CT image denoising using multivariate model and its method noise thresholding in non-subsampled shearlet domain

剪切波 计算机科学 降噪 噪音(视频) 阈值 多元统计 人工智能 图像(数学) 领域(数学分析) 模式识别(心理学) 计算机视觉 数学 机器学习 数学分析
作者
Manoj Diwakar,Prabhishek Singh
出处
期刊:Biomedical Signal Processing and Control [Elsevier]
卷期号:57: 101754-101754 被引量:62
标识
DOI:10.1016/j.bspc.2019.101754
摘要

In today era, computed tomography (CT) is one of the exceptionally proficient crucial devices in medical science for the clinical reason. The consistent improvement and broad utilization of computed tomography in medical science has uplifted the harmfulness of higher dose to the patient. Low radiation dose may prompt expanded noise and artifacts, which can influence the radiologists' judgment. Therefore, we propose a method based on new shrinkage function in the nonsubsampled shearlet domain (NSST). In the proposed algorithm, method noise on multivariate shrinkage model is utilized viably by using stein's unbiased risk estimate and linear expansion of thresholds (SURE-LET) concept. To verify the execution of the proposed method, the qualitative and quantitative evaluations are performed. The results are evaluated over the both real noisy CT image and by adding Gaussian noise in real CT image and as well as on low complexity zoomed objects of noisy CT images. The results are also tested by some standard execution measurements, for example, PSNR, SSIM, ED, and DIV. The experimental results confirmed that proposed method is giving improved results in most cases.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
周周南完成签到 ,获得积分10
刚刚
拓跋涵易发布了新的文献求助10
1秒前
Bluebubble完成签到,获得积分10
2秒前
啊呜发布了新的文献求助10
2秒前
聪慧寄凡完成签到 ,获得积分10
2秒前
野生菜狗发布了新的文献求助10
3秒前
4秒前
奕初阳发布了新的文献求助10
4秒前
我我我我发布了新的文献求助10
5秒前
轩xuan发布了新的文献求助10
6秒前
6秒前
8秒前
在水一方应助菜籽油采纳,获得10
10秒前
10秒前
10秒前
环糊精发布了新的文献求助10
11秒前
zjq完成签到 ,获得积分10
11秒前
完美世界应助111采纳,获得10
11秒前
lmt发布了新的文献求助10
13秒前
枝念之年发布了新的文献求助10
14秒前
17秒前
17秒前
小蘑菇应助wanfei采纳,获得10
17秒前
英姑应助ZHOUJING采纳,获得10
19秒前
20秒前
香蕉觅云应助nenoaowu采纳,获得10
21秒前
缥缈笑天完成签到 ,获得积分10
23秒前
meetland完成签到,获得积分10
25秒前
XIAXIAXIA发布了新的文献求助10
25秒前
ding应助轩xuan采纳,获得10
25秒前
26秒前
xdy关注了科研通微信公众号
26秒前
26秒前
环糊精完成签到,获得积分20
27秒前
wanfei完成签到,获得积分10
27秒前
共享精神应助111采纳,获得10
29秒前
kcck发布了新的文献求助10
30秒前
30秒前
31秒前
31秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150257
求助须知:如何正确求助?哪些是违规求助? 2801405
关于积分的说明 7844390
捐赠科研通 2458892
什么是DOI,文献DOI怎么找? 1308773
科研通“疑难数据库(出版商)”最低求助积分说明 628562
版权声明 601721