Titre :	Débruitage d’images médicales par modélisation stochastique spatiale.
Type de document :	texte imprimé
Auteurs :	Safia Raslain, Auteur ; Fella Hachouf, Directeur de thèse
Editeur :	جامعة الإخوة منتوري قسنطينة
Année de publication :	2019
Importance :	104 f.
Format :	30 cm.
Note générale :	Doctorat 3éme CYCLE LMD. 2 copies imprimées disponibles
Langues :	Français (fre)
Catégories :	Français - Anglais Electronique
Tags :	Electronique: Automatique et Traitement du signal  images ultrasonors (US)  dé-bruitage d’image  méthode des moments généralisés (GMM)  modélisation 2D GARCH  Erreur quadratique moyenne minimale(MMSE)  Ultrasound (US) medical images  image denoising  generalized method of moments (GMM)  2D GARCH modeling  Minimum Mean Square Error (MMSE)  صور الموجات فوق الصوتية  إزالة الضوضاء  طريقة اللحضات المعممة اللحظات GMM  طريقة الحد الأدنى للخطا المتوسط MMSE  نمودج 2D GARCH
Index. décimale :	621 Electronique
Résumé :	Ultrasound medical images de-noising is an important field that is used infinitely in image processing, where images are corrupted by multiplicative noise called speckle. Different methods and techniques should be used to remove these noises. This thesis presents a novel approach for ultrasound (US)images denoising. This is a class of Generalized Moment Method (GMM) estimators with interesting asymptotic properties for 2D GARCH modeling of wavelet coefficients. Indeed, these estimators are used to suppress noise in US images. An MMSE (Minimum Mean Square Error) method is applied to estimate the wavelet coefficients of the clear image. To judge the quality of the noise reduction procedure, a link between the noise reduction efficiency procedure and a proposed asymmetry measurement is established. Several tests were conducted to prove the performance of the proposed approach. The results obtained are compared to those of well-established image de-noising methods using the usual image quality assessment metrics and two proposed no-reference quality metrics.
Note de contenu :	Annexe.
Diplôme :	Doctorat
En ligne :	../theses/electronique/RAS7499.pdf
Format de la ressource électronique :	pdf
Permalink :	index.php?lvl=notice_display&id=11331

Débruitage d’images médicales par modélisation stochastique spatiale. [texte imprimé] / Safia Raslain, Auteur ; Fella Hachouf, Directeur de thèse . - جامعة الإخوة منتوري قسنطينة, 2019 . - 104 f. ; 30 cm.
Doctorat 3éme CYCLE LMD.
2 copies imprimées disponibles
Langues : Français (fre)

Catégories :	Français - Anglais Electronique
Tags :	Electronique: Automatique et Traitement du signal  images ultrasonors (US)  dé-bruitage d’image  méthode des moments généralisés (GMM)  modélisation 2D GARCH  Erreur quadratique moyenne minimale(MMSE)  Ultrasound (US) medical images  image denoising  generalized method of moments (GMM)  2D GARCH modeling  Minimum Mean Square Error (MMSE)  صور الموجات فوق الصوتية  إزالة الضوضاء  طريقة اللحضات المعممة اللحظات GMM  طريقة الحد الأدنى للخطا المتوسط MMSE  نمودج 2D GARCH
Index. décimale :	621 Electronique
Résumé :	Ultrasound medical images de-noising is an important field that is used infinitely in image processing, where images are corrupted by multiplicative noise called speckle. Different methods and techniques should be used to remove these noises. This thesis presents a novel approach for ultrasound (US)images denoising. This is a class of Generalized Moment Method (GMM) estimators with interesting asymptotic properties for 2D GARCH modeling of wavelet coefficients. Indeed, these estimators are used to suppress noise in US images. An MMSE (Minimum Mean Square Error) method is applied to estimate the wavelet coefficients of the clear image. To judge the quality of the noise reduction procedure, a link between the noise reduction efficiency procedure and a proposed asymmetry measurement is established. Several tests were conducted to prove the performance of the proposed approach. The results obtained are compared to those of well-established image de-noising methods using the usual image quality assessment metrics and two proposed no-reference quality metrics.
Note de contenu :	Annexe.
Diplôme :	Doctorat
En ligne :	../theses/electronique/RAS7499.pdf
Format de la ressource électronique :	pdf
Permalink :	index.php?lvl=notice_display&id=11331