اغلب تصاویر در طی مراحل مختلف اخذ و یا انتقال درگیر نویز می شوند که سبب ایجاد اختلال در تفسیر دقیق آنها می گردد. از این رو حذف نویز تصویر، یکی از مهم ترین و پرچالش ترین زمینه های پردازش تصاویر است که همواره توجه بسیاری از محققین در زمینه های مختف علمی را به خود جلب کرده است. این امر در رابطه با تصاویر پزشکی از اهمیتی دو چندان برخوردار است. زیرا برای تشخیص و تصمیم گیری صحیح، وجود تصاویر با کیفیت مطلوب اجتناب ناپذیر است. همچنین، حفظ مرزها و جزئیات در این دسته از تصاویر بسیار حائز اهمیت است. چرا که در بسیاری از تصاویر پزشکی مانند تصاویر mri، برخی از مرزهای موجود در تصویر شدت روشنایی ضعیف دارند که سبب ایجاد مرزهای مبهم می گردد. چنانچه تصویر توسط مقادیر بالای نویز تخریب شده باشد، این مرزها به درستی قابل تفکیک نخواهند بود. لذا به منظور حذف نویز از تصاویر mri می بایست روش های ارائه گردد که ضمن حذف موثر نویز از توانایی لازم جهت بازیابی جزئیات تصویر نیز برخوردار باشند. چنانچه در فصل دوم خواهیم دید، اغلب روش های حذف نویز ارائه شده در این حوزه تصاویر تار و یکنواختی تولید می کنند که سبب از دست رفتن اطلاعات موجود در لبه ها و جزئیات تصویر می شوند. در این پایان نامه روش جدیدی جهت حذف نویز از تصاویرmri ارائه شده است که با بازیابی تصویر با استفاده از مدل sfa در حوزه موجک و سپس میانگین گیری از تصاویر تلفیقی حاصل از آن بر مشکل تخریب و یا تحریف جزئیات تصویر فایق آمده است. در روش پیشنهادی، ابتدا مدل sfa در حوزه موجک معرفی و تصویر نویزی توسط آن بازیابی می شود. سپس تبدیل موجک تصاویر نویزی و بازیابی شده محاسبه و موجک تصویر نویزی به بخش های کوچک تفکیک می گردد. در گام بعدی بخش کوچکی از موجک تصویر نویزی جایگزین بخش متناظر در تبدیل موجک تصویر بازیابی شده می گردد. با محاسبه عکس تبدیل موجک تصاویر تلفیقی حاصل از روش مذکور و میانگین گیری از آن ها، تصویر نویز زدایی شده بدست می آید. به منظور بررسی کیفیت عملکرد روش پیشنهادی، این روش بر روی تصاویر مدل شده استاندارد و mri مغز انسان با واریانس های مختلف نویز گوسی آزموده و نتایج حاصل از آن با دیگر روش های مشابه مقایسه شده است. نتایج حاکی از آن است که مدل ارائه شده در این پایان نامه ضمن حذف موثر نویز، توانایی حفظ لبه ها و جزئیات تصویر را تا حد مطلوبی داراست.

چکیده ندارد.

چکیده ندارد.