ارائه فیلتری برای حذف نویز در تصاویر MRI سه بعدی با روش میانگین غیر محلی بلوکی بهینه شده

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 921

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

TEDECE01_563

تاریخ نمایه سازی: 30 آبان 1394

Abstract:

مسئله مهم دربازیابی تصویر حذف نویزتصویر با حفظ یکپارچگی اطلاعات تصویر مربوطه می باشد حذف نویز یک گام مهم برای افزایش کیفیت تصویروبهبود عملکرد تمامی اعمال موردنیاز درتجزیه و تحلیل تصویر برداری است روش ارایه شده دراین مقاله براساس نوعی ازفیلتر بهینه شده بلوکی میانگین غیرمحلی NL درتصویر سه بعدی می باشد فیلترغیرمحلی ازافزونگی اطلاعات درتصویر موردمطالعه برای حذف نویز استفاده میکند درحال حاضر عملکرد فیلتر غیرمحلی برای تصاویر دوبعدی نشان داده شده است اما کاهش بارمحاسباتی یکی ازابعاد مهم درگسترش روش درتصاویر سه بعدی است برای غلبه براین مشکل روشی را به منظور کاهش پیچیدگی محاسباتی طرح می کنیم این روش های متفاوت بطور چشمگیری زمانمحاسباتی را تقسیم کرده درحالیکه عملکرد فیلتر غیرمحلی حفظ شود سپس نسخه کاملا خودکار و بهینه فیلتر غیرمحلی معرفی شده است نقشهای فیلترغیرمحلی عبارتنداز: تنظیم خودکار پارامتر هموار /انتخاب مناسب ترین وکسل/پیاده سازی بلوکی و محاسبات موازی اعتبارسنجی کمی برروی مجموعه داده های مصنوعی تولید شده با B rainWebانجام شد نتایج نشان میدهد که فیلترغیرمحلی بهینه شده بهتر ازفیلتر کلاسیک غیرمحلی مانند دوروش حذف نویز کلاسیک انتشارناهمسانگرد و فرایند به حداقل رساندن مجموعه تغییرات ازنظر دقت و زمان کم محاسبه اندازه گیری شده توسط نسبت سیگنال پیک به نویز عمل می کند درنهایت نتایج کیفی برداده های واقعی ا رایه شده است

Keywords:

تصویر MRI سه بعدی , فیلتر بهینه شده بلوکی , فیلترمیانگین غیرخطی

Authors

منیر کمالی

مدرس دانشگاه فنی وحرفه ای دانشکده فنی وحرفه ای شهیدمهاجراصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Samsonov A, Johnson C. No ise-Adaptive Nonlinear Diffusion Filtering of ...
  • Ryan Wen Liu, Lin Shi, Wenhua Huang, Jing Xu, Simon ...
  • Hosein M. Golshan, Reza P.R. Hasanzadeh, MRI denoising method An:ه ...
  • L. Rudin, S. Osher, and E. Fatemi, .Nonlinear total variation ...
  • Aja-Fernandez S, Tristan-Vega A, Albero la-Lopez C. 0Noise estimation in ...
  • A. Zijdenbos, R. Forghani, and A. Evans, .Automatic .pipeline. analysis ...
  • Wong A, Mishra AK. Quasi-Monte Carlo estimation approach for denoising ...
  • Buades A, Coll B, Morel JM. Nonlocal Image and Movie ...
  • regularization of multi-valued images using PDE's, . in ECCV, Graz, ...
  • Brox T, Kleinschmidt O, Cremers D. Efficient nonlocal means for ...
  • P. Saint-Marc, J.-S. Chen, and G. Medioni, .Adaptive smoothing: a ...
  • IEEE Transactions _ Pattern Analysis and Machine Intelligence, vol. 13, ...
  • D. Donoho and I. Johnstone, .Ideal spatial adaptation by wavelet ...
  • D. Donoho, .De-noising by S _ f-thresholding, , IEEE Transactions ...
  • J. Portilla and E Simoncelli, .Image restoration using Gaussian scale ...
  • C. Tomasi and R Manduchi, .Bilateral filtering for gray and ...
  • S. Smith and J. Brady, .SUSAN.A New Approach to Low ...
  • M. Elad, .On the origin of the bilaterl filter and ...
  • J. van de Weijer and R. _ den Boomgaard, .Local ...
  • Recognition, 8-14 December, Kauai, HI, USA, 2001, pp.428.433. ...
  • T. Chan and H. Zhou, .Total variation improved wavelet thresholding ...
  • S. Durand and J. Froment, _ Reconstruction of wavelet coeficients ...
  • S. Lintner and F. Malgouyres, .Solving a variational image restoration ...
  • P. Mrazek, J. Weickert, and A. Bruhn, .On robust estimation ...
  • نمایش کامل مراجع