31239

كاربرد تبديل موجك براي تحليل و حذف نويز تصاوير پزشكي

ارشد

رياضي كاربردي گرايش آناليز عددي

1401

1403/06/26

دكتر سيده محبوبه مولوي عربشاهي

ندارم.

رياضي و علوم كامپيوتر

تصاوير پزشكي به عنوان ابزاري قدرتمند در تشخيص بيماري‌ها، نقش حياتي ايفا مي‌كنند. اين تصاوير، اگرچه حاوي اطلاعات ارزشمندي هستند، اما معمولاً تحت تأثير نويز قرار مي‌گيرند. براي تشخيص دقيق بيماري‌ها با استفاده از تصاوير پزشكي، حذف نويز از اين تصاوير امري ضروري است. نويز موجود در تصاوير، مي‌تواند اطلاعات مهم را پنهان كرده و تشخيص بيماري‌ها را با خطا مواجه سازد. به همين دليل، محققان به دنبال روش‌هاي مؤثري براي حذف نويز از تصاوير پزشكي هستند. تبديل موجك، به عنوان يك ابزار قدرتمند در پردازش تصاوير، نقش كليدي در حذف نويز از تصاوير پزشكي ايفا مي‌كند. اين روش با تجزيه تصاوير به مقياس‌هاي مختلف، امكان شناسايي و حذف مؤلفه‌هاي نويزي را فراهم كرده و به پزشكان كمك مي‌كند تا با دقت بيشتري بيماري‌ها را تشخيص دهند. اين تحقيق به بررسي كارايي الگوريتم آستانه‌گذاري نرم براي حذف نويز از تصاوير پزشكي مي‌پردازد، به‌ويژه تصاويري كه تحت تأثير نويز گاوسي و نويز نمك و فلفل قرار گرفته‌اند.

1403/07/10

The application of wavelet transform for analyzing and denoising medical images

9/16/2025 12:00:00 AM

Medical imaging plays a crucial role as a powerful tool in the diagnosis of diseases. Although these images contain valuable information, they are often affected by noise. To accurately diagnose diseases using medical images, it is essential to eliminate noise from these images. The noise present in the images can obscure critical information and lead to errors in diagnosing diseases. Therefore, researchers are continuously seeking effective methods for denoising medical images. Implementing an efficient denoising technique is of paramount importance to prevent the degradation of data quality. Wavelet transform, as a powerful tool in image processing, plays a key role in denoising medical images. This method decomposes images into different scales, allowing the identification and removal of noise components, thereby aiding physicians in diagnosing diseases with greater accuracy. This research examines the efficiency of the soft thresholding algorithm for noise removal from medical images, particularly those affected by Gaussian noise and salt-and-pepper noise.

آستانه گذاري , حذف نويز , پردازش تصاوير , تبديل موجك

Wavelet Transform , Denoise , Image Processing , Thresholding

Bahareh Moradi

Dr. Mahboubeh Molavi-Arabshahi