کاهش نویز تصویر در متلب با روش deconvetv
کاهش نویز تصویر در متلب با روش deconvetv:پروژه متلب
پروژه متلب در این پروژه به بررسی کاهش نویز تصاویر با استفاده از تبدیلهای مالتی‌رزولوشن می‌پردازیم و در ضمن کاربرد آنها را در تصاویر اولتراسوند پزشکی نیز مد نظر قرار می‌دهیم. تبدیلهای مالتی‌رزولوشن متنوعی نظیر تبدیل ویولت متعامد و biorthogonal، تبدیل ویولت M-band، و تبدیل مالتی‌ویولت معرفی شده‌اند که تمامی این تبدیلها به شیوه‌ی جدایی‌پذیر در تصاویر مورد استفاده قرار گرفته‌اند. اخیرا فریمهای dyadicی ارائه شده‌اند که بر خلاف تبدیلهای عنوان شده در بالا دارای افزونگی می‌باشند و به دلایل مختلف برای کاربرد کاهش نویز بسیار مناسب می‌باشند
روش های مختلف کاهش نویز
پروژه متلب از میان این فریمها دو تبدیل SNSI-TFWT و HDDWT را معرفی کرده و آنها را به شیوه‌ی جدایی‌پذیر در تصاویر به کار می‌گیریم. همچنین دو نمونه از تبدیلهای جدایی‌ناپذیر مهم را نیز مورد بررسی قرار می‌دهیم که عبارتند از تبدیل کانتورلت و تبدیل کانتورلت نمونه‌برداری نشده (NSCT). این تبدیلها اساسا برای کاربرد در تصاویر طراحی شده‌اند. تبدیل کانتورلت نمونه‌برداری نشده در واقع نسخه‌ی تغییرناپذیر با شیفت تبدیل کانتورلت است و برای کاربرد کاهش نویز بسیار مناسب می‌باشد.
کاربرد روش های کاهش نویز
پروژه متلب پس از معرفی تبدیلهای فوق‌الذکر تعدادی از مهم‌ترین روشهای کاهش نویز در حوزه‌ی تبدیل ویولت را مورد بررسی قرار می‌دهیم که همین روشها را (در صورت امکان) در سایر تبدیلهای بیان شده نیز به کار می‌گیریم. همچنین روش Bivariate-shrinkage را اصلاح می‌کنیم تا در تبدیلهای غیرمتعامد نظیر فریمهای معرفی شده نیز قابل استفاده باشد. تعدادی از تکنیکهای کاهش نویز مطرح شده در این پروژه، در ادبیات ارائه نشده‌اند که از آن جمله می‌توان از این موارد نام برد: کاربرد روش Bivariate-shrinkage در حوزه‌ی تبدیلهای M-band و مالتی‌ویولت، کاربرد روشهای مبتنی بر تخمین‌گرهای بیزین MAP و MMSE در تبدیل کانتورلت و تبدیل NSCT، و کاربرد تمام روشهای ارائه شده‌ی حذف نویز در تبدیلهای SNSI-TFWT و HDDWT. نتایج شبیه‌سازی مبین آن هستند که به طور کلی تبدیلهای دارای افزونگی مانند SNSI-TFWT، HDDWT، و NSCT نتایج بهتری را نسبت به تبدیلهای دارای خاصیت نمونه‌برداری بحرانی به دست می‌دهند.
این روشها را برای کاهش نویز اسپکل تصاویر اولتراسوند پزشکی نیز به کار می‌بریم با این تفاوت که به دلیل ماهیت ضربی نویز اسپکل، عملیات بی‌نویز کردن در چارچوبی همومورفیک انجام می‌گیرد. همچنین روشی را برای کاهش نویز پروژه متلب اسپکل تصاویر اولتراسوند پیشنهاد می‌کنیم که این روش در واقع تلفیقی از فیلترینگ با استفاده از فیلتر وینر و آستانه‌بندی تطبیقی ضرایب در حوزه‌ی تبدیل SNSI-TFWT و در چارچوبی همومورفیک می‌باشد. نتایج شبیه‌سازیها بیانگر آن هستند که عملکرد روش پیشنهادی، بر مبنای معیارهای کمی معرفی شده نظیر S/MSE، MSE، بهبود SNR، معیار حفظ لبه، و ضریب همبستگی، تقریبا در تمام موارد بهتر از سایر روشهای مقایسه شده می‌باشد و از لحاظ کیفیت دیداری نیز نتایج مطلوبی به دست می‌دهد.پروژه متلب
خروجی متلب :
۲
دیدگاه ها