医疗图像除斑使用可逆稀疏模糊波纹变形与自然灵感的迷你批量水波群优化

科学领域:

• 医疗成像医学成像
• 信号处理 信号处理
• 计算智能是一种计算智能.

背景情况:

• 斑点噪声显著降低了医疗图像质量.
• 传统的除方法往往会导致关键边缘和结构信息的损失.
• 需要先进的技术来在降噪期间保持图像保真.

研究的目的:

• 为医疗图像开发一种新的除框架.
• 为了有效地消除斑点噪声,同时保持结构和边缘细节.
• 提高医学图像分析的准确性和可靠性.

主要方法:

• 这是一种新的方法,它结合了以自然为灵感的小批量水波群优化 (NIMWVSO) 与频域中的可逆稀疏模糊波束变换 (ISFWT).
• ISFWT学习了一个非线性冗余转换,具有完美的重建来消除噪音和保存细节.
• NIMWVSO使用ISFWT衍生的值来进一步降低倍数斑点噪声.

主要成果:

• 与现代过器相比,拟议的方法在消除斑点的医疗图像中表现出更高的性能.
• 使用MSTAR数据集与PSNR和MSSIM指标进行评估.
• 该方法对未知的噪声水平具有显著的概括能力,并且具有很高的可解释性.

结论:

• 开发的框架为医疗图像脱光提供了有效的解决方案.
• 与传统方法不同,可以实现结构和边缘信息的保存.
• 这项工作有可能提高医学成像诊断和治疗规划准确度.