阿普尔巴·罗伊;Maity,Santi P。 基于曲线的CS重建MR图像和基于GA的模糊条件熵最大化分割。 (英语) Zbl 1407.94023号 国际小波多分辨率。信息处理。 17,第1号,文章ID 1950003,27 p.(2019)。 小结:在许多实际情况下,磁共振成像(MRI)需要在低测量值下重建图像,远低于奈奎斯特速率,因为传感过程可能非常昂贵且速度慢,因此只能测量几次系数。由于MR图像固有的复杂特性,分割这些亚采样重建MR图像以用于医学分析和诊断成为一项具有挑战性的任务。本文考虑在压缩采样(或压缩感知(CS))范式下重建MR图像,然后在集成平台中对其进行分割。图像重建是在不完全测量空间中通过随机噪声注入迭代完成的。对未观测空间进行加权线性预测,然后通过自适应递归滤波进行空域去噪。然而,重建图像存在边缘、边界、直线、曲率等不精确和/或缺失以及残余噪声。Curvelet变换(CT)专门用于去除噪声和通过硬阈值和抑制近似子带进行边缘增强。然后,利用遗传算法(GA)对锐化MR图像进行模糊熵聚类分割。大量的仿真结果表明,与现有的工作相比,图像重建和重建图像分割的性能都有所提高,并且相对增益也有所提高。 MSC公司: 94A08型 信息和通信理论中的图像处理(压缩、重建等) 68单位10 图像处理的计算方法 94D05型 模糊集和逻辑(与信息、通信或电路理论有关) 关键词:MR图像;分段;压缩感知;曲波变换;模糊条件熵;遗传算法 PDF格式BibTeX公司 XML格式引用 \textit{A.Roy}和\textit{S.P.Maity},《国际小波多分辨率》。信息处理。17,第1号,文章ID 1950003,27 p.(2019;Zbl 1407.94023) 全文: 内政部 参考文献: [1] Acharyya,M.和Kundu,M.K.,《使用小波框架进行纹理分割的噪声容忍、灰度变换和旋转不变特征提取》,《国际小波多分辨率》。Inf.Process.6(2008)391-417·Zbl 1145.68498号 [2] Bara,S.、Maia,H.、Kerroum,M.、Hammouch,A.和Aboutajdine,D.,通过水平集方法进行图像滤波、去噪和分割:医学图像MRI的应用,Proc。国际复杂系统委员会(ICCS)(IEEE,2012),第1-6页。 [3] Bezdek,J.C.,《医学图像分割:方法和软件》,计算机。《地质学》第10(2-3)(1984)191-203页。 [4] Buxton,R.,《功能磁共振成像原理与技术导论》(英国剑桥大学,2003年)。 [5] Candes,E.,Romberg,J.和Tao,T.,《鲁棒不确定性原理:基于高度不完整频率信息的精确信号重建》,IEEE Trans。信息神学52(2)(2006)489-509·Zbl 1231.94017号 [6] E.Candes和M.Wakin,压缩采样简介,IEEE信号处理。美格。25(2) (2008) 21-30. [7] Chen,X.W.,Yu,G.L.和Gong,J.B.,Contourlet-1.3纹理图像检索系统,收录于Proc。国际会议小波分析和模式识别(ICWAPR)(IEEE,2010),第49-54页。 [8] Chitaliya,N.和Trivedi,A.,《使用快速离散曲线变换(通过包裹)和离散轮廓变换进行特征提取和识别的对比分析》,见Proc。《智能系统和信号处理(ISSP)国际会议》(IEEE,2013),第154-159页。 [9] Dibal,P.Y.、Onwuka,E.N.、Agajo,J.和Alenoghena,C.O.,《使用希尔伯特变换的增强离散小波包子带频率边缘检测》,《国际小波多分辨率》。信息处理16(01)(2018)1850009-1-1850009-19·Zbl 1382.42021号 [10] Ding,Y.,Ying,L.,Zhang,N.和Liang,D.,使用压缩感知进行MR脑重建的噪声行为,收录于Proc。第35届国际电气与电子工程师协会医学与生物学会工程年会(EMBC)(IEEE,2013年),第5155-5158页。 [11] Donoho,D.,压缩传感,IEEE Trans。《Inf.Theory》52(4)(2006)1289-1306·Zbl 1288.94016号 [12] Egiazarian,K.、Foi,A.和Katkovnik,V.,通过递归空间自适应滤波进行压缩传感图像重建,见Proc。IEEE国际会议图像处理(ICIP)1(IEEE,2007),第549-552页。 [13] Gao,L.,Wang,G.和Liu,J.,基于边缘检测和多小波融合预阈值维纳滤波的图像去噪,国际小波多分辨率。《信息处理》13(5)(2015)15页·Zbl 1326.42041号 [14] Gonzales,R.C.和Woods,R.E.,《数字图像处理》,第3版。(普伦蒂斯·霍尔,2009)。 [15] Gnther,M.,从gabor图重建图像及其在面部图像处理中的应用,《国际小波多分辨率》。Inf.Process.13(4)(2015)25页·Zbl 1341.68176号 [16] Il,K.K.,Hwan,R.U.和Pil,C.B.,《用于降低环境噪声的小波去噪的合适阈值方法》,《国际小波多分辨率》。信息处理16(03)(2018)1850012-1-1850012-16·Zbl 1390.42049号 [17] Ji,Z.、Xia,Y.、Sun,Q.、Chen,Q.,Xia,D.和Feng,D.,脑磁共振图像分割的模糊局部高斯混合模型,IEEE Trans。技术信息。《生物识别》.16(3)(2012)339-347。 [18] Jia,S.,Deng,B.和Huang,Q.,一种高效的基于超像素的高光谱图像分类稀疏表示框架,国际小波多分辨率。《信息流程》15(06)(2017)1750061-11750061-14·Zbl 1386.68206号 [19] Kim,S.和Lim,H.,医学图像的混合水平集分割,Proc。IEEE核科学交响乐团。Conf.Record,第3卷(IEEE,2005),第5页。 [20] Kong,P.J.,Wang,J.,Lu,Y.,Zhang,J.、Li,Y.and Zhang、B.,MRI脑图像分割的新方法,IEEE地中海电工会议(MELECON)(IEEE,2006),第525-528页。 [21] Koonsanit,K.,Thongvigitmanee,S.,Ponnapang,N.和Thajchayapong,P.,使用N-CLAHE对数字x射线图像进行图像增强,2017第十届生物医学工程国际会议(BMEiCON)(IEEE,2017),第1-4页。 [22] Kuo,W.,Lin,C.和Sun,Y.,《使用统计比率的脑MR图像分割:分水岭和竞争性hopfield聚类网络算法之间的映射》,Proc。生物医学中的计算机方法和程序(Elsevier,2008),第191-198页。 [23] Lakshmi,G.和Suruliandi,A.,MRI脑图像中的解剖结构分割,Proc。《电气和计算机技术国际会议新兴趋势》(ICETECT)(IEEE,2011年),第786-791页。 [24] Leung,H.Y.,Cheng,L.M.和Cheng,L L.L.,使用选择性曲线系数的鲁棒水印方案,《国际小波多分辨率》。《信息处理》第7期(2009年)第163-181页·兹比尔1170.65339 [25] Maity,S.P.、Delpha,C.和Boyer,R.,压缩数据上的水印,集成整数小波中的卷积编码,国际小波多分辨率。Inf.Process.10(6)(2012)27页·Zbl 1264.94022号 [26] Maity,S.P.和Kundu,M.K.,《使用小波的扩频图像水印性能改进》,《国际小波多分辨率》。《信息处理》9(1)(2011)1-33·兹比尔1208.94060 [27] Maity,S.P.,Phadikar,A.和Kundu,M.K.,基于二元树复小波中QIM数据隐藏的图像错误隐藏,国际小波多分辨率。Inf.Process.10(2)(2012)30页·Zbl 1248.68536号 [28] Muckley,M.和Fessler,J.,通过位移-变量收缩利用正交小波正则化进行快速MR图像重建,见Proc。IEEE国际会议图像处理(ICIP)(IEEE,2014),第3651-3655页。 [29] Robbins,H.和Monro,S.,《随机近似方法》,《数学统计年鉴》22(3)(1951)400-407·Zbl 0054.05901号 [30] Roohi,S.、Zamani,J.、Noorhosseni,M.和Rahmati,M.,《使用压缩传感的超分辨率MRI图像》,收录于Proc。第20届伊朗电气工程会议(ICEE)(IEEE,2012),第1618-1622页。 [31] Saha,I.、Maulik,U.、Bandyopadhyay,S.和Plewczynski,D.,《用于MRI脑图像分割的Real-coded差分-清晰聚类》,收录于Proc。IEEE会议。进化计算(CEC)(IEEE,2010),第1-8页。 [32] Shah,F.A.,p-adic场上小波包的构造,国际小波多分辨率杂志。Inf.过程07(05)(2009)553-565·Zbl 1175.42002号 [33] Shah,P.、Merchant,S.N.和Desai,U.B.,《使用曲线、小波和小波包变换在红外和可见波段融合监视图像》,《国际小波多分辨率》。《信息处理》8(2)(2010)271-292·Zbl 1186.94015号 [34] Si,T.,De,A.和Bhattacharjee,A.K.,使用文法群通过熵最大化进行肿瘤检测的脑MRI分割,《国际小波多分辨率》。《信息处理》13(5)(2015)32页·Zbl 1325.65191号 [35] Taghizadeh,M.和Hajipoor,M.,基于边缘检测的MRI图像分割混合算法,Proc。国际标准化组织软计算和模式识别(SoCPaR)(IEEE,2011年),第107-111页。 [36] Tao,W.B.,Tian,J.W.和Liu,J.,基于最大模糊熵和遗传算法的三级阈值图像分割,模式识别。Lett.24(16)(2003)3069-3078。 [37] Tropp,J.、Wakin,M.、Duarte,M.,Baron,D.和Baraniuk,R.,《压缩取样和重建的随机过滤器》,摘自Proc。IEEE国际协调声学、语音和信号处理,ICASSP,第3卷(IEEE,2006年),第III-872-III-875页。 [38] D.Withey和Z.Koles,《医学图像分割:方法和软件》,Proc。第六国际交响乐团联席会议。脑和心脏的无创功能源成像和国际功能生物医学成像会议(NFSI-ICFBI)(IEEE,2007),第140-143页。 [39] Yang,Y.,Liu,F.,Xu,W.和Crozier,S.,通过两阶段重建的压缩传感MRI,IEEE Trans。生物识别。工程62(1)(2015)110-118。 [40] You,X.,Du,L.,Cheung,Y.Ming和Chen,Q.,一种使用新的非传感器产品小波滤波器组的盲水印方案,IEEE Trans。图像处理.19(12)(2010)3271-3284·Zbl 1371.94442号 [41] Zaied,M.、Said,S.、Jemai,O.和Amar,C.B.,《基于快速学习算法和小波网络理论的人脸识别新方法》,《国际小波多分辨率》。《信息处理》9(6)(2011)923-945·Zbl 1242.68278号 [42] Zhao,D.,Du,H.和Mei,W.,基于非均匀FFD运动补偿参考的压缩传感MR图像重建,在Proc。IEEE国际Conf.信号处理、通信和计算(ICSPCC)(IEEE,2013年),第1-5页。 [43] Zhao,M.,Fu,A.和Yan,H.,基于概率分割和模糊三分割的三级阈值技术,IEEE Trans。模糊系统9(3)(2001)469-479。 [44] Zhiyu,Z.,Xiaodan,Z.和Zuolong,基于快速离散曲线变换的SAR图像处理,Proc。信息技术与应用国际论坛(IFITA),第3卷(IEEE,2009年),第28-31页。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。