فيلتر تركيبي چند وضوحي با فيلترهاي وينر، سريع دوطرفه و تبديل موجك بر پايه منطق فازي

Multi-resolution hybrid filter with weiner and fast bilateral filters and wavelet transforms based on fuzzy logic

حذف نويز از يك تصوير همچنان يك مشكل اساسي در پردازش تصوير است. خصوصاً براي تصاوير پزشكي تنزل تصوير پزشكي در اثر نويزهاي موجود، يك اثر شديد و مهم روي كيفيت تصوير دارد بنابراين در تشخيص زايده‌هاي پزشكي اثر انحرافي زيادي ايجاد مي‌كند، كه در تشخيص اثرات ناشي از بيماري جهت تشخيص نوع بيماري و درمان آن تأثير بسيار مهمي‌دارد. نويزها بر اثر عوامل مختلفي چون محيط، دستگاهها و غيره ممكن است بوجود بيايد. تعدادي از روشهاي مختلف با استفاده از انواع مختلف فيلترها ساخته شده‌اند تا اين اثرات را كاهش دهند. ما در اين پايان نامه يك راهكار جديد با تركيب فيلتر‌هاي وينر، سريع دوطرفه بر اساس منطق فازي و تجزيه با تبديل موجك ارائه نموديم كه نتيجه پياده سازي اين راهكار منجر به افزايش كيفيت تصوير بعد از حذف نويز و كاهش هزينه شاخص‌هاي نسبت نرخ اوج سيگنال به نويز (PSNR)، شاخص كيفيت تصوير (IQI)، ميانگين خطاي مطلق (MAE) و اندازه شاخص شباهت ساختاري (SSIM) براي فيلتر كردن تصوير نويزي شده است. در اين روش بر اساس منطق فازي و ميزان نرخ شدت نويز در تصوير درصد فازي تعيين مي‌شود و فيلتر‌هاي وينر و سريع دو طرفه بطور مجزا يكبار با پارامترهاي بالا و بار ديگر با پارامترهاي پايين به تصوير نويزي اعمال مي‌شوند حاصل هر كدام دو تصوير مي‌شود و در مرحله سوم تنها فيلتر سريع دوطرفه با پارامتر مياني به تصوير نويزي اعمال مي‌شود، سپس تصاوير توليد شده در هر سه مرحله با استفاده از تبديل موجك تجزيه مي‌شوند و با انتخاب بخشهاي مختلف هر يك از تصاوير تجزيه شده با فركانس‌هاي پايين، مياني و بالايي از هر تصوير و اعمال تبديل موجك معكوس به بخشهاي موجود،عمل تركيب بخشهاي خاص با يكديگر و ايجاد يك تصوير حذف نويز شده بهينه انجام مي‌شود. تصوير نهايي با كيفيت ديداري تصوير بسيار بهتر و شاخص‌هاي هزينه بهينه‌تر نسبت به كارهاي پيشين انجام شده توليد مي‌شود.

Removing noise from an image is still a major problem in image processing. Especially for medical images, the medical depersonalization of existing noise has a strong impact on image quality, Therefore, it detects many diseases causing a lot of deviations., Which is very important in identifying the effects of the disease to diagnose the type of disease and its treatment.. Noise can be caused by various factors such as the environment, devices, and so on. A number of different methods have been developed using different types of filters to reduce these effects. In this thesis, we present a new solution combining fast bilateral and weiner filters based on fuzzy logic and wavelet transform analysis. The result of the implementation of this solution is to increase image quality after noise removal and reduce the Peak Signal to Noise Rate PSNR, Image Quality Index (IQI), Mean Absolute Error (MAE) and Structural Similarity Index (SSIM) To filter the image is sounded. In this method, based on fuzzy logic and the rate of noise intensity in the image of the fuzzy percentage, fast bilateral and weiner filters are separately applied once with high parameters and again applied to the noise image with lower parameters. The result is two images, and in the third stage, only a fast bilateral filter is applied to the intermediate parameter to the image, Then the generated images are decomposed in three steps using the wavelet transform And by selecting the different parts of each of the images decomposed with low, middle, and upper frequencies of each image And applying inverse wavelet transformation to existing sectors, combining special sections together and creating an optimized noise reduction image. The final image produces a much better visual image and cost effective indicators than previous work.