Luận văn: Ứng dụng khuếch tán giảm nhiễu đốm ảnh trong y học - Đỗ Thị Thu Hiền

Luận văn thạc sĩ nghiên cứu ứng dụng quá trình khuếch tán để giảm nhiễu đốm ảnh y học, giúp tăng độ chính xác và chất lượng hình ảnh.

Chuyên ngành

Khoa học máy tính

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ

2020

74
1
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH

DANH MỤC CÁC TỪ VIẾT TẮT

MỞ ĐẦU

1. CHƯƠNG 1: NHIỄU ĐỐM VÀ KHỬ NHIỄU ĐỐM

1.1. Nhiễu trong ảnh

1.2. Khái niệm nhiễu đốm, đặc điểm [8],[12]

1.3. Khó khăn khi khử nhiễu đốm

1.4. Khử nhiễu đốm

1.4.1. Các phương pháp khử nhiễu đốm hiện nay [12], [15],[26]

1.4.2. Những vấn đề còn tồn tại hiện nay khi khử nhiễu đốm

1.5. Một số chỉ tiêu đánh giá xử lý ảnh thường dùng

1.6. KẾT LUẬN CHƯƠNG 1

2. CHƯƠNG 2: ỨNG DỤNG QUÁ TRÌNH KHUẾCH TÁN TRONG XỬ LÝ ẢNH

2.1. Sự khuếch tán ảnh

2.2. Khuếch tán đẳng hướng - khuếch tán tuyến tính

2.3. Khuếch tán không đẳng hướng

2.3.1. Khuếch tán không đẳng hướng thực:

2.3.2. Khuếch tán phức kết hợp giảm nhiễu tìm biên

2.4. Một thuật toán khuếch tán Anisotropic cải tiến mới [18]

2.5. KẾT LUẬN CHƯƠNG 2

3. CHƯƠNG 3: KHỬ NHIỄU ĐỐM ẢNH Y HỌC BẰNG KHUẾCH TÁN ANISOTROPIC

3.1. Ảnh thực nghiệm

3.2. Kết quả thực nghiệm trên ảnh y học

3.3. Nhận xét và đánh giá

3.4. KẾT LUẬN CHƯƠNG 3

HƯỚNG PHÁT TRIỂN

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Tóm tắt

I. Hướng dẫn giảm nhiễu đốm ảnh y học Tổng quan và thách thức

Trong lĩnh vực y học hiện đại, ảnh y học đóng vai trò thiết yếu trong việc chẩn đoán, theo dõi và điều trị bệnh. Các kỹ thuật như chụp X-quang, ảnh CT, ảnh MRI hay ảnh siêu âm cung cấp cái nhìn sâu sắc về cấu trúc bên trong cơ thể, hỗ trợ các chuyên gia y tế đưa ra quyết định chính xác. Tuy nhiên, một thách thức lớn thường gặp là sự xuất hiện của nhiễu trong quá trình thu nhận và tích hợp ảnh. Đặc biệt, nhiễu đốm (speckle noise) là một loại nhiễu khó loại bỏ, có thể che khuất các thông tin quan trọng hoặc thậm chí làm biến dạng hình ảnh. Việc giảm nhiễu đốm ảnh y học bằng quá trình khuếch tán trở thành một giải pháp được nghiên cứu và phát triển rộng rãi nhằm cải thiện chất lượng ảnh y học, từ đó nâng cao độ tin cậy của chẩn đoán hình ảnh.

1.1. Khái niệm nhiễu đốm và tác động ảnh y học

Nhiễu đốm thường xuất hiện nhiều trong ảnh siêu âm và ảnh rada (SAR) do tác dụng của mạch điện tử hoặc hiện tượng phản xạ và nhiễu xạ [3], [16]. Đặc điểm của nhiễu đốm là nhiễu nhân, tỷ lệ trực tiếp với mức xám cục bộ trong bất kỳ khu vực nào, và tín hiệu cùng nhiễu độc lập thống kê [23]. Tác hại của nhiễu đốm rất lớn, làm ảnh hưởng nghiêm trọng đến chất lượng ảnh y học khi giảm đi các thông tin quan trọng như biên, hình dạng và giá trị cường độ. Điều này gây khó khăn trong việc nhận diện các tổn thương nhỏ hoặc ranh giới giữa các mô, dẫn đến sai lệch trong chẩn đoán hình ảnh. Mô hình hóa nhiễu đốm thường được mô tả qua phương trình g(m,n)=f(m,n)*u(m,n), trong đó g(m,n) là ảnh bị nhiễu đốm và u(m,n) là thành phần nhiễu nhân [12].

1.2. Vì sao cần tối ưu chất lượng ảnh y học Những vấn đề còn tồn tại

Việc tối ưu hóa ảnh y học là cực kỳ cần thiết để đảm bảo các bác sĩ có thể đưa ra chẩn đoán hình ảnh chính xác nhất, đặc biệt đối với các bệnh lý phức tạp. Loại bỏ nhiễu hạt ảnh y tế giúp làm nổi bật các đặc trưng của ảnh, duy trì thông tin hữu ích. Tuy nhiên, các phương pháp khử nhiễu đốm truyền thống còn tồn tại nhiều hạn chế. Mức độ khử nhiễu chưa đạt hiệu quả tối đa (ví dụ, chỉ số PSNR chưa đạt mức 40dB) và thường đi kèm với việc làm mờ ảnh, làm mất các chi tiết quan trọng hoặc biến dạng biên ảnh. Thêm vào đó, nhiều phương pháp phức tạp đòi hỏi thời gian xử lý dài, gây trở ngại cho các ứng dụng cần xử lý nhanh và trực tuyến (on-line) [12]. Những vấn đề này thúc đẩy nghiên cứu xử lý ảnh để tìm ra giải pháp hiệu quả hơn.

II. Phương pháp khuếch tán Bí quyết xử lý ảnh y học hiệu quả

Quá trình khuếch tán nổi lên như một phương pháp mạnh mẽ và hiện đại để giảm nhiễu đốm ảnh y học, đặc biệt là trong bối cảnh các phương pháp truyền thống còn nhiều hạn chế. Phương pháp này không chỉ tập trung vào việc khử nhiễu đốm mà còn cố gắng bảo toàn các đặc điểm cấu trúc quan trọng của ảnh, như các đường biên và chi tiết tinh tế. Hiểu rõ nguyên lý hoạt động và các loại thuật toán khuếch tán là chìa khóa để áp dụng thành công kỹ thuật này vào xử lý ảnh y học, mang lại chất lượng ảnh y học vượt trội cho chẩn đoán hình ảnh.

2.1. Nguyên lý hoạt động của quá trình khuếch tán trong xử lý ảnh

Quá trình khuếch tán trong vật lý mô tả sự di chuyển của các phân tử từ vùng có nồng độ cao sang vùng có nồng độ thấp, dẫn đến sự san bằng nồng độ. Trong xử lý ảnh, khái niệm này được ứng dụng tương tự như quá trình truyền nhiệt, mô tả sự biến thiên của độ sáng (nhiệt độ) trên một miền ảnh qua thời gian. Phương trình nhiệt, một dạng của phương trình đạo hàm riêng PDE, là cơ sở toán học cho mô hình khuếch tán này [7]. Khi áp dụng, quá trình khuếch tán giúp làm mịn ảnh bằng cách làm tiêu tán dần sự biến đổi đột ngột của độ sáng (nhiễu), đồng thời bảo toàn các đặc tính cơ bản của ảnh, góp phần hiệu quả vào khử nhiễu đốm.

2.2. Phân loại thuật toán khuếch tán Đẳng hướng và Phi tuyến

Trong xử lý ảnh y học, thuật toán khuếch tán được chia thành nhiều loại dựa trên cách hệ số khuếch tán được áp dụng. Khuếch tán đẳng hướng (hay khuếch tán tuyến tính) sử dụng hệ số khuếch tán không đổi theo mọi hướng. Phương pháp này dễ thực hiện nhưng có nhược điểm lớn là không chỉ làm mịn ảnh mà còn làm mờ ảnh, đặc biệt là các đường biên quan trọng. Để khắc phục, khuếch tán không đẳng hướng (hay khuếch tán dị hướng) đã được phát triển. Đây là một dạng khuếch tán phi tuyến mà hệ số khuếch tán có thể thay đổi tùy thuộc vào cấu trúc cục bộ của ảnh, cho phép giảm nhiễu hiệu quả hơn mà vẫn bảo toàn biên ảnh [11], [13]. Sự khác biệt này là chìa khóa để cải thiện chất lượng ảnh y học.

III. Các loại khuếch tán dị hướng Cách giảm nhiễu đốm ảnh y học hiệu quả hơn

Khuếch tán dị hướng đại diện cho bước tiến quan trọng trong giảm nhiễu đốm ảnh y học, vượt qua những hạn chế của các phương pháp khuếch tán đẳng hướng. Thay vì làm mờ đồng nhất toàn bộ ảnh, các mô hình khuếch tán dị hướng tập trung vào việc khử nhiễu đốm trong khi bảo vệ các đường biên và chi tiết quan trọng. Nhiều biến thể của thuật toán khuếch tán này đã được phát triển, từ mô hình cơ bản đến những cải tiến phức tạp hơn, nhằm đáp ứng yêu cầu ngày càng cao về chất lượng ảnh y học trong chẩn đoán hình ảnh.

3.1. Khuếch tán dị hướng thực Mô hình Perona Malik bảo toàn biên

Một trong những mô hình khuếch tán dị hướng tiên phong là của Perona-Malik [21]. Mô hình này áp dụng quá trình khuếch tán không đồng nhất bằng cách giảm hệ số khuếch tán ở những vị trí có khả năng là biên. Khả năng này được xác định dựa trên độ lớn của gradient ảnh. Khi độ lớn gradient cao (tức là có biên), hệ số khuếch tán sẽ nhỏ, giúp giữ lại các chi tiết. Ngược lại, ở những vùng không có biên (vùng đồng nhất), hệ số khuếch tán lớn hơn để làm mịn ảnhkhử nhiễu đốm. Mặc dù có khả năng bảo toàn biên tốt hơn khuếch tán đẳng hướng, mô hình Perona-Malik vẫn có nhược điểm khi xử lý nhiễu mạnh, có thể gây ra hiệu ứng thang Lad rõ ràng hoặc thậm chí tăng cường nhiễu ở một số trường hợp [18].

3.2. Khuếch tán phức phi tuyến Giải pháp kép khử nhiễu và tìm biên

Để khắc phục hạn chế của các mô hình khuếch tán dị hướng thực, các nhà nghiên cứu xử lý ảnh đã phát triển khuếch tán phức phi tuyến. Phương pháp này tổng quát hóa không gian tỷ lệ tuyến tính trong miền phức, kết hợp phương trình khuếch tán với phương trình Schrödinger tự do [6]. Mục tiêu là đạt được khả năng giảm nhiễu đốm ảnh y họctìm biên đồng thời, mà không làm mờ ảnh. Khi áp dụng, mô hình khuếch tán phức tạo ra hai ảnh đồng thời: phần thực là ảnh đã được làm mịn ảnhkhử nhiễu đốm, trong khi phần ảo là ảnh đã được tìm biên. Phương trình này sử dụng phương trình đạo hàm riêng PDE phức, cho phép kiểm soát tốt hơn tín hiệu nhiễu đốmtăng cường độ tương phản ảnh tại các vùng biên dốc [2.3.2].

3.3. Thuật toán khuếch tán Anisotropic cải tiến Tối ưu cho ảnh y học

Những năm gần đây, nghiên cứu xử lý ảnh tiếp tục phát triển các thuật toán khuếch tán Anisotropic cải tiến để giảm nhiễu đốm ảnh y học. Mô hình DDND (doubly degenerate nonlinear diffusion) của Zhou Z. và cộng sự (2015) [29] đã cải thiện hiệu quả bằng cách sử dụng hàm chỉ báo mức xám. Tiếp đó, Mei Gao và cộng sự (2019) [18] đã đề xuất một mô hình cải tiến dựa trên thống kê ảnh, bao gồm thông tin về gradient, mức độ xám và độ lệch chuẩn nhiễu. Phương pháp này điều chỉnh quá trình khuếch tán dọc theo hướng tiếp tuyến của biên để tránh làm mờ ảnh, đồng thời kiểm soát thời điểm dừng và tối ưu hóa các tham số thông qua học máy. Những cải tiến này giúp loại bỏ nhiễu hạt ảnh y tế một cách hiệu quả hơn, nâng cao đáng kể chất lượng ảnh y học.

IV. Ứng dụng thực tiễn Giảm nhiễu đốm ảnh y học trên MRI CT và siêu âm

Sự phát triển của các thuật toán khuếch tán đã mang lại những lợi ích đáng kể trong việc giảm nhiễu đốm ảnh y học, đặc biệt trên các loại ảnh phổ biến như ảnh siêu âm, ảnh MRIảnh CT. Việc cải thiện chất lượng ảnh y học không chỉ là một mục tiêu nghiên cứu mà còn là yếu tố then chốt, tác động trực tiếp đến khả năng chẩn đoán hình ảnh chính xác của bác sĩ. Các kết quả thực nghiệm và đánh giá đã chứng minh hiệu quả vượt trội của quá trình khuếch tán trong việc tối ưu hóa ảnh y học, giúp loại bỏ nhiễu hạt ảnh y tếtăng cường độ tương phản ảnh, từ đó hỗ trợ quyết định lâm sàng hiệu quả hơn.

4.1. Cải thiện chất lượng ảnh y học Kết quả thực nghiệm và đánh giá

Các ứng dụng y học của giảm nhiễu đốm ảnh y học bằng quá trình khuếch tán đã được kiểm chứng qua nhiều thực nghiệm. Hiệu quả của các thuật toán lọc ảnh này được đánh giá bằng các chỉ số định lượng như PSNR (Peak Signal-to-Noise Ratio), SNR (Signal-to-Noise Ratio), RMSE (Root Mean Square Error), và MSSIM (Mean Structural Similarity Index Measure) [1.4]. Các nghiên cứu đã cho thấy phương pháp khuếch tán dị hướng và khuếch tán phức mang lại kết quả khả quan trên ảnh siêu âm, ảnh MRIảnh CT (ví dụ, ảnh viêm não amebic, thận trái có sỏi, Sac Covi 2 nhiễm vào đường thở, nhiễm trùng tế bào, não úng thủy, bệnh nejmicm) [Chương 3]. Khả năng khử nhiễu đốm vượt trội giúp cải thiện chất lượng ảnh y học, làm rõ các cấu trúc giải phẫu và bệnh lý, giảm thiểu sai sót trong phân tích.

4.2. Tầm quan trọng của chẩn đoán hình ảnh chính xác sau khử nhiễu

Độ chính xác của chẩn đoán hình ảnh phụ thuộc rất lớn vào chất lượng ảnh y học. Khi nhiễu đốm được loại bỏ nhiễu hạt ảnh y tế hiệu quả bằng quá trình khuếch tán, các bác sĩ có thể quan sát rõ ràng hơn các tổn thương, u cục hoặc các thay đổi cấu trúc nhỏ, từ đó đưa ra quyết định điều trị kịp thời và chính xác hơn. Điều này đặc biệt quan trọng trong các trường hợp cần can thiệp phẫu thuật hoặc theo dõi tiến triển bệnh. Một ảnh y học đã được tối ưu hóa ảnh y học không chỉ cung cấp thông tin đáng tin cậy mà còn giảm thời gian đọc ảnh và nâng cao hiệu quả làm việc của các chuyên gia. Tầm quan trọng này nhấn mạnh giá trị thực tiễn cao của việc giảm nhiễu đốm ảnh y học bằng quá trình khuếch tán.

V. Tương lai của giảm nhiễu đốm ảnh y học Hướng phát triển và tiềm năng

Mặc dù đã đạt được nhiều thành tựu quan trọng, nghiên cứu xử lý ảnh trong việc giảm nhiễu đốm ảnh y học vẫn không ngừng tiến lên. Các nhà khoa học và chuyên gia tiếp tục tìm kiếm những thuật toán lọc ảnh mới và các phương pháp cải tiến để đạt được hiệu quả khử nhiễu đốm tối ưu hơn nữa. Tương lai của lĩnh vực này hứa hẹn sự kết hợp của nhiều công nghệ tiên tiến, nhằm giải quyết các thách thức còn tồn tại và mở ra những tiềm năng mới trong việc tối ưu hóa ảnh y họccải thiện chất lượng ảnh y học cho ứng dụng y học.

5.1. Các tiêu chí đánh giá và tối ưu hóa ảnh y học

Để tối ưu hóa ảnh y học và đánh giá hiệu quả của các thuật toán khuếch tán, các tiêu chí định lượng như PSNR, SSIM (Structural Similarity Index Measure) và các chỉ số khác đóng vai trò then chốt [1.4]. PSNR trên 40dB thường được xem là ngưỡng mà mắt người khó phân biệt được sự khác biệt giữa ảnh gốc và ảnh đã xử lý. Tuy nhiên, việc đánh giá không chỉ dừng lại ở các chỉ số toán học mà còn cần đến sự đánh giá trực quan của các chuyên gia y tế. Mục tiêu tiếp theo của nghiên cứu xử lý ảnh là nâng cao đồng thời các chỉ số này và chất lượng ảnh y học cảm nhận được, đảm bảo thông tin quan trọng không bị mất mát trong quá trình khử nhiễu đốm.

5.2. Hướng nghiên cứu xử lý ảnh tiên tiến cho nhiễu đốm

Hướng phát triển tương lai trong giảm nhiễu đốm ảnh y học tập trung vào việc kết hợp nhiều kỹ thuật để tạo ra các thuật toán lọc ảnh mạnh mẽ hơn. Các hướng đi hứa hẹn bao gồm tích hợp mô hình khuếch tán với các phương pháp dựa trên Fuzzy Logic, Wavelet hay học sâu (Deep Learning). Đặc biệt, sự xuất hiện của các mô hình khuếch tán dựa trên học sâu (Deep Learning based Diffusion Models) đang mở ra tiềm năng to lớn để đạt được mức độ khử nhiễu đốm gần như hoàn hảo. Việc giải quyết các thách thức về tốc độ xử lý và hiệu quả 100% vẫn là mục tiêu chính, nhằm không ngừng cải thiện chất lượng ảnh y học và tối đa hóa khả năng chẩn đoán hình ảnh chính xác [25].

01/10/2025

Trích đoạn nội dung tài liệu

CHƯƠNG 1. NHIỄU ĐỐM VÀ KHỬ NHIỄU ĐỐM 1. Nhiễu trong ảnh a) Khái niệm Ảnh được coi là một miền đồng nhất về mức xám, tức là các điểm ảnh lân cận có sự biến đổi liên tục về mức xám. Như vậy sau quá trình số hoá thì trong mỗi cửa sổ đang xét các điểm ảnh đều có giá trị gần bằng như nhau.

Thực tế quan sát có những điểm ảnh có giá trị khác hơn nhiều so với các điểm ảnh xung quanh. Đó chính là nhiễu. Như vậy, nhiễu trong ảnh số được xem như là sự dịch chuyển đột ngột của tín hiệu ảnh trên một khoảng cách nhỏ [2]. b) Ảnh y học Trong y học hiện nay kỹ thuật xử lý hình ảnh là một kỹ thuật không thể thiếu được trong chẩn đoán, theo dõi điều trị bệnh.

Những kỹ thuật thường được sử dụng là : - Ảnh X-quang thông thường : Chụp ảnh dùng bức xạ tia X là một loại sóng điện từ bước sóng trong khoảng từ 0,01 đến 10 nano mét tương ứng với dãy tần số từ 30 Petahertz đến 30 Exahertz (3×1016 Hz to 3×1019 Hz) và có năng lượng từ 120 eV đến 120 keV. Tia X có hại đến sức khỏe con người. - Ảnh CT (Computed Tomography Scan) : Ảnh chụp cắt lớp vi tính. Khi thực hiện Máy CT chạy vòng quanh thân thể bệnh nhân, phát sóng X quang và đo độ hấp thụ năng lượng tia X của các cấu trúc khác nhau của cơ thể.

Sau đó sử dụng các thông tin này và khớp lại bằng máy tính hình ảnh của cơ thể trên không gian 2 hoặc 3 chiều. - Ảnh MRI (Magnetic resonance imaging) là một phương pháp thu hình ảnh của các cơ quan trong cơ thể sống và quan sát lượng nước bên trong các cấu trúc của các cơ quan. Ảnh cộng hưởng từ hạt nhân dựa trên một hiện tượng vật lý là hiện tượng cộng hưởng từ hạt nhân. Khi so sánh ảnh CT và ảnh MRI thì ảnh MRI cho chẩn đoán tốt hơn nhưng thời gian tích hợp ảnh dài hơn và giá thành cao hơn.

download by : skknchat@gmail.1 Máy cộng hưởng từ và ảnh cộng hưởng từ MRI - Nội soi: Đưa các camera nhỏ vào cơ thể để quay phim, chụp ảnh Trong các loại hình đó các ảnh đều có nhiễu sinh ra trong quá trình tổng hợp. Nguyên nhân là do: Nhiễu điện trong các mạch điện tử, do giao thoa nguồn sáng, nguồn các tia chiếu ảnh. Các ảnh y học đều có nhiễu ; tuy nhiên ảnh siêu âm trong quá trình tích hợp ảnh thường có nhiễu đốm là loại nhiễu khó loại trừ (chi tiết trong phần tiếp theo). Quá trình tích hợp ảnh siêu âm thường có các loại: - Siêu âm thông thường : một biến tử vừa tạo ra vừa thu sóng âm tần số cao, hoặc cặp hai biến tử, một cho phát và một cho thu.

- Siêu âm dãy tổ hợp pha (phased array) thường bao gồm từ 16 đến 256 biến tử nhỏ riêng biệt, mỗi biến tử có thể tạo xung riêng rẽ. Chúng có thể được sắp đặt theo dải, vòng tròn, hoặc có hình dạng phức tạp hơn. Cũng như đối với đầu dò thông thường, các đầu dò dãy tổ hợp pha có thể được thiết kế cho sử dụng tiếp xúc trực tiếp, hoặc kết nối với phần nêm để tạo các đầu dò góc, hoặc sử dụng cho kỹ thuật nhúng với sóng âm truyền qua nước tới chi tiết kiểm tra. Tần số đầu dò thường nằm trong dải từ 2 MHz đến 10 MHz.

Hệ thống dãy tổ hợp pha cũng bao gồm thiết bị máy tính tinh vi có khả năng điều khiển đầu dò đa biến tử, thu nhận và số hóa xung quay trở lại và biểu diễn thông tin của xung trên các khổ tiêu chuẩn khác nhau. Không giống như các thiết bị dò khuyết tật siêu âm thông thường, Hệ thống dãy tổ hợp pha có thể quét chùm tia dưới cả dải góc khúc xạ hoặc theo dọc theo đường thẳng, hoặc hội tụ ở những độ sâu khác nhau, do đó tăng tính linh hoạt và khả năng trong thiết lập kiểm tra. Không chỉ sử dụng trong y tế chúng còn được dùng kiểm tra mối hàn, kiểm tra độ liên kết, phát hiện download by : skknchat@gmail.com 7 vết nứt trong khai thác, … Trong cả hai loại siêu âm đều có nhiễu đốm phát sinh. Các máy siêu âm 2D, 3D, 4D, 5D của các hãng Nhật Đức, Mỹ, Hàn Quốc, … như Hitachi, Samsung Medison, GE Healthcare, Siemens, …hiện nay thường được sử dụng trên thị trường Việt Nam Hình 1.2 Máy siêu âm loại đứng và xách tay c) Phân loại nhiễu Trước khi xem xét chi tiết các kỹ thuật áp dụng, cần phân biệt các loại nhiễu hay xuất hiện trong quá trình xử lý ảnh.

Trên thực tế tồn tại nhiều loại nhiễu, tuy nhiên người ta thường xem xét 3 loại nhiễu chính: nhiễu cộng, nhiễu nhân và nhiễu xung [1]. Nhiễu cộng: Nhiễu cộng thường phân bố khắp ảnh. Nếu ta gọi ảnh quan sát (ảnh thu được) là Xqs, ảnh gốc là Xgoc và nhiễu là η. Ảnh thu được có thể biểu diễn bởi: Xqs = Xgoc + η (1.1) Nhiễu nhân: Nhiễu nhân thường phân bố khắp ảnh.

Nếu ta gọi ảnh quan sát (ảnh thu được) là Xqs, ảnh gốc là Xgoc và nhiễu là η. Ảnh thu được có thể biểu diễn bởi: Xqs = Xgoc × η (1.2) Nhiễu xung (Impulse noise): là một loại nhiễu khá đặc biệt có thể sinh ra bởi nhiều lý do khác nhau chẳng hạn: lỗi truyền tín hiệu, lỗi bộ nhớ, hay lỗi định thời trong quá trình lượng tử hóa. Nhiễu này thường gây đột biến tại một số điểm ảnh. Có 2 loại: Nhiễu xung đơn cực và nhiễu xung lưỡng cực.

Nhiễu xung lưỡng cực có hàm phân bố là: download by : skknchat@gmail.3) 0 otherwwise  Nếu b>a, mức xám b xuất hiện như là điểm sáng của ảnh, a là điểm tối. Nếu a>b, ngược lại. a=b=0 là nhiễu xung đơn cực. Nhiễu muối tiêu (Salt-pepper noise) - một ví dụ điển hình nhất của loại nhiễu xung này – sẽ cho thấy rõ hơn tính chất “đột biến” của nó.

Các điểm ảnh bị nhiễu (noise pixel) có thể nhận các giá trị cực đại hoặc cực tiểu trong khoảng giá trị [0, 255]. Với ảnh mức xám (gray scale), nếu một điểm ảnh có giá trị cực đại (tức cường độ sáng bằng 255) thì nó sẽ tạo ra một đốm trắng trên ảnh, trông giống như hạt “muối”. Và ngược lại nếu một điểm ảnh có giá trị cực tiểu (tức cường độ sáng bằng 0) thì sẽ tạo ra một đốm đen, giống như “tiêu”. Vậy nên còn gọi là ảnh muối tiêu.

Thông thường, khi nói một ảnh nhiễu muối tiêu 30% nghĩa là trong đó tỉ lệ các điểm ảnh nhiễu mang gia trị cực tiểu là 15% và cực đại là 15%. Nhiễu Gaussian: Nhiễu này có hàm mật độ xác suất (probability density function) theo phân bố chuẩn. Bởi vì khả năng dễ ứng dụng toán của nó trong cả lĩnh vực không gian và tần số, nhiễu Gaussian được sử dụng phổ biến trong thực tiễn.3 Nhiễu Gaussian download by : skknchat@gmail.com 9 Nhiễu Uniform: Được cho bởi Digital Image Processing của Gonzalez.4 Nhiễu Uniform a) b) download by : skknchat@gmail.5 Ví dụ các loại nhiễu a) ảnh màu nguyên bản b) ảnh xám nguyên bản c) ảnh nhiễu cát và hạt tiêu 0.05% d) ảnh nhiễu Gauss 0.02% e) ảnh nhiễu poisson 0.05% f) ảnh nhiễu đốm 0. download by : skknchat@gmail.1 Khái niệm nhiễu đốm, đặc điểm [8],[12] Nhiễu đốm thường xuất hiện nhiều trong ảnh rada (SAR-Synthesis Aperture Radar) và ảnh siêu âm do tác dụng của mạch điện tử [16] hoặc do tác dụng của hiện tượng phản xạ và nhiễu xạ [3].

Nhiễu đốm ảnh hưởng đến chất lượng hình ảnh siêu âm và nó cũng làm giảm quan trọng thông tin từ hình ảnh như biên, hình dạng, giá trị cường độ, v.v… Đã có nhiều nghiên cứu về sự hình thành nhiễu đốm và loại trừ nhiễu đốm. Trong luận văn này tác giả tập trung đến nhiễu đốm trong ảnh siêu âm, mô hình, các phương pháp loại trừ nhiễu đốm. Tác hại của nhiễu đốm so với các nhiễu khác khi cùng mật độ nhiễu (noise density) là lớn hơn, ví dụ ảnh f) trong hình 1. Với các nhiễu đốm cường độ lớn có thể làm mất các biên và hay biến dạng hình dáng của đối tượng quan sát.

Mô hình hóa nhiễu đốm: được mô tả qua phương trình [12]: g(m,n)=f(m,n)*u(m,n)+ (m,n) (1.4) Trong đó g(m,n) là ảnh bị nhiễu đốm, u(m,n) là thành phần nhiễu nhân và  là thành phần nhiễu cộng. m và n là các phương của ảnh. Với ảnh bị nhiễu đốm thành phần nhiễu cộng cần loại bỏ còn thành phần nhiễu nhân có thể cho phép. Từ đó chúng ta có phương trình sau: g(m,n)=f(m,n)*u(m,n)+ (m,n)- (m,n) (1.5) g(m,n)=f(m,n)*u(m,n) Với hàm phân phối gama nhiễu đốm hiển thị như sau: (1.6 Phân phối gama  Trong đó a là phương sai và g là mức xám.

Phân phối gamma được biểu diễn như trong hình 1. Trong trường hợp nay nhiễu đốm có các đặc điểm sau [23]  Nhiễu đốm là nhiễu nhân tỷ lệ trực tiếp với mức xám cục bộ trong bất kỳ khu download by : skknchat@gmail.com 12 vực nào.  Tín hiệu và nhiễu độc lập thống kê.  Giá trị trung bình và phương sai mẫu của một pixel bằng với giá trị trung bình và phương sai của khu vực địa phương.2 Khó khăn khi khử nhiễu đốm Khó khăn lớn nhất với các ảnh bị nhiễu đốm cường độ lớn là khử nhiễu nhưng vẫn phải phải giữ được biên ảnh.

Biên ảnh là rất quan trọng vì nó lưu giữ các đặc điểm cốt yếu về hình dáng của ảnh đối tượng. Trong khi với nhiễu đốm cường độ lớn nhiều cụm nhiễu có thể làm biến dạng ảnh, biến dạng biên của ảnh. Với các loại bộ lọc thông thường khi sử dụng biên đã bị biến đổi. Khử nhiễu đốm 1.1 Các phương pháp khử nhiễu đốm hiện nay [12], [15],[26]  Mean Filter Bộ lọc trung bình là một bộ lọc không gian đơn giản.

Đây là một bộ lọc dùng cửa sổ trượt đi lần lượt các pixel trong ảnh cần khử nhiễu. Tại mỗi pixel sẽ thực hiện thay thế giá trị pixel đó bằng giá trị trung bình của tất cả các pixel trong cửa sổ. Cửa sổ thường vuông nhưng nó có thể là bất kỳ hình dạng.7 Nguyên lý của Mean Filter download by : skknchat@gmail.com 13 Ưu điểm:  Dễ dàng thực hiện  Sử dụng tốt khi loại nhiễu xung Nhược điểm:  Khả năng bảo tồn các chi tiết trong ảnh kém.  Median Filter Lọc trung vị hai chiều (Median Filtering 2D): Lọc trung vị 2 chiều là một phương pháp lọc phi tuyến được sử dụng để loại bỏ nhiễu xung.

Nó được thực hiện trên một ảnh với mặt nạ kích thước lẻ, di chuyển mặt nạ lên ảnh và mỗi điểm ảnh trung tâm giá trị trung vị của các dữ liệu bên trong cửa sổ được thực hiện như đầu ra.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ