ترجمه مقاله بازنگری فشرده سازی تصویر پزشکی مبتنی بر تبدیل

ترجمه مقاله بازنگری فشرده سازی تصویر پزشکی مبتنی بر تبدیل
قیمت خرید این محصول
۲۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
بازنگری فشرده سازی تصویر پزشکی مبتنی بر تبدیل
عنوان انگلیسی
REVIEW ON TRANSFORM BASED MEDICAL IMAGE COMPRESSION
صفحات مقاله فارسی
9
صفحات مقاله انگلیسی
8
سال انتشار
2012
نشریه
Arccj
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7772
وضعیت ترجمه عناوین تصاویر
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی نرم افزار
دانشگاه
گروه مهندسی کامپیوتر، دانشکده مهندسی MES، کرالا
کلمات کلیدی
فشرده سازی تصویر پزشکی، تبدیل موجک، تبدیل کسینوس گسسته، تبدیل Contourlet
فهرست مطالب
چکیده
1 – مقدمه
1-1 انگیزه
1 -2 تکنیک های اساسی
1 -3 سیگنال راس به نسبت نویز
2– بررسی ادبیات
1-2مشاهده و تجزیه و تحلیل
3– نتیجه گیری ها
نمونه چکیده متن اصلی انگلیسی
ABSTRACT

Advance medical imaging requires storage of large quantities of digitized clinical data. Due to the bandwidth and storage limitations, medical images must be compressed before transmission and storage. Diagnosis is effective only when compression techniques preserve all the relevant and important image information needed. There are basically two types of image compression: lossless and lossy. Lossless coding does not permit high compression ratios where as lossy achieve high compression ratio. Among the existing lossy compression schemes, transform coding is one of the most effective strategies. In this paper, a review has been made on the different compression techniques on medical images based on transforms like Discrete Cosine Transform(DCT), Discrete Wavelet Transform(DWT), Hybrid DCT-DWT and Contourlet transform. And it has been analyzed that Contourlet transform have superior overall performance over other transforms in terms of PSNR.

نمونه چکیده ترجمه متن فارسی
چکیده
تصویر برداری پزشکی پیشرفته به ذخیره سازی مقادیر زیاد داده کلینیکی دیجیتالی شده نیاز دارد. تصاویر پزشکی به دلیل پهنای باند و محدودیت های ذخیره سازی قبل از ارسال و ذخیره سازی بایستی فشرده شوند . تشخیص تنها در زمانی موثر می باشد که تکنیک های فشرده سازی در واقع کل اطلاعات تصویر مهم و مرتبط مورد نیاز را حفظ می کنند . اساسا دو نوع فشرده سازی تصویر وجود دارند : فشرده سازی پر اتلاف ( اطلاعات و تصویر آسیب می بییند ) و فشرده سازی بدون اتلاف . کدگذاری بدون اتلاف اجازه نسبت های فشرده سازی بالا را نمی دهد جایی که وقتی فشرده سازی پر اتلاف به نسبت فشرده سازی بالا می رسد . کد گذار تبدیل در میان طرح های فشرده سازی پر اتلاف موجود در واقع یکی از موثر ترین راهبرد ها می باشد . بازنگری در مقاله جاری در مورد تکنیک های فشرده سازی مختلف در مورد تصاویر پزشکی مبتنی بر تبدیل ها شبیه تبدیل کسینوس گسسته (DCT) ، تبدیل موجک گسسته (DWT) ، DCT-DWT هیبریدی و تبدیل Countourlet صورت گرفته بود . و مقاله بازنگری کرده است که تبدیل Contourlet نسبت به دیگر تبدیل ها بر حسب PSNR دارای برتری عملکردی کلی می باشد .

بدون دیدگاه