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

کاهش نقطه ای قابل تنظیم در تصاویر التراسونیک با منطق فازی بر روی ضریب تغییرات

عنوان لاتین

Adaptive speckle reduction in ultrasound images using fuzzy logic on Coefficient of Variation

کاهش نقطه ای یک مرحله پیش پردازش برای پردازش تصویر پزشکی التراسونیک مهم است. در این مقاله، یک دیدگاه منطق فازی قابل تنظیم برای کاهش نویز نقطه ای در تصاویر التراسونیک ارائه میگردد. در متد مورد نظر، قابلیت تنظیم در دو سطح میباشد. در سطح اول اعمال منطق فازی بر روی ضرایب تغییرات محاسبه شده از تصویر نویزی ، مناطق تصاویر دسته بندی میگردند. فیلتر مناسب برای منطقه خاص تصویر با ارتقای سیستم فرونشانی نویز و پیشگیری از جزئیات ساختاری تصویر قابل انتخاب است. در سطح دوم، برای تشخیص بین لبه ها و نویز ها، متد مورد نظر از یک فیلتر میانگین وزنی استفاده میکند. سنجش تشابه ساختاری که وابسته به طبیعت تصویر وتعداد نویز مورد ارائه در تصویر است به عنوان پارامتر تنظیم استفاده میگردد. پس با دو سطح تنظیم، متد مورد نظر دارای پیشگیری لبه بهتر در مقایسه با متد های موجود است. نتایج آزمایشگاهی متد مورد نظر برای تصاویر طبیعی ، تصاویر شبیه سازی شده میدان 2 و تصاویر التراسونیک واقعی نشان میدهند که الگوریتم دور کننده نویز فرونشانی نویز بهتر داشته و قادر به پیشگیری لبه ها و جزئیات ساختاری تصویر در مقایسه با متدهای موجود است.

Speckle reduction is an important pre-processing stage for ultrasound medical image processing. In this paper, an adaptive fuzzy logic approach for speckle noise reduction in ultrasound images is presented. In the proposed method, adaptiveness is incorporated at two levels. In the first level, applying fuzzy logic on the coefficients of variation computed from the noisy image, image regions are classified. The best suitable filter for the particular image region is adaptively selected by the system yielding appreciable improvement in noise suppression and preservation of image structural details. At the second level, to distinguish between edges and noise, the proposed method uses a weighted averaging filter. The structural similarity measure, which depends on the nature of image and quantity of noise present in the image, is used as the tuning parameter. Thus with two levels of adaptiveness, the proposed method has better edge preservation compared to existing methods. Experimental results of the proposed method for natural images, Field II simulated images and real ultrasound images, show that proposed denoising algorithm has better noise suppression and is able to preserve edges and image structural details compared with existing methods.