Loại bỏ Tín Hiệu Nhiễu Đột Ngột Thích Ứng Thời Gian Thực Trong Ảnh Y Tế

Journal of Medical Systems - Tập 42 - Trang 1-9 - 2018
Zohreh HosseinKhani1, Mohsen Hajabdollahi1, Nader Karimi1, Reza Soroushmehr2,3, Shahram Shirani4, Kayvan Najarian2,3, Shadrokh Samavi1,4
1Department of Electrical and Computer Engineering, Isfahan University of Technology, Isfahan, Iran
2Michigan Center for Integrative Research in Critical Care, University of Michigan, Ann Arbor, USA
3Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, USA
4Department of Electrical and Computer Engineering, McMaster University, Hamilton, Canada

Tóm tắt

Nhiễu là một yếu tố quan trọng làm giảm chất lượng của ảnh y tế. Nhiễu xung là loại nhiễu phổ biến gây ra bởi sự cố ở các phần tử cảm biến hoặc lỗi trong quá trình truyền tải hình ảnh. Trong các ảnh y tế, do sự hiện diện của nền trắng và nền đen, nhiều pixel có cường độ tương tự như nhiễu xung nên việc phân biệt giữa pixel bị nhiễu và pixel bình thường là rất khó khăn. Do đó, việc thiết kế một phương pháp để xóa bỏ chính xác loại nhiễu này là rất quan trọng. Ngoài độ chính xác, độ phức tạp của phương pháp cũng rất quan trọng trong việc triển khai phần cứng. Trong bài báo này, một phương pháp loại bỏ nhiễu có độ phức tạp thấp được đề xuất, phương pháp này có khả năng phân biệt giữa pixel bị nhiễu và pixel không bị nhiễu, và loại bỏ nhiễu thông qua phân tích cục bộ của các khối hình ảnh. Tất cả các bước đều được thiết kế để có độ phức tạp phần cứng thấp. Kết quả mô phỏng cho thấy trong trường hợp ảnh cộng hưởng từ, phương pháp được đề xuất loại bỏ nhiễu xung với độ chính xác chấp nhận được.

Từ khóa

#Nhiễu xung #ảnh y tế #loại bỏ nhiễu #phân tích cục bộ #độ phức tạp phần cứng

Tài liệu tham khảo

Luo, W., Efficient removal of impulse noise from digital images. Consumer Electronics, IEEE Transactions on 52:523–527, 2006. Ahmed, F., and Das, S., Removal of high-density salt-and-pepper noise in images with an iterative adaptive fuzzy filter using alpha-trimmed mean. IEEE Transactions on Fuzzy Systems 22:1352–1358, 2014. Zhou, Z., Cognition and removal of impulse noise with uncertainty. IEEE Transactions on Image Processing 21:3157–3167, 2012. Sree, P. S. J., Kumar, P., Siddavatam, R., and Verma, R., Salt-and-pepper noise removal by adaptive median-based lifting filter using second-generation wavelets. Signal, Image and Video Processing 7(1):111–118, 2013. Veerakumar, T., Esakkirajan, S., and Vennila, I., Recursive cubic spline interpolation filter approach for the removal of high density salt-and-pepper noise. Signal, Image and Video Processing 8(1):159–168, 2014. Bhadouria, V. S., and Ghoshal, D., A study on genetic expression programming-based approach for impulse noise reduction in images. Signal, Image Video Processing 10(3):575–584, 2016. Mandal, J. and Mukhopadhyay, S., (2011) A novel variable mask median filter for removal of random valued impulses in digital images (VMM), in International Symposium on Electronic System Design (ISED), pp. 302–306. Srinivasan, K., and Ebenezer, D., A new fast and efficient decision-based algorithm for removal of high-density impulse noises. IEEE Signal Processing Letters 14:189–192, 2007. Pilevar, A. H., Saien, S., Khandel, M., and Mansoori, B., A new filter to remove salt and pepper noise in color images. Signal, Image and Video Processing 9(4):779–786, 2015. Vasanth, K., and Kumar, V. J. S., Decision-based neighborhood-referred unsymmetrical trimmed variants filter for the removal of high-density salt-and-pepper noise in images and videos. Signal, Image and Video Processing 9(8):1833–1841, 2015. Erasmus, L. J., Hurter, D., Naudé, M., Kritzinger, H. G., and Acho, S., A short overview of MRI artefacts. SA Journal of Radiology 8(2). https://doi.org/10.1021/jp1019944, 2004. Mohan, J., Krishnaveni, V., and Yanhui, G., A survey on the magnetic resonance image denoising methods. Biomedical Signal Processing and Control 9:56–69, 2014. Sudeep, P. V. et al., Nonlocal linear minimum mean square error methods for denoising MRI. Biomedical Signal Processing and Control 20:125–134, 2015. Singh, C., Ranade, S. K., and Singh, K., Invariant moments and transform-based unbiased nonlocal means for denoising of MR images. Biomedical Signal Processing and Control 30:13–24, 2016. Toprak, A., and Güler, İ., Angiograph image restoration with the use of rule base fuzzy 2D Kalman filter. Expert Systems with Applications 35:1752–1761, 2008. Toprak, A., and Güler, İ., Impulse noise reduction in medical images with the use of switch mode fuzzy adaptive median filter. Digital signal processing 17:711–723, 2007. Toprak, A., Özerdem, M. S., and Güler, İ., Suppression of impulse noise in MR images using artificial intelligent based neuro-fuzzy adaptive median filter. Digital signal processing 18:391–405, 2008. Chen, P.-Y., Lien, C.-Y., and Chuang, H.-M., A low-cost VLSI implementation for efficient removal of impulse noise. IEEE Transactions on Very Large Scale Integration (VLSI) Systems 18:473–481, 2010. Hosseini, H., Hessar, F., and Marvasti, F., Real-time impulse noise suppression from images using an efficient weighted-average filtering. IEEE Signal Processing Letters 22:1050–1054, 2015. Lien, C.-Y., Huang, C.-C., Chen, P.-Y., and Lin, Y.-F., An efficient denoising architecture for removal of impulse noise in images. IEEE Transactions on Computers 62:631–643, 2013. Koo, J. J., Evans, A. C., and Gross, W. J., 3-D brain MRI tissue classification on FPGAs. IEEE Transactions on Image Processing 18:2735–2746, 2009. http://overcode.yak.net/15?size=M.
Thông tin
Thông tin xuất bản

Journal of Medical Systems

Tập 42

1-9

Thông tin tác giả