دانلود ترجمه مقاله مات زدایی تصویر MRI با روش‌های دکانولوشن کور و غیرکور

1. مقدمه 2. روش‌های مات‌زدایی تصویر 3. نتیجه شبیه‌سازی و بحث و بررسی 4. نتیجه‌گیری

چکیده – برای تحلیل موثر و تشخیص تصاویر پزشکی، مات زدایی تصویر یک گام اساسی است. تصاویر پزشکی موقع عکس برداری، معمولاً در اثر نویز و ماتی خراب می شوند. این مقاله با هدف بهبود وضوح و کیفیت MRI( تصویر رزونانس مغناطیسی ) تار و نویزی ناشی از دلایل مختلفی از قبیل تار شدن گاوسی ، تاری خارج از فوکوس ، اثرات حرکتی ، آشفتگی جوی و غیره انجام می شود. چندین روش برای حذف نویز و رفع ماتی تصویر در دسترس است اما آنها منحصر بفرد نیستند. در این کار، دکانولوشن کور و غیرکور مورد استفاده قرار گرفته تا تصویر اصلی خراب نشده را بازگرداند. الگوریتم‌های دکانولوشن هم از لحاظ نظری و هم از لحاظ تجربی برای مات زدایی تصاویر MRI مورد تحلیل قرار گرفته اند. ارزیابی عملکرد با استفاده از اوج نسبت سیگنال به نویز(PSNR)، سیگنال به نویز(SNR) و خطای میانگین مربعات(MSE) بر روی اصول کلیه پارامترهای ذکر شده فوق انجام شده که استنباط می شود، الگوریتم دکانولوشن کور نتیجه دقیق‌تری از نظر تحلیلی و تجربی ایجاد می‌کند.

For effectual analysis and diagnosis of medical images, image deblurring is the essential step. While acquiring, medical images usually get corrupted by noise and blur. The paper aims to improve the clarity and quality of blurred and noisy MRI (Magnetic Resonance Image) due to various causes such as Gaussian blurring, out of focus blur, motion artifacts, turbulence, and etc. Several procedures are available for denoising and deblurring image, but they lack uniqueness. Blind and non-blind deconvolution is utilized in this work to restore the original uncorrupted image. Deconvolution algorithms are analyzed both theoretically and experimentally for deblurring of MRI images. The performance evaluation is conducted using PSNR (Peak Signal to Noise Ratio), SNR (Signal to Noise Ratio) and MSE (Mean Square Error) on the basics of all the above mentioned parameters it was inferred that blind deconvolution algorithm produced more accurate result both analytically and experimentally.