Medikal görüntülerdeki darbe gürültüsünün makine öğrenme teknikleri ile giderilmesi

İdeal bir filtrenin sayısal imgedeki ayrıntıları korurken, darbe gürültüsünü etkili biçimde yok etmesi istenmektedir. Standart sinyal işlemenin talebi, resmin detaylarına zarar vermeden darbe gürültüsünün yok edilmesidir. Birinci bölümde, medyan tabanlı yeni bir filtre sunulmuştur. Bu metot anahtarlamalı medyan ile uyarlamalı medyan filtrenin hibrit halinden meydana gelmiştir. Sunulan filtre "İki Aşamalı Uyarlamalı Hızlı Medyan Filtre" (DCFAMF) olarak adlandırılmıştır. DCFAMF, geleneksel filtrelerle kıyaslandığında yapı olarak daha basit, daha hızlı ve aynı zamanda daha iyi sonuçlar vermektedir. Bu metot darbe gürültüsünü yok etmenin yanında (aşırı bozulmuş imgelerde bile), imgenin detaylarını başarılı bir şekilde korumuştur. DCFAMF için herhangi bir parametre ayarlamasına gerek yoktur. Bu yüzden otomatik sistemlere daha uygun olup herhangi bir ön hazırlığa ihtiyaç duymamaktadır. Ayrıca, aşırı bozulmuş imgeleri iyileştirmek için uyarlamalı bir yapay sinir ağı modeli geliştirilmiştir. Farklı gürültü yoğunluklarında eğitilmiş olan ağlar, gürültünün yoğunluğuna göre, gürültülü piksel yerine gelebilecek en uygun komşu pikseli tahmin etmektedir. Önerilen algoritma sayısal imgelerdeki darbe gürültüsünü etkili biçimde yok ederken, aynı zamanda detayları da korumaktadır. Sayısal imgelerdeki darbe gürültüsünü yok etmek amacıyla fitre olarak Naïve Bayes sınıflandırıcı önerilmiştir. Burada kullanılan haliyle gürültü bulaşmış imge onarılmaya başlamadan önce, imge birden fazla parçaya ayrılmakta ve bu parçalarda gürültü bulaşmamış piksellerden bir öğrenme seti oluşturulmaktadır. Bozuk pikselin yerine geçecek olan pikseli tahmin etmek için, bu öğrenme seti kullanılmaktadır. Sunulan yöntem hem basit hem de uygulanması daha kolaydır.