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
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
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
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:
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
- An Improved W-LEACCH Routing Protocol in Wireless Se nsor Network
- A Hybrid Algorithm Based on Firefly Algorithm and Differential Evolution for Global Optimization
- A New Control Flow Checking Method to Improve Reliability of Embedded Systems
- An Efficient Model for Lip-reading in Persian Language Based on Visual Word and Fast Furrier Transform Combined with Neural Network
- SDN-based Defending against ARP Poisoning Attack
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.