Модифікований метод анізотропної фільтрації ультразвукових зображень зі спектром
Основний зміст сторінки статті
Анотація
Для обробки медичних ультразвукових зображень зі спеклом вдосконалено метод фільтрації і отримано відповідний алгоритм реставрації. Поєднано теоретичні основи анізотропної дифузії для збереження дрібносудинних стрктур і відомий підхід до знешумлення акустичних зображень. Використовували адитивно-мультиплікативну модель спекл-шума
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
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
