نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه امیرکیبر

2 گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

3 گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه امیرکبیر

10.22041/ijbme.2019.90330.1377

چکیده

حذف نویز یکی از مهم‌ترین مراحل در پردازش تصاویر دیجیتال است. امروزه از تصاویر سی‌تی با اشعه‌ی مخروطی به صورت گسترده در تصویربرداری از ناحیه‌ی فک و صورت استفاده می‌شود. این تصاویر به دلیل الگوریتم بازسازی متفاوت و اعمال دوز بسیار کمتر در مقایسه با سی‌تی، دارای نویز و آرتیفکت‌های مختلف هستند. از همین رو، استفاده از روش‌های کاهش نویز در این تصاویر برای افزایش نسبت سیگنال به نویز در آن‌ها، ضروری است. در این مقاله از روش تحلیل مولفه‌های مستقل (ICA) به منظور جداسازی نویز از تصاویر سی‌تی با اشعه‌ی مخروطی استفاده و سه الگوریتم مختلف NG-FICA، ERICA و FastICA مورد بررسی قرار گرفته است. همچنین از دو روش قدرتمند کاهش نویز دیگر آستانه‌گذاری تبدیل موجک گسسته دوبعدی و فیلتر انتشار ناهمسانگرد بهینه، برای مقایسه‌ی نتایج استفاده شده است. روش پیشنهادی بر روی 12 تصویر مختلف در حضور دو نویز گوسی و اسپکل بررسی و نتایج با استفاده از معیارهای زمان پردازش، PSNR، MSE و SSIM ارزیابی شده‌اند. بررسی نتایج نشان‌ دهنده‌ی برتری روش‌های ICA در جداسازی نویز از تصاویر سی‌تی با اشعه‌ی مخروطی نسبت به روش‌های دیگر حذف نویز است که در بین سه الگوریتم‌های مورد بررسی، الگوریتم NG-FICA از نظر زمانی،حفظ کیفیت تصویر و کاهش نویز، عملکرد بهتری دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Noise Reduction in Cone Beam Computed Tomography Images using Independent Component Analysis

نویسندگان [English]

  • Saeid Shakeri 1
  • Farshad Almasganj 2
  • Farnaz Ghassemi 3

1 Amirkabir University of Technology,Tehran,Iran

2 Amirkabir university

3 Amirkabir University

چکیده [English]

Noise removal is one of the most important steps in digital image processing. Cone beam computed tomography (CBCT) is increasingly utilized in maxillofacial and dental imaging. Compared to conventional CT, CBCT images have diffrent noise and artifacts due to much less applied dose and their reconstruction algorithm. Therefore, the use of noise reduction techniques in these images is necessary to increase the signal-to-noise ratio. In this paper, the independent component analysis (ICA) method has been used to seperate noise from CBCT images and three different ICA algorithms, NG-FICA, ERICA and FastICA were investigated. In addition, two powerful noise reduction method, 2D discrete wavelet thresholding and optimized anisotropic diffusion filter is used to evaluate the results. Our proposed method has been validated on 12 different images in the presence of Gaussian and Spectral noise and the results are evaluated using processing time criteria, PSNR, MSE and SSIM. The results show that the ICA methods have advantage in noise reduction from CBCT images compared to the other noise reduction methods and among the three studied ICA algorithms, the NG-FICA algorithm has better performance in terms of processing time, preserving image quality and noise reduction.

کلیدواژه‌ها [English]

  • Noise reduction
  • CBCT image
  • Independent component analysis
  • Wavelet thresholding
  • Anisotropic diffusion filter