جبران ماتي تصاوير اولتراسوند با استفاده از الگوريتم تكراري گراديان و بهبود كيفيت به‌وسيله پنجره تطبيقي و الگوريتم كاهش اغتشاش در حوزه ويولت مختلط

جبران ماتي تصاوير اولتراسوند با استفاده از الگوريتم تكراري گراديان و بهبود كيفيت به‌وسيله پنجره تطبيقي و الگوريتم كاهش اغتشاش در حوزه ويولت مختلط

در اين مقاله چگونگي بهبود محوشدگي تصاوير اولتراسوند با استفاده از الگوريتمي تكراري مبتني بر تخمين اوليه داده‌هاي تميز و تابع محوشدگي بر اساس روش كمينه كردن گراديان خطا (روش نيوتن) و ارتقاي كيفيت اين تخمين‌ها با استفاده از روش‌هاي كاهش اغتشاش مناسب ارايه شده است. بر اين اساس با تعريف تابع خطاي مناسب، تخمين اوليه موجب حفظ لبه‌هاي تصوير مي‌شود و سپس تخمين اوليه تابع محوشدگي بر اساس روش كاهش تطبيقي اغتشاش كه براي هر پيكسل پنجره محلي و غيرهمسانگرد با شكل متناسب انتخاب مي‌كند، بهبود مي‌يابد. همچنين تخمين اوليه داده‌هاي تميز با استفاده از روش كاهش اغتشاش مبتني بر تيوري بيز در حوزه ويولت مختلط ارتقاي مي‌يابد. استفاده از روش‌هاي كاهش اغتشاش مذكور مانع از ايجاد آرتيفكت‌هاي بصري در محل‌هاي هموار تصاوير و همچنين محوشدگي لبه‌هاي اصلي تصاوير مي‌شود. نتايج شبيه‌سازي‌هاي صورت گرفته حاكي از موفقيت قابل توجه اين روش در عمليات حذف محوشدگي در مقايسه با ديگر روش‌هاي ارايه شده در سال‌هاي اخير دارد.

In this paper, ultrasonic images are initially deblurred using Gradient method and then the estimations of image and point spread function (PSF) are improved using denoising techniques. For this reason, at first a criterion with appropriate regularizers (that results in preservation of the edges) is defined for the iterative Gradient method, then the estimation of PSF is improved using a denoising technique based on using an anisotropic window around each pixel. The initial estimation of image is also improved using a denoising method in complex wavelet domain that proposes maximum a posteriori (MAP) estimator and local Laplacian prior density function. Using these denoising methods on top of Gradient method causes that our algorithm reduces the visual artifacts and preserves the edges in the deblurred images. Our simulations show that the proposed method in this paper outperforms other methods visually and quantitatively.