Geri Dön

De-noising of medical images using image fusion

Görüntü füzyonu kullanarak tıbbi görüntülerden gürültü arındırma

  1. Tez No: 672213
  2. Yazar: OMER SUBHI SIDDIK SIDDIK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ERHAN GÖKÇAY
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 107

Özet

Görüntü füzyonu birçok erişilebilir görüntüden birinci kalite görüntü alma sistemidir. En önemli yöntem yüksek geçirim filtreleme yöntemidir. Daha sonraki yöntemler Dual-Tree Complex DWT (DTCWT), tek-tip rasyonel filtre bankası ve piramit teknikleri üzerine kuruludur. Bu tez çalışması, sefalometrik röntgen görüntülerinde Gaussian ve Poisson gürültü arındırma yöntemleri üzerinden görüntü birleştirme konusunu ele almaktadır. Görüntünün iletilmesi ve toplanması esnasında hedefsiz haberleşme ve ekipman yetersizliği gibi nedenlerden ötürü dijital görüntü uygulamaları hata vermektedir. Korumasız iletim nedeni ile zarar görmüş görüntüler farklı sensörler aracılığı ile tespit edilir. Gürültü arındırma işlemi sonrasında elde edilen görüntüler, yüksek kalite çözünürlüğe sahip tek bir görüntü elde etmek için birbirleri ile birleştirilirler. Tek bir nihai görüntü elde etmek için iki veya daha fazla görüntünün birleştirilmesi işlemine görüntü füzyonu denilir. Bu tezde farklı görüntü füzyon algoritmaları ve (Gaussian ve Poisson) gürültü filtreleri kullanıldı. 4. bölümde yer alan metodoloji ve sonuç kısmı yirmi bir yöntemden oluşmaktadır. Bu yöntemlerden ilk on üç tanesi bu tez çalışması ile alakalı olan görüntü güçlendirme yöntemlerini içermektedir ve yine bu yöntemler tarafımızca önerilen gürültü arındırma işleminde kullanılmıştır. Bu yöntemler şu şekilde sunulmuştur: Görüntü gürültü arındırma işlemimde ilk sekiz yöntem eşikleme ve küçültme yöntemleri kullanılarak sunulmuş, sonrasında iki adet filtre yöntemi görüntü filtreleme de sunulmuş ve son olarak da üç yöntem füzyon yöntemlerinde kullanılmıştır. Son sekiz yöntem çok sayıda aşamadan oluşmaktadır ve bu aşamaların her biri önceden test edilmiş olan en iyi sonuçlar ele alınarak gerçekleştirilmiştir. Bu tez çalışmasında,“Dual-Tree Complex Discrete Wavelet Transform”olarak adlandırılan çok sensörlü dönüşüm bazlı füzyon teknolojileri ile birlikte elde edilen 400 sefalometrik röntgen görüntülerini kullanan farklı yöntemler kullanılmıştır. Sinyal,“Dual-Tree Complex Discrete Wavelet Transform”kullanılarak farklı frekans alt bantlarına ayrıştırılmıştır. Düşük frekanslı alt bantlardan gürültüyü arındırmak için iki yanlı filtreleme yöntemi kullanılmış, yüksek frekanslı alt bantlar için ise“Bivariate Shrinkage”dalgacık eşiklemesi kullanılmıştır. Gürültüden arındırılmış alt bantlar, dalgacık dönüşüm füzyon kuralı esas alınarak birleştirilmiştir. Test sonuçları bu birleştirme algoritmalarının yüksek kaliteli bir görüntü ortaya çıkardığını göstermektedir.

Özet (Çeviri)

Multi-sensor data fusion becomes control to which an ever-increasing number of general conventional answers for a few application cases that requested. Image Fusion is not unlike a system of delivering the main quality image from many accessible images. The most important method is the high-pass filtering method. Later methods are based on Dual-Tree Complex DWT (DTCWT), uniform rational filter bank, and pyramidal techniques. This thesis focuses on image fusion based on Gaussian and Poisson noise removal techniques in cephalometric X-ray images. The digital image applications during the transmission and gathering of the image are tainted from the unbound communication directs and shortcomings in equipment. The different sensors detect the image get damaged with the noise because of unsecured transmission. The resultant images from the denoising procedures will be merged with each other to obtain a resultant image of high-quality resolution. The procedures of merging two or more images to obtain one single image are described as image fusion. The various image fusion algorithm sand (Gaussian and Poisson) noise filter in this thesis were survived. The methodology and results section in chapter four consists of twenty-one methods. The first thirteen methods present the image enhancement methods that have related to our thesis and these methods are used in the steps of our proposed denoising procedure. These methods are presented as follows: The first eight methods were presented the image de-noising using thresholding and Shrinkage methods, then two methods of filters in image filtering, finally three methods of fusing methods. The last eight methods are consisting of several stages, and each stage of these stages was produced from the best pre-tested method results. This thesis presents multi-sensor transform based fusion techniques, namely the Dual-Tree Complex Discrete Wavelet Transform and other transforms that are proposed as different models that utilized to the resultant of 400 cephalometric X-ray images. The signal is decomposed into its different frequency sub-bands using the Dual-Tree Complex wavelet transform. The Bilateral filtering method is used to remove the noise of the low approximation sub-bands of both images followed by Bivariate Shrinkage wavelet thresholding being utilized on the high-frequency sub-bands. The de-noised sub-bands are fused using the wavelet transform fusion rule. Trial results show that these fusion algorithms create a high-quality image contrasted with a high-quality de-noised image.

Benzer Tezler

  1. Robust adaptive learning approach of artificial neural networks

    Yapay sinir ağları için sağlam adaptif öğrenme yaklaşımı

    ALAA ALI HAMEED HAMEED

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BARIŞ KOÇER

  2. Denetimsiz derin öğrenme kullanılarak dijital meme tomosentezi görüntülerinde gürültünün giderilmesi

    Unsupervised denoising of digital breast tomosynthesis images using deep learning

    OSMAN ALPCAN ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

  3. Medikal görüntülerin çoklu çözünürlük metotları ile analizi

    Analysis of medical images with multi-resolution methods

    HÜSEYİN YAŞAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. MURAT CEYLAN

  4. Noise removal from the image using convolutional neural networks-based denoising auto encoder

    Görüntüden gürültünün kaldırılması: Konvolüsyonel sinir ağları tabanlı gürültü azaltıcı otokodlayıcı

    YOUNUS FAROOQ FAEQ CHAWARASH

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERKAN SAVAŞ

  5. Ultrason görüntülerinin derin öğrenme yöntemiyle iyileştirilmesi

    Enhancement of ultrasound images by deep learning

    ONUR KARAOĞLU

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İHSAN ULUER