20
dibandingkan
dengan
metode
lainnya
yang diusulkan
untuk
peningkatan
mammografik.
Metode
ini
didasarkan
pada
modifikasi
lokal
pada
gradien
multi
nilai
skala
yang
besar
disediakan
oleh
transformasi
diskrit
dyadic
wavelet.
Secara
khusus,
proses
de-noising
dilakukan
pertama
dengan
mempertimbangkan
sinyal
lokal
di
daerah
payudara
dan
standar
deviasi
kebisingan
diperkirakan
dalam
latar
belakang mammogram. Peningkatan kontras dilakukan dengan menerapkan
operator
pemetaan
lokal
linear
pada nilai gradien
wavelet
de-noise
yang
besar;
pemetaan
koefisien
dikendalikan
oleh sebuah
parameter
batas
kelebihan
lokal.
Gambar
yang
diproses
diperoleh
dengan
merekonstruksi
koefisien
wavelet
yang
telah dimodifikasi
(Karahaliou,
et al., 2007).
Kallergi,
dkk mengevaluasi
ketepatan
metode
wavelet
berbasis
kompresi
lossless
secara
visual,
gambar
adaptif,
untuk
pencapaian
tingkat
kompresi
tinggi
pada
mammografi.
Metode
wavelet
berbasis
kompresi
teruji terbukti
merupakan
pendekatan
yang akurat
untuk mamografi
dijital dan menghasilkan
kompresi
tinggi
tingkat
lossless
secara
visual
dan
lokalisasi
tumor
yang
ditingkatkan
(Kallergi, et al., 2006).
Mallat
dan
Cohen
menggunakan
transformasi
diskrit
wavelet
2D yang
menguraikan
gambar
ke empat
perangkat
koefisien,
koefisien
perkiraan
yaitu
koefisien
detail
A dan tiga koefisien
lainnya:
horizontal
H, vertikal
V, dan
diagonal
D. Koefisien
perkiraan
membentuk
representasi
dari
gambar
asli
dengan
setengah
dari
resolusi
asli.
Koefisien
rinci
menyediakan
struktur
halus
pada
gambar yang hilang ketika foto tersebut di-subsampel ke pendekatan resolusi
yang lebih rendah.
Transformasi
dapat
dilakukan
secara
rekursif,
menghasilkan
resolusi
rendah,
representasi
gambar
kasar
dan
sejumlah
koefisien
rinci.
Skema
 |