×
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。