Noise is an important factor of the

Noise is an important factor of the medical image quality, because the high noise of medical
imaging will not give us the useful information of the medical diagnosis. Basically, medical
diagnosis is based on normal or abnormal information provided diagnose conclusion. In this
paper, we proposed a denoising algorithm based on Contourlet transform for medical images.

Contourlet transform is an extension of the wavelet transform in two dimensions using the
multiscale and directional filter banks. The Contourlet transform has the advantages of multiscale
and time-frequency-localization properties of wavelets, but also provides a high degree of
directionality. For verifying the denoising performance of the Contourlet transform, two kinds of
noise are added into our samples; Gaussian noise and speckle noise. Soft thresholding value for
the Contourlet coefficients of noisy image is computed. Finally, the experimental results of
proposed algorithm are compared with the results of wavelet transform. We found that the
proposed algorithm has achieved acceptable results compared with those achieved by wavelet
transform.

ผลลัพธ์ (ไทย) 1:

เสียงเป็นปัจจัยสำคัญของคุณภาพของภาพทางการแพทย์ เพราะเสียงสูงของแพทย์ภาพจะได้ให้ข้อมูลที่เป็นประโยชน์ของการวินิจฉัยทางการแพทย์ ทั่วไป แพทย์วินิจฉัยตามปกติ หรือผิดปกติข้อมูลวิเคราะห์สรุป ในที่นี้กระดาษ เราเสนออัลกอริทึม denoising ตามแปลง Contourlet สำหรับภาพทางการแพทย์แปลง Contourlet เป็นส่วนขยายของการแปลง wavelet ในสองมิติโดยใช้การตัวกรอง multiscale และทิศทางธนาคาร การแปลง Contourlet มีข้อดีของ multiscaleและเวลาความถี่แปลคุณสมบัติของ wavelets แต่ยัง ให้ระดับสูงของทิศ การตรวจสอบประสิทธิภาพการทำงาน denoising ของ Contourlet แปลง ชนิดที่สองของเสียงจะถูกเพิ่มลงในตัวอย่างของเรา Gaussian speckle และเสียงเสียงรบกวน Thresholding อ่อนค่ามีคำนวณสัมประสิทธิ์ Contourlet เสียงดังรูป ในที่สุด ผลการทดลองของอัลกอริทึมที่เสนอมีการเปรียบเทียบกับผลลัพธ์ของการแปลง wavelet เราพบว่าการอัลกอริทึมที่นำเสนอได้รับการยอมรับผลลัพธ์เทียบกับโดย waveletแปลง

ผลลัพธ์ (ไทย) 2:

เสียงเป็นปัจจัยสำคัญของคุณภาพของภาพทางการแพทย์เพราะเสียงสูงของทางการแพทย์
การถ่ายภาพจะไม่ให้เราข้อมูลที่เป็นประโยชน์ในการวินิจฉัยทางการแพทย์ โดยทั่วไปแพทย์
วินิจฉัยจะขึ้นอยู่กับข้อมูลที่ปกติหรือผิดปกติให้ข้อสรุปวินิจฉัย ในการนี้
กระดาษที่เรานำเสนอขั้นตอนวิธี denoising ขึ้นอยู่กับ Contourlet แปลงสำหรับภาพทางการแพทย์. Contourlet เปลี่ยนเป็นส่วนขยายของการแปลงเวฟเล็ในสองมิติโดยใช้Multiscale และธนาคารกรองทิศทาง Contourlet แปลงมีข้อได้เปรียบของ Multiscale และคุณสมบัติเวลาความถี่การแปลของคลื่น แต่ยังมีระดับสูงของทิศทาง สำหรับการตรวจสอบประสิทธิภาพการทำงานของ denoising Contourlet เปลี่ยนสองชนิดของเสียงจะถูกเพิ่มเข้าไปในตัวอย่างของเรา; เสียง Gaussian และเสียงจุด ค่า thresholding ซอฟท์สำหรับค่าสัมประสิทธิ์ Contourlet ของภาพที่มีเสียงดังคำนวณ ในที่สุดผลการทดลองของอัลกอริทึมที่นำเสนอมีการเปรียบเทียบกับผลของการแปลงเวฟเล็ต เราพบว่าอัลกอริทึมที่นำเสนอได้บรรลุผลที่ยอมรับได้เมื่อเทียบกับผู้ที่ประสบความสำเร็จโดยเวฟแปลง

ผลลัพธ์ (ไทย) 3:

เสียงจะเป็นปัจจัยสําคัญในคุณภาพของภาพทางการแพทย์ เนื่องจากเสียงสูงของภาพทางการแพทย์
จะไม่ได้ให้ข้อมูลที่เป็นประโยชน์ในการวินิจฉัยทางการแพทย์ โดยทั่วไป การวินิจฉัยทางการแพทย์
ตามปกติหรือผิดปกติข้อมูล วินิจฉัย สรุป ในกระดาษนี้
เราเสนอ denoising โดยอยู่บนพื้นฐานของ contourlet แปลงสำหรับภาพทางการแพทย์ .

contourlet แปลงเป็นนามสกุลของการแปลงเวฟสองมิติโดยใช้
multiscale ธนาคารกรองและทิศทาง การ contourlet แปลงมีข้อได้เปรียบของ multiscale
และเวลาจำกัด คุณสมบัติของคลื่นความถี่ แต่ยังมีระดับสูงของ
ทิศทาง ตรวจสอบการปฏิบัติงานของ contourlet denoising แปลง สองชนิดของ
เสียงจะถูกเพิ่มลงในตัวอย่างของเรา เสียง Gaussian เสียงและจุดด่าง . ปรับอ่อนค่า
contourlet เท่ากับภาพที่มีเสียงดังจะคำนวณ . ในที่สุด ผลของวิธีที่เสนอ
เทียบกับผลลัพธ์ของการแปลงเวฟ . เราพบว่าวิธีที่เสนอ
ได้รับผลที่ยอมรับได้เมื่อเทียบกับผู้ที่ได้รับความสูญเสีย
เปลี่ยน