@article { author = {Rafiei, Ali and Moradi, Mohammad Hasan and Farzaneh, Mohammad Reza}, title = {Speckle Noise Removal By Genetic Neuro-Fuzzy System In Sonography Images}, journal = {Iranian Journal of Biomedical Engineering}, volume = {1}, number = {2}, pages = {83-93}, year = {2007}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2007.13488}, abstract = {A new filter was designed and approved for speckle noise removal in sonography images. In this filter, a new idea is used by using neural network learning, fuzzy information and genetic algorithm optimization. The multi-layer perceptron neural network with binary weights is used in this filter. The neighborhood window of each pixel is used as input statistical features to estimate the noise level. Then it is fuzzificated and justified by simple fuzzy rules. The membership function width and network weights are optimized by on-line genetic algorithm. The on-line algorithm contains one individual, defined as a queen. In this algorithm, the next generation is created by using only the mutation operator. The performance of this filter was compared with the other speckle noise reduction techniques such as the median and homomorphic Wiener filters. Indeed, our proposed method is able to effectively remove speckle noises while preserving the quality of fine details in the image data better than the other methods. In this system, two classic and on-line GAs are used. The classic algorithm includes 50 strings. The results showed that both of the algorithms are the same in terms of noise reduction but the classic one is slower than the other one.}, keywords = {Speckle Noise,Neuro-Fuzzy System,On-Line Genetic Algorithm,Classic Genetic Algorithm,Sonography Images}, title_fa = {حذف نویز لکه ای از تصاویر سونوگرافی به کمک سیستم بر خط فازی عصبی ژنتیک}, abstract_fa = {در این تحقیق فیلتر جدیدی برای حذف نویزهای لکه ای از تصاویر سونوگرافی طراحی شده است. فیلتر طراحی شده فیلتری با قابلیت های یادگیری شبکه های عصبی، تطبیق اطلاعات با قالب فازی و بهینه شدن متغیرها بر اساس الگوریتم ژنتیک تک عضوی است. شبکه عصبی به کار رفته یک شبکه چهار لایه رو به جلو با وزن های باینری است. ورودی در پنجره ای از همسایگی های پیکسل مورد پردازش فازی شده و به کمک قواعد ساده فازی مناسب آن اصلاح می شود. پهنای توابع عضویت و وزن های شبکه متغیرهایی اند که توسط الگوریتم ژنتیک بر خط (با یک عضو) و فقط با استفاده از عملگر جهش بهینه می شوند. نتایج به دست آمده نشان می دهد که این فیلتر سریع و هوشمند نسبت به فیلترهای استاندارد مانند میانه و وینر قدرت حذف نویز بالاتری دارد. همچنین با مقایسه این فیلتر با فیلتر فازی عصبی با الگوریتم یادگیری ژنتیک با 50 عضو جمعیت مشاهده شد که قابلیت کاهش نویز در هر دو نوع فیلتر مشابه بوده است هر چند سرعت یادگیری در فیلتر طراحی شده بسیار بیشتر است.}, keywords_fa = {نویز لکه ای,سیستم فازی عصبی,الگوریتم ژنتیک برخط,الگوریتم ژنتیک کلاسیک,تصاویر سونوگرافی}, url = {https://www.ijbme.org/article_13488.html}, eprint = {https://www.ijbme.org/article_13488_e1ffeb934842dc796d91893070a680c7.pdf} }