Estudio comparativo de la transformación wavelet y el filtrado de dominio de Fourier para la desnaturalización de...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• Procesamiento de señales Procesamiento de señales.
• Ciencias computacionales Ciencias computacionales.

Sus antecedentes:

• La desnudez de imagen es vital para la calidad de las imágenes médicas.
• Los métodos de aprendizaje profundo son potentes pero computacionalmente intensivos.
• Las transformaciones onduladas tradicionales ofrecen eficiencia pero carecen de comparaciones exhaustivas para el ruido médico.

Objetivo del estudio:

• Para comparar las familias de ondas y las técnicas de umbral para la desinformación de imágenes médicas.
• Para evaluar el rendimiento de los métodos wavelet frente a los métodos de Fourier localizados.
• Establecer estrategias óptimas de desnaturalización para diversos tipos de ruido de imágenes médicas.

Principales métodos:

• Evaluó ocho familias de wavelet con doce funciones de umbral y cuatro reglas de selección en imágenes de TC.
• El rendimiento probado contra el ruido gaussiano, uniforme, Poisson y sal y pimienta.
• Comparó las mejores configuraciones de wavelet con un método de transformación discreta de coseno de Fourier (DFCT) basado en bloques.

Principales resultados:

• Las ondas Biorthogonal Spline y Daubechies con umbral adaptativo (Smooth Garrote, SURE) mostraron el mejor rendimiento de ondas.
• El DFCT basado en bloques superaba constantemente el rendimiento de todas las configuraciones globales de Transformación de Ondas Discretas (DWT).
• DFCT logró mejoras significativas de PSNR sobre los mejores resultados de onda en todos los tipos de ruido.

Conclusiones:

• El DFCT basado en bloques proporciona una desnudez superior de la imagen médica en comparación con los métodos DWT globales.
• La selección algorítmica basada en la metodología de procesamiento es crucial para la desnudez óptima.
• Los hallazgos desafían la suposición de la superioridad de la transformación de onda para todas las tareas de desnaturalización de imágenes médicas.