SUPPRESSION OF SPECKLE NOISE IN MEDICAL IMAGES VIA SEGMENTATION-GROUPING OF 3D OBJECTS USING SPARSE CONTOURLET REPRESENTATION

V. F. Kravchenko; Кравченко В. Ф.; Yu. V. Guliaev; Гуляев Ю. В.; V. I. Ponomaryov; Пономарев В. И.; G. Aranda Bojorges; Аранда-Бохоргес Г.

doi:10.31857/S2686954322600562

Подавление спекл шумов в медицинских изображениях путем сегментации-группирования 3D объектов на основе дисперсного контуролет представления

Авторы: Кравченко В.Ф.¹^,2, Гуляев Ю.В.¹, Пономарев В.И.³, Аранда-Бохоргес Г.A.³
Учреждения:
1. Институт радиотехники и электроники им. В.А. Коте-льникова Российской академии наук
2. Московский государственный технический университет им. Н.Э. Баумана
3. Национальный Политехнический институт Мексики (Instituto Politecnico Nacional)
Выпуск: Том 509, № 1 (2023)
Страницы: 94-100
Раздел: ИНФОРМАТИКА
URL: https://freezetech.ru/2686-9543/article/view/647926
DOI: https://doi.org/10.31857/S2686954322600562
EDN: https://elibrary.ru/CQFBDY
ID: 647926

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Доступ платный или только для подписчиков

Аннотация
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

Впервые обоснована и реализована процедура фильтрации ультразвуковых и магнитно-резонансных изображений (УЗИ, МРИ), искаженных мультипликативным (спекл) шумом. Процедура включает следующие этапы: сегментация изображения в ряд однородных регионов, формирование сходных структур в трехмерном пространстве (3D), голоморфное преобразование, пороговая фильтрация изображения в пространстве контуролет преобразования (CLT) с оценкой на основе группирования 3D структур по информационной степени близости и обратное гомоморфное преобразование. Дана физическая интерпретация процедуры фильтрации изображений в условиях спекл шумов и разработана структурная схема подавления шумов. Моделирование предложенного подхода подтвердило преимущество новой процедуры фильтрации изображений в терминах общепризнанных критериев: оценки структурного индекса схожести, пикового отношения сигнал/шум, индекса сохранения контуров и индекса разрешения альфа, а также и при визуальном сравнении профильтрованных изображений.

Ключевые слова

ультразвуковые и магнитно-резонансные изображения, суперпикельные методы сегментации, фильтрация, спекл шум, группирование объектов, голоморфное преобразование, пиковое отношение сигнал/шум

Список литературы

Кравченко В.Ф., Пономарев В.И., Пустовойт В.И., Аранда-Бохоргес Г. // Доклады РАН. Математика, информатика, процессы управления. 2021. Т. 499. № 2. С. 67–72.
Aranda-Bojorges G., Ponomaryov V., Reyes-Reyes R., Cruz-Ramos C., Sadovnychiy S. // IEEE Geosci. Rem. Sens. Lett. 2020. V. 19, art. 4018005. https://doi.org/10.1109/LGRS.2021.3108774
Reyes-Reyes R., Aranda-Bojorges G., Garcia-Salgado B., Ponomaryov V., Cruz-Ramos C., Sadovnychiy S. // Sensors. 2022. V. 22. 5113. https://doi.org/10.3390/s22145113
Kravchenko V., Perez H., Ponomaryov V. Adaptive Signal Processing of Multidimensional Signals with Applications. Moscow: Fizmatlit, 2009.
Dabov K., Foi A., Katkovnik V., Egiazarian K. // IEEE Trans. Image Process. 2007. V. 16. № 8. P. 2080–2095.
Santos C.A.N., Martins D.L.N., Mascarenhas N.D.A. // IEEE Trans. Image Process. 2017. V. 26. 2632–2643. https://doi.org/10.1109/TIP.2017.2685339
Sameera V.M.S., Sudhish N.G. // Sensing Imaging. 2017. V. 18. P. 1–28. https://doi.org/10.1007/s11220-017-0181-8
Jubairahmed L., Satheeskumaran S., Venkatesan C. // Clust. Comput. 2019. V. 22. P. 11237–11246.
Jaburalla M.Y., Lee H.N. // Appl. Sci. 2018. V. 8. 903. P. 1–17. https://doi.org/10.3390/app8060903
Achanta R., Shaji A., Smith K., Lucchi A., Fua P., Süsstrunk S. // IEEE Trans. Pattern Anal. Mach. Intell. 2012. V. 34. P. 2274–2282.
Jensen J.A. // Med. Biol. Eng. Comput. 1996. V. 34. P. 351–352.
Wang Z., Bovik A. // IEEE Signal Process. Mag. 2009. V. 26. № 1. P. 98–117.
https://openfmri.org/dataset/ (accessed: June21, 2022).
http://splab.cz/en/download/databaze/ultrasound (accessed: June 19, 2022).