view in publisher's site

Maximum accurate medical image demosaicing using WRGB based Newton Gregory interpolation method

Highlights•WRGB based newton Gregory interpolation technique is proposed for demosaicing process.•CPSNR is calculated for NIH and UPOL medical images.•A case study of UPOL database images gives MSE value as very low and average MSE value will be 13.32.AbstractColor image demosaicing is an important image processing technique for obtaining high quality image. This operation is complicated for digital camera, since it converts a Bayer mosaic image to a full color image, which estimates the output image quality of the camera. Nowadays, many techniques are developed to reduce the size and weight of electronic gadgets. In this way, to reduce the size of camera Color Filter Array is used which has only one sensor for three primary colors (Red, Green and Blue). So many demosaicing techniques are developed which reconstruct the full color image from the incomplete color samples in CFA. But till today there is no demosaicing algorithm for medical image re-construction is available in existing literature. In this paper a hybrid medical image demosaicing technique is developed for obtaining better image quality, higher sensitivity as well as higher resolution for high quality medical diagnosis. To improve the medical image quality, Newton Gregory Interpolation is used. This technique mainly focused on Green channel and produce interpolated Red, Green and Blue channels and for enhancing the sensitivity and resolution, updating White channel texture component with RGB channels. In post processing Cross Multilateral Filter is used which decomposes the smoothness component from the texture component. The proposed newton Gregory interpolation based medical image Demosaicing achieves 42.31 db for brain database of NIH and 39.52 db for Iris database of UPOL.

حداکثر تصویر پزشکی دقیق با استفاده از روش interpolation نیوتن بر پایه روش درون‌یابی استفاده شده‌است.

نکات مهم: روش درون یابی نیوتن گرگوری based برای فرآیند demosaicing پیشنهاد شده‌است. * برای تصاویر پزشکی NIH و UPOL محاسبه شده‌است. مطالعه موردی تصاویر پایگاه‌داده UPOL به خود توانی حافظه خود را به همان اندازه کم و متوسط خود توانی حافظه می‌دهد که value یک تکنیک پردازش تصویر مهم برای گرفتن تصویر با کیفیت بالا است. این عملیات برای دوربین دیجیتال پیچیده است، چون تصویر موزاییک بایر را به یک تصویر رنگ کامل تبدیل می‌کند که کیفیت تصویر خروجی دوربین را تخمین می‌زند. امروزه، بسیاری از روش‌ها برای کاهش اندازه و وزن ابزار الکترونیکی طراحی شده‌اند. به این ترتیب، برای کاهش اندازه آرایه فیلتر رنگ دوربین مورد استفاده قرار می‌گیرد که تنها یک سنسور برای سه رنگ اصلی دارد (قرمز، سبز و آبی). بنابراین بسیاری از تکنیک‌های demosaicing توسعه داده می‌شوند که تصویر رنگ کامل از نمونه‌های رنگ ناقص در CFA را بازسازی می‌کنند. اما تا امروز هیچ الگوریتم demosaicing برای ساخت مجدد تصویر پزشکی وجود ندارد که در ادبیات موجود در دسترس باشد. در این مقاله یک تکنیک demosaicing تصویر پزشکی ترکیبی برای به دست آوردن کیفیت تصویر بهتر، حساسیت بالاتر و همچنین وضوح بالاتر برای تشخیص پزشکی با کیفیت بالا توسعه داده می‌شود. برای بهبود کیفیت تصویر پزشکی، از نیوتن گرگوری Interpolation استفاده می‌شود. این تکنیک عمدتا بر روی کانال سبز متمرکز بوده و از کانال‌های قرمز، سبز و آبی و برای افزایش حساسیت و وضوح، به روز رسانی جز بافت سفید کانال با کانال‌های RGB استفاده می‌کند. در پردازش بعد از پردازش، فیلتر چندجانبه به کار می‌رود که مولفه هموارسازی را از مولفه بافت تجزیه می‌کند. روش درمانی گری نیوتن گرگوری proposed مبتنی بر interpolation Demosaicing db برای پایگاه‌داده‌های مغز of و ۳۹.۵۲ for برای پایگاه‌داده Iris UPOL به دست می‌آید.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.