مقاله کاهش نویز اسپکل تصاویر اکوکاردیوگرافی قلب با الگوریتم ژنتیک

بخشی از مقاله

چکیده:

پردازش تصویر و کاهش نویز در تصاویر یکی از مهم ترین مسائل موجود در سالهای اخیر است که در ارتباط با آن مقالات بسیاری نگاشته شده است. نویز اسپکل,منبع اصلی نویز در تصاویر اکوگرافی و اکوکاردیوگرافی و تصاویر SAR است که آن را باید بدون تاثیر برویژگی های تصویر کاهش داد. هدف از این تحقیق کاهش نویز ضرب شونده اسپکل موجود در تصاویر اکوکاردیوگرافی است تا در نتیجه بتوان با کاهش این نویز طی الگوریتم ژنتیک تصاویر گرفته شده پردازش شده و تشخیص عارضه موجود در بیماران سهل تر گردد.

با کاهش نویز موجود از تصاویر مذکور با الگوریتم ژنتیک و سپس با روش های انقباض بیزین و فیلتر وینر 2 بعدی که بهترین فیلتر وفقی برای کاهش نویز است مقایسه می گردد. اگوریتم ژنتیک بهترین عملکرد با بالاترین درجه حذف نویز را داراست.

.1 مقدمه

به علت مزیتهای فراوان تصویربرداری سونوگرافی از قبیل: غیرتهاجمی بودن، بهره گیری از پرتوهای غیریونیزان، قیمت ارزان، قابلیت تصویرگیری بلادرنگ و قابل حمل بودن، این روش تصویربرداری یکی از روشهای پرکاربرد در تصویربرداری از اعضای داخلی و بافتهای نرم بدن انسان است که هر روز بیشتر از گذشته در تشخیص بیماریها مورد استفاده قرار می گیرد.

با این وجود، کیفیت پایین تصاویر آلتراسوند، پیش پردازش آنها را برای تشخیص پزشکی اجتناب ناپذیر می نماید.نویز اسپکل را می توان از مهمترین علل کاهش کیفیت تصاویر در این سیستمها بر شمرد و نیازمند پیش پردازش است که شامل حذف نویز اسپکل که نوعی نویز ضرب شونده است و تفسیر تصاویر آلتراسوند را دچار مشکل می کند. این نویزدر اثر برخوردهای سازنده و مخرب امواج رسیده از هدف به سنجنده ایجاد میشود که به صورت نقاط تاریک و روشن در تصویر ظاهر می شود. به طور کلی یک روش موفق کاهش نویز در تصویر لازم است دارای ویژگی های زیر باشد:

.1واریانس نویز را در مناطقی از تصویر که از نظر آماری همگن هستند، کاهش دهد.

.2ویژگی های مهم همچون بافت، لبه ها و خطوط را در تصویر حفظ نماید.

.3اطلاعات رادیومتریک تصویر را حفظ نماید.

هدف از انجام این پایان نامه کاهش دادن نویز اسپکل با الگوریتم ژنتیک که معروفترین الگوریتم تکاملی و جدید است.این روش پیشنهادی برای هرگونه تصویر دیگر اعم از تصاویر SAR و تصاویر MRI و ... نیز قابل اجراست و در طی کد نوشته شده این تصاویر با کاهش یافتن نویز به سمت بهبود تصویر تا حد رسیدن به کیفیت تصویر اصلی میل می گردند.

در این پروژه ابتدا تصاویر بدون نویز g - t - فراخوانی شده و سپس نویز اسپیکل z - t - که یک نوع نویز ضرب شونده است به آن اعمال میشود.

سپس تصویر نویزی f - t - به تکه تصاویری به ابعاد 16*16 در آمده و برای هر یک از این تکه تصاویر 4 مرحله تبدیل موجک هار اعمال میشود.پس از محاسبهی ماتریس های جزئیات تبدیل موجک از تصویر نویزی از آنجایی که نویز المانی فرکانس بالا است پس ماتریس های جزئیات هم شامل لبه های تصویر و هم شامل نویز موجود در آن است. حال به دنبال حذف نویز هستیم.

از آنجایی که دامنه نویز معمولا از دامنه خود لبه های تصویر کم تر است پس می توان با تعریف سطح آستانه ای و اعمال آن بر روی مقادیر ماتریس های جزئیات نویز را حذف نمود. اما تعیین مقدار استانه کاری دشوار است و محاسبه ی مقدار آن به علت ماهیت رندوم بودن نویز کاری سخت است که در این پروژه از الگوریتم بهینه سازی ژنتیک برای تخمین آن استفاده شده است. پس از تخمین سطح آستانه را با آستانه گذاری نرم بر روی مقادیر ماتریس جزئیات اعمال مینماییم.سپس در انتهای کار به مقایسه نتایج بدست آمده از روش الگوریتم بهینه سازی ژنتیک با روش های وینر 2 بعدی که بهترین فیلتر وفقی با الگوریتم گیری و بدون الگوریتم گیری و بیزین انقباض یافته می پردازیم.

.2 تبدیل موجک

از کاربردهای موجک در پردازش تصویر:

1.    طبقه بندی تصاویر

2.    دی نویزینگ یا حذف نویز تصاویر

3.    فشرده سازی تصاویر

انواع روش های نویززدایی :

.1 نویززدایی با استفاده از روش - DWTتبدیل موجک گسسته -

.2نویززدایی با استفاده از روش CWT - تبدیل موجک گسسته ساکن - امروزه تبدیل موجک به عنوان روشی قدرتمند به منظور بازیابی اطلاعات از داده های نویزی مورد استفاده قرار گرفته است.

از جمله مزایای این روش می توان به موارد زیر اشاره کرد:

1.    با تصویر کردن سیگنال و نویز بر روی توابع پایه موجک، خواص آماری آنها به نحو قابل توجهی ساده شده و با دقت خوبی توسط توابع توزیع شناخته شده قابل مدل سازی هستند.

2.    روشهای چند دقتی مانند تبدیل موجک امکان برآورد سیگنال را در مقیاسها و جهات مختلف ممکن می سازند و بنابراین حفظ جزئیات و حذف

نویز به صورت همزمان ممکن خواهد شد.

ساده ترین روش حذف نویز در حوزه موجک، آستانه گذاری - - Thresholding پیشنهاد شد. آستانه گذاری - ضرایب موجک است که اولین بار توسط Donoho - 1995 - مشکلاتی مانند انتخاب آستانه بهینه و توابع آستانه گذاری مناسب را دربردارد. نشان داده شده است که روش بیزین با انتخاب مدل مناسبی برای تابع چگالی احتمال سیگنال و نویز نتایج مطلوبی را به دست می دهد - . - Achim et al., 2001, 2003با وجود این که تبدیل موجک به خوبی سیگنال مورد نظر را ناهمبسته - Uncorrelated - می سازد. - Dijkerman & Mazumdar,1994 - وابستگی های بین مقیاسی - Inter-scale dependencies - و داخل مقیاسی - Intra-scale dependencies - زیادی بین ضرایب موجک وجود دارد - . - Liu & Moulin,2001 استخراج درست این وابستگی ها به بهبود بسیار زیاد الگوریتم های حذف نویز و فشرده سازی منجر خواهد شد.

.1,2آستانه گذاری ضرایب موجک

عملگر آستانه گذاری بر روی ضرایب تبدیل موجک تصویر نویزی برای کاهش نویز استفاده می شود.آستانه گذاری ضرایب موجک توسط روشهای مختلف بدست می آید و به طور معمول با روش انقباض موجک با گام های زیر انجام می گردد:

-1ارسال تبدیل موجک گسسته دوبعدی

-2یافتن مقدار آستانه

-3اعمال مقدار آستانه روی ضرایب موجک طبق قانون انقباض

-4تبدیل معکوس موجک گسسته با فرض اینکه تصویر ورودی با نویز ضرب شونده اسپکل طبق رابطه2 خراب می شود که n نویز اسپکل و g تصویر نویزی است.

پیرو تبدیل موجک گسسته W تصویر نویزی تجزیه تصویر به ضرایب توسط رابطه 3 انجام می شود.

برای یافتن مقدار آستانه ضرایب موجک طبق تابع انقباضی Tموجود در رابطه 4 تغییر داده می شود.

در انتهای ضرایب انقباض ضرایب موجک تبدیل معکوس در حوزه تصویر اصلی توسط رابطه 5 محاسبه می گردد.

تبدیل موجک یک تبدیل مکان فرکانس است که جزئیات تصویر را در راستاهای افقی، عمودی و قطری به صورت ماتریس های کوچک تر نمایش می دهد