- Код статьи
- 10.31857/S2686954322600562-1
- DOI
- 10.31857/S2686954322600562
- Тип публикации
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 509 / Номер выпуска 1
- Страницы
- 94-100
- 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
- Дата публикации
- 16.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 10
Библиография
- 1. 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.
- 2. 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
- 3. 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
- 4. Kravchenko V., Perez H., Ponomaryov V. Adaptive Signal Processing of Multidimensional Signals with Applications. Moscow: Fizmatlit, 2009.
- 5. Dabov K., Foi A., Katkovnik V., Egiazarian K. // IEEE Trans. Image Process. 2007. V. 16. № 8. P. 2080–2095.
- 6. 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
- 7. Sameera V.M.S., Sudhish N.G. // Sensing Imaging. 2017. V. 18. P. 1–28. https://doi.org/10.1007/s11220-017-0181-8
- 8. Jubairahmed L., Satheeskumaran S., Venkatesan C. // Clust. Comput. 2019. V. 22. P. 11237–11246.
- 9. Jaburalla M.Y., Lee H.N. // Appl. Sci. 2018. V. 8. 903. P. 1–17. https://doi.org/10.3390/app8060903
- 10. Achanta R., Shaji A., Smith K., Lucchi A., Fua P., Süsstrunk S. // IEEE Trans. Pattern Anal. Mach. Intell. 2012. V. 34. P. 2274–2282.
- 11. Jensen J.A. // Med. Biol. Eng. Comput. 1996. V. 34. P. 351–352.
- 12. Wang Z., Bovik A. // IEEE Signal Process. Mag. 2009. V. 26. № 1. P. 98–117.
- 13. https://openfmri.org/dataset/ (accessed: June21, 2022).
- 14. http://splab.cz/en/download/databaze/ultrasound (accessed: June 19, 2022).
