حذف نویز گوسی از تصاویر تشدید مغناطیسی با استفاده از انتخاب آستانه توسط الگوریتم بهینه سازی چرخه آب در حوزه تبدیل موجک چندتایی
محل انتشار: کنفرانس بین المللی مهندسی برق
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 823
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICELE01_074
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
اغلب تصاویر در طی مراحل اخذ یا انتقال درگیر نویز می شوند که این امر سبب اختلال در تفسیر آن ها می شود؛ ازاین رو، حذف نویز از تصاویر و بهبود کیفیت آن ها از پرچالش ترین زمینه های پردازش تصویر می باشد. روش های حذف نویز مبتنی بر موجک عموماً بر اساس آستانه گذاری استوارند که این امر نیز ریشه در فرض تمرکز انرژی سیگنال در تعداد کمی از ضرایب تبدیل موجک سیگنال دارد؛ بنابراین، انتخاب آستانه در حذف نویز امری مهم می باشد. در تبدیل موجک یک تابع مقیاس و یک تابع موجک وجود دارد، اما در تبدیل موجک چندتایی، از توابع مقیاس چندتایی و توابع موجک چندتایی استفاده می شود که این امر موجب افزایش درجه آزادی در موجک های چندتایی شده است. موجک های اسکالر، خواص تعامد، تقارن، تقریب مراتب بالا را به طور همزمان ندارند، اما موجک های چندتایی می توانند این خواص را به طور همزمان داشته باشند، به همین دلیل، موجک های چندتایی تصویر را با دقت بیشتری تجزیه و لبه ها را حفظ می کنند. در این مقاله، پس از تجزیه ی تصویر MRI با استفاده از تبدیل موجک چندتایی، چند روش آستانه گذاری برای کاهش نویز اعمال می شود. با محاسبه ی آستانه ی مناسب توسط الگوریتم بهینه سازی چرخه آب عملکرد روش های حذف نویز افزایش می یابد. نتایج شبیه سازی نشان می دهد با محاسبه ی آستانه ی دقیق توسط الگوریتم بهینه سازی چرخه آب، در سطوح بالا و پایین نویز، تبدیل موجک چندتایی با آستانه گذاری نیمه نرم نسبت به روش های دیگر عملکرد بهتری دارد
کلیدواژه ها:
نویسندگان
سمیرا شیدایی
دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه صنعتی نوشیروانی بابل
حسین منتظری کردی
استادیار گروه مهندسی پزشکی، دانشگاه صنعتی نوشیروانی بابل
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :