دانلود و نمایش مقالات مرتبط با Speckle noise::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - Speckle noise

تعداد مقالات یافته شده: 3
ردیف عنوان نوع
1 Protection of bio medical iris image using watermarking and cryptography with WPT
محافظت از تصویر عنبیه بیولوژیکی پزشکی با استفاده از علامت گذاری و رمزنگاری با WPT-2019
The emerging technologies in this present world is real time biometrics which recognized a specific person in a reliable manner through their distinct biological features. The most reliable biometric identification is an iris identification. The collection of iris images can be stored in the database which is hacked by the intruders. In order to prevent these databases with watermark text, a novel hybrid method is proposed which is a combination of Wavelet Packet Transform (WPT) and cryptography. This paper presents WPT for segmenting the iris image and finding the minimum energy band where the watermark text is embedded. The watermark text is the personal information of the owner of iris. Once the watermarking is done, the cryptographic key is used to encrypt the watermarked image. This way, both the image and the watermark text are prevented in an efficient manner. The quality measures of watermarked image have been analyzed and compared with other existing techniques. The proposed technique has been analyzed with blurring, salt and pepper, JPEG, cropping, Gaussian noise, rotate, speckle noise, filter, gamma, intensity and histogram equalization noises having PSNR value increased by 3.3%, 3.6%, 4.1%, 5.3%, 7.7%, 6.1%, 11.9%, 7.7%, 14.4%, 10.7% and 10.2% respectively which effectively increased the quality of image.
Keywords: Wavelet Packet Transform (WPT) | Watermarking | Cryptography | Peak Signal to Noise Ratio (PSNR) | Mean Square Error (MSE) | Normalized Cross Correlation (NCC)
مقاله انگلیسی
2 Ultrasound image segmentation using a novel multi-scale Gaussian kernel fuzzy clustering and multi-scale vector field convolution
قطعه بندی تصویر اولتراسوند با استفاده از یک خوشه بندی فازی هسته ای گاوسی چند مقیاسی و پیچیدگی میدان بردار چند مقیاسی-2019
Ultrasound imaging is most popular technique used for breast cancer screening. Lesion segmentation is challenging step in characterization of breast ultrasound (US) based Computer Aided Diagnosis (CAD) systems due to presence of speckle noise, shadowing effect etc. The aim of this study is to develop an automatic lesion segmentation technique in breast US with high accuracy even in presence of noises, artifacts and multiple lesions. This article presents a novel clustering method called Multi-scale Gaussian Kernel induced Fuzzy C -means (MsGKFCM) for segmentation of lesions in automatically extracted Region of Interest (ROI) in US to delimit the border of the mass. Further, a hybrid approach using MsGKFCM and Multi-scale Vector Field Convolution (MsVFC) is proposed to obtain an accurate lesion margin in breast US images. Initially, the images are filtered using speckle reducing anisotropic diffusion (SRAD) technique. Subsequently, MsGKFCM is applied on filtered images to segment the mass and detect an appropriate cluster center. The detected cluster center is further used by MsVFC to determine the accurate lesion margin. The proposed technique is evaluated on 127 US images using measures such as Jaccard Index, Dice similarity, Shape similarity, Hausdroffdifference, Area difference, Accuracy, F -measure and analysis of variance (ANOVA) test. The empirical results suggest that the proposed approach can be used as an expert system to assist medical professionals by providing objective evidences in breast lesion detection. Results obtained are so far looking promising and effective in comparison to state-of-the-art algorithms.
Keywords: Ultrasound image segmentation | Speckle reduction | Multi-scale Gaussian kernel induced fuzzy | C -means | Multi-scale vector field convolution
مقاله انگلیسی
3 ارزیابی الگوریتم های فیلترینگ دیسپکل برای تقسیم شدن تومورهای سینه با استفاده از تصاویر اولتراسوند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 17 - تعداد صفحات فایل doc فارسی: 31
در این مقاله، تصاویر اولتراسوند سینه با الگوریتم های مختلف فیلترینگ دیسپکل برای تجزیه و تحلیل اثر دیسپکل کردن بر تقسیم توده های خوشخیم و بدخیم سینه با استفاده از تصاویر اولتراسوند پیش پردازش می شود. الگوریتم های فیلترینگ دیسپکل به طور کلی به هشت دسته تقسیم می شوند، از جمله فیلترهای مبتنی بر آمار موضعی، فیلترهای فازی، فیلترهای فوریه، فیلترهای چند مقیاسی، فیلترهای تکراری غیر خطی، فیلترهای تنوع کلی، فیلترهای متوسط غیر موضعی و فیلترهای هیبریدی. کلُ 100 تصویر اولتراسوند سینه (40 خوش خیم و 60 بدخیم) با استفاده از 42 الگوریتم فیلتر کردن دیسپکل پردازش شدند. یک فیلتر دیسپکل شده، مناسب در نظر گرفته می شود اگر کناره ها و ویژگی ها / ساختارهای تصویر را حفظ کند. قابليت حفظ کناره ها برای يك فيلتر دیسپکل توسط معیار بتا (β) و قابليت حفظ ویژگی / ساختار با استفاده از شاخص كيفيت تصوير (IQI) اندازه گيري می شود. مشاهده شد که از 42 فیلتر، شش فیلتر به نام های لی سیگما، FI، FB، HFB، BayesShrink و DPAD تصاویر بالینی قابل قبول تری از لحاظ حفظ کناره و ویژگی / ساختار تولید کردند. ارزیابی کیفی این تصاویر بر اساس نمرات ارائه شده توسط رادیولوژیست با تجربه شرکت کننده، انجام شده است. سپس تصاویر پیش پردازش شده به یک ماژول تقسیم بندی برای تقسیم شدن تومورهای خوش خیم یا بدخیم با کمک تصاویر اولتراسوند، وارد شدند. ارزیابی عملکرد الگوریتم تقسیم بندی به صورت کمّی با استفاده از شاخص ژاکارت انجام شده است. نتایج هر دو ارزیابی کمّی و کیفی توسط رادیولوژیست نشان می دهد که الگوریتم فیلترینگ دسپیکل DPAD تصاویر بالینی قابل قبول تری را ارائه می دهد و منجر به تقسیم بهتر تومورهای خوش خیم و بدخیمِ حاصل از تصاویر اوتراسوند می شود.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 10388 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 10388 :::::::: افراد آنلاین: 72