Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Using Heavy-Tailed Levy Model in Nonsubsam pled Shearlet Transform Domain for Ultrasound Image Despeckling

مجله پیشرفت در تحقیقات کامپیوتری، دوره: 8، شماره: 2
سال انتشار: 1396
کد COI مقاله: JR_JACR-8-2_009
زبان مقاله: انگلیسیمشاهده این مقاله: 252
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Using Heavy-Tailed Levy Model in Nonsubsam pled Shearlet Transform Domain for Ultrasound Image Despeckling

Saeed Jafari - Dep artment of Electrical and Eleectronic E ngineeri ng, Tehran South Branch, Islamic Aza d University, Tehran, Iran
Sedigheh Ghofrani - Dep artment of Electrical and Eleectronic E ngineeri ng, Tehran South Branch, Islamic Aza d University, Tehran, Iran

چکیده مقاله:

F or any coherent imaging systems including ultrasound, synthhetic aperture radar and optiical laser, the multiplicative speckle noise de grades bo th the spatial and contrast resolution of the image. So, speckle suppression or despecklinng is necessary before processing like image seggmentation, edge d etection, and in ge neral any medical diagnosis. It is quite a min d-numbing task to analyze the corru pted imag es. Amongg many methods th at have beeen proposed to perform this task either in spatial domain or in transformed domain, there exists a class of approaches that use coefficient moddelling in transform domain. The pur pose of the paper i s developiing a novel despeckling methhod in noonsubsampled shearlet tran sform (N SST) based on coefficient modelling. B ayesian maximum a posteriori (MAP ) estimator is used where heavy-tailed Lévy (HTL) disstribution is assumed for estimating the noise-free NSST coefficients. The main contribution of this paper is connsidering HTL for modeling the NSST coefficients for the first time becausee of its low computational complexity. The proposed algorith m maintains a balance bet ween speckle suppre ssion and feature preserva tion. Finally, exp eriments show that the propo sed met hod outperforms others in terms of visual evaluation and assessment par ameters.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JACR-8-2_009 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/992634/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Jafari, Saeed and Ghofrani, Sedigheh,1396,Using Heavy-Tailed Levy Model in Nonsubsam pled Shearlet Transform Domain for Ultrasound Image Despeckling,https://civilica.com/doc/992634

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396, Jafari, Saeed؛ Sedigheh Ghofrani)
برای بار دوم به بعد: (1396, Jafari؛ Ghofrani)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 11,765
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید


طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی