关键字 |
| 多尺度方差稳定变换,快速离散曲波变换,阈值,零假设,信号噪声比,通用图像质量指数。 |
介绍 |
| 泊松噪声发生在医学成像的问题一直是一个问题。泊松噪声发生在这些图像由于光子传感器的到来是相互独立的。因此在光子的到来有不确定性导致泊松噪声。MS-VST[1]稳定影响的泊松噪声方差图像和Gaussianize它在某种程度上。使用MS-VST的优势在于它是有效的,即使图像强度很低。这是通过使用一个低通滤波器输入图像预处理。平均低通滤波器的噪声和威仕特稳定方差和Gaussianize它。FDCT[1],[2]是一种第二代曲波变换是一种多分辨率的方法。它将输入图像转换成FDCT系数。它是有效的稀疏表示锐利边缘和细曲线[5]。 Thresholding is a non-linear technique which is more effective in transform domain. Each transformed coefficient is thresholded by comparing it with a threshold value. Hence the noisy coefficients will be shrunk. In Null Hypothesis testing each coefficient is made absolute by comparing it against the Hypothesis value thus removing all the negative coefficients. In first technique, we combine the MS-VST, FDCT with Thresholding techniques and in another technique MS-VST and FDCT are combined with Null Hypothesis which is applied on an image to denoise it. We have analysed the denoised images using two mathematically defined measures viz Peak Signal to Noise Ratio and Universal Image Quality Index [3] for measuring the effectiveness of using the techniques. |
多尺度方差稳定变换 |
| 一个多尺度方差稳定变换(MS-VST)用于约Gaussianizing和稳定独立的泊松随机变量序列的方差线性滤波器过滤。这种方法证明是快,很好地适应了极低的情况下,很容易适用于任何尺寸的数据。应用Variance-Stabilizing转换背后的基本原理是消除噪声方差的数据依存性,所以它变成了常数在整个数据(像素)。此外,如果转换也正常化(即它导致一个高斯噪声分布),我们可以估计最终的强度值与传统去噪方法为加性高斯白噪声。 |
| 使用MS-VST的主要优势是,它可以用于低强度图像预处理使用低通滤波器的输入图像。低通滤波器的平均噪音和威仕特稳定方差和Gaussianize它。 |
快速离散曲波变换 |
| FDCT第二代曲波变换是一种多分辨率方法。有两个单独的离散曲波变换(DCT)算法[4]。第一个算法是Unequispaced FFT变换。在这个算法计算出的曲波系数是不规则采样图像的傅里叶系数。第二个包装变换算法,它使用一系列的翻译和环绕技术。包装FDCT更直观和更少的计算时间。它是实现如图1所示。 |
 |
| 首先,图像的傅里叶样品由FFT获得。然后在窗口,数字电晕瓷砖的样本分为集合然后翻译到原点。瓷砖的平行四边形形状的支持是缠绕在一个矩形中心在原点。最后,逆FFT的包装支持确定最后结果曲波数组添加到集合的曲波系数两个非线性技术应用。 |
阈值 |
| 这是一个简单的非线性技术用于去噪。每个从变换域系数阈值通过比较阈值。它收缩系数高于阈值的绝对值。它可以表示为 |
| 系数=绝对(系数)>阈值(1) |
| 我们使用软阈值的收益率更俱视觉愉悦的形象。 |
零假设测试 |
| 零假设技术用于取消整个噪声系数。它类似于阈值技术但是这里的真实和虚构的价值系数分别与假设值然后替换原始系数。它可以表示为如下 |
| 每个实际价值与假设值相比, |
| realvalues Z =绝对(realvalues) > (2) |
| 每个虚值与假设值。 |
| imagvalues Z =绝对(imagvalues) > (3) |
| 假设值是通过使用公式计算 |
| Z = (√10 * log10 (2 * erfcinv (2 * 1 e - 3) ^ 2))(多项式系数的噪声免费图片) |
| 通过应用这种技术所有负系数视为噪声将被删除。 |
MS-VST COMBAINED FDCT阈值/零假设 |
| 我们使用的组合MS-VST与FDCT系数的非线性技术是使用。输入图像分为低通组件通过使用低通滤波器。然后给出了组件MSVST方差得到稳定,大约Gaussianize它。然后二维DFT计算FFT的使用。然后得到的傅里叶样品变成了曲波系数使用窗口技术。这两个非线性技术进一步利用这些系数来处理图像。在阈值技术,噪声系数缩小成一个绝对值。在零假设的负系数视为噪声从获得的系数。逆MS-VST和逆FDCT应用于阈值的输出/零假设值使去噪图像。提出了系统的流程图,图2所示。 |
 |
性能分析 |
| 测量的性能阈值和零假设测试,峰值信噪比和普遍使用图像质量指数[5]。PSNR值之间的比率是最大可能的信号和噪音的权力腐败。广泛用作衡量重构图像的质量。PSNR值被定义为 |
 |
结果 |
| 提出系统实现使用Matlab 7.6。两种方法的性能在不同的医学图像进行了分析。PSNR和通用的图像质量指数被用来评估提出了方法的性能。都是广泛用于测量重建图像的质量。结果CT、MRI、x光,T1加权,T2加权,SPECT和PET图像显示在图3,图4,图5,图6,图7,Fig.8, Fig.9分别 |
 |
 |
 |
 |
结论 |
| 我们提出了一个方法结合多尺度方差稳定变换(MS-VST),快速离散曲波变换(FDCT)阈值和多尺度方差稳定变换(MS-VST),快速离散曲波变换(FDCT)与零假设测试可用于泊松图像去噪。从性能分析我们得出结论,零假设收益率比阈值方法去噪图像更好。 |
引用 |
- Sandeep Palakkal和K.M.M.您正在使用“泊松噪声去除图像快速离散曲波变换”IITMadras,国家通信会议上,印度,班加罗尔,印度,2011
- Sajil丹尼尔•约翰Jilu乔治,”双边滤波的方法和快速离散曲波变换的泊松噪声去除图像,“国际科学与工程研究杂志》上,卷4期8日- 2013年8月
- 周,学生会员,IEEE和艾伦·c . Bovik的IEEE“通用图像质量指数”IEEE信号处理信件,Vol.XX,不。2002年3月,
- 轮Kumar博士R。模拟“诊断肝脏肿瘤的CT图像使用快速离散曲波变换”IJCA特刊上“计算机辅助软计算技术成像和生物医学应用程序”CASCT, 2010。
- 张,j . m . Fadili J.-L。斯塔克,”小波脊波、曲波泊松噪声去除,“IEEE反式。ImageProcess卷。2008年7月17日,页。1093 - 1108年
|
菜单
