ارائه‌ی یک روش جدید جهت کاهش نویز اسپکل در تصاویر فراصوت پزشکی با استفاده از ترکیب فیلتر میانگین غیر محلی و تبدیل موجک

تصویربرداری فراصوت پزشکی که به علت غیرتهاجمی و کم‌هزینه بودن بسیار استفاده می‌شود، توسط نوعی نویز ضرب شونده که اسپکل نامیده می‌شود، آلوده می‌گردد. تا کنون روش‌های متعددی برای کاهش اثر نویز اسپکل در مقالات مختلف ارائه شده است که به طور کلی به پنج دسته‌ی روش‌های دینامیکی، روش‌های زمان-فرکانسی، روش‌های مدرن، روش‌های هیبریدی و روش‌های مبتنی بر یادگیری ماشین تقسیم می‌گردد. در این مقاله، روش جدیدی که مبتنی بر ترکیب فیلتر میانگین غیرمحلی و تبدیل موجک است، ارائه می‌گردد. تبدیل موجک گسسته (dwt) تصویر را به دو بخش ضرایب تقریب و جزئیات تقسیم می‌کند. در تصاویر دارای نویز، ضرایب جزئیات تصویر به دلیل اثر نویز، کاهش می‌یابد. به همین دلیل با یک آستانه گذاری مناسب اثر نویز بر روی تصویر را کاهش می‌دهیم. فیلتر میانگین غیرمحلی، برخلاف میانگین محلی که به ناحیه‌ی خاصی از تصویر محدود می‌شود، از تمام پیکسل‌های تصویر میانگین می‌گیرد و به آن‌ها بر اساس شباهتشان به یکدیگر، وزنی را اختصاص می‌دهد و نتیجه‌ی حذف نویز آن، باعث افزایش وضوح تصاویر می‌گردد. روش پیشنهادی بر روی تصاویر شبیه‌سازی شده و همچنین تصاویر واقعی اعمال شده و با سایر روش‌های دیگر مقایسه می‌گردد. این مقایسه از چهار طریق مشاهده‌ی عینی، mse، psnr و ssim انجام می‌پذیرد و نتایج نشان می‌دهد که این مقادیر به ترتیب %20/14، %06/2 و %96/3 نسبت به میانگین سایر روش‌ها بهبود یافتند و جزئیات تصویر نیز به خوبی حفظ شدند.

a new method for speckle noise reduction in medical ultrasound images using wavelet and non-local mean filter

medical ultrasound imaging, which is widely used due to its non-invasive nature and low cost, is corrupted by a multiplicative noise called speckle. so far, several methods have been proposed to reduce the effect of speckle noise in various studies, which are generally classified into five categories: dynamic analysis, time-frequency, modern techniques, hybrid techniques, and machine learning-based techniques. in this study, a new method based on the combination of non-local mean filter and wavelet transform has been proposed. discrete wavelet transform (dwt) decomposes image into two parts: approximation and detail coefficients. in noisy images, detail coefficients are reduced due to the noise. for this reason, we suppress the effect of noise with proper thresholding. the non-local mean filter, takes a mean of all pixels in the image, weighted by how similar these pixels are to the target pixel, and the result of its noise removal enhances the contrast of the images. exhaustive experiments are conducted on various images such as simulated and real images and compared with other methods. this comparison was done by three methods, mse, psnr, and ssim, and it is observed that these values are improved by 14.20%, 2.06%, and 3.96%, respectively, compared to the average of other methods, and the image details are also well preserved.