Модифицированный метод анизотропной фильтрации ультразвуковых изображений со спектром
##plugins.themes.bootstrap3.article.main##
Аннотация
Для обработки медицинских ультразвуковых изображений со спеклом усовершенствован метод фильтрации и получен соответствующий алгоритм реставрации. Соединены теоретические основы анизотропной диффузии для сохранения мелкососудистых структур и известный подход к обешумеванию акустических изображений. Использовали аддитивно-мультипликативную модель спекл-шума
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
K. Niklas Nordström, “Biased anisotropic diffusion: a unified regularization and diffusion approach to edge detection”, Image and Vision Computing, vol. 8, no. 4, pp. 318–327, Nov. 1990. DOI:10.1016/0262-8856(90)80008-H
S. Geman and D. Geman, “Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-6, no. 6, pp. 721–741, Nov. 1984. DOI:10.1109/TPAMI.1984.4767596
D. Mumford and J. Shah, “Boundary Detection by Minimizing Functionals, I”, in Proceedings of IEEE Con- ference on Computer Vision and Pattern Recognition, pp. 22–26.
L. I. Rudin, S. Osher, and E. Fatemi, “Nonlinear total variation based noise removal algorithms”, Physica D: Nonlinear Phenomena, vol. 60, no. 1-4, pp. 259–268, Nov. 1992.DOI:10.1016/0167-2789(92)90242-F
J. Weickert, “Recursive separable schemes for nonlinear diffusion filters”, in Scale-Space Theory in Computer Vision, Berlin, Heidelberg: Springer Berlin Heidelberg, 1997, pp. 260–271. DOI:10.1007/3-540-63167-4_56
J. Weickert, Anisotropic Diffusion in imageprocessing, Stuttgart: Teubner-Verlag, 1998.
K. Krissian, “A new variational image restoration applied to 3D angiographies”, in Proceedings IEEE Workshop on Variational and Level Set Methods in Computer Vision, Vancouver, BC, Canada, 2001, pp. 65–72. DOI:10.1109/VLSM.2001.938883
