請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/38239完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 曹建和 | |
| dc.contributor.author | Chi-Ming Yuan | en |
| dc.contributor.author | 袁啟銘 | zh_TW |
| dc.date.accessioned | 2021-06-13T16:28:34Z | - |
| dc.date.available | 2005-07-20 | |
| dc.date.copyright | 2005-07-20 | |
| dc.date.issued | 2005 | |
| dc.date.submitted | 2005-07-13 | |
| dc.identifier.citation | Reference
[1] David L.Donoho, “De-Noising by Soft-Thresholding”IEEE Trans. On Information Theory,vol.41,NO.3,MAY 1995. [2] D. L. Donoho and I. M Johnstone. Adapting to unknown smoothness via wavelet shrinkage. J. Amer. Statist. ASSOC.,1995. to appear. [3] David L. Donoho and Iain M. Johnstone“Threshold selection for wavelet shrinkage of noisy data”, 1994 IEEE. [4] David L.Donoho, “De-Noising by Soft-Thresholding”IEEE Trans. On Information Theory,vol.41,NO.3,MAY 1995. [5] David L. Donoho, Iain M. Johnstone, “Neo-Classical Minimax Problems, Thresholding, and Adaptation”. [6] David L. Donoho Iain M. Johnstone “Ideal Spatial Adaptation by Wavelet Shrinkage” Department of Statistics, Stanford California, 94305-4065, USA. [7] L.Landini, L.Verrazzani, ”Spectral characterization of tiuuse microstructure by ultrasound : A stochastic approach”, IEEE Trans. Ultrason., Ferroelect., Freq.Contr., vol.37,pp.448-456,1990. [8] S.G. Mallat, “A Theory for Multiresolution Signal Decomposition：The Wavelet Representation” IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 11, no. 7, pp.674-693, 1989. [9] M. Misiti, Y.Misiti, G. Oppenheim, and J.M. Poggi, “Wavelet Toolbox：For Use with MATLAB,” The Math Works, Inc. 1996. [10] Bernard W. Silverman, Iain M Johnstone, ”Wavelet Threshold Estimator for data with correlated noise” Stanford University U.S.A., Aug 20,1996. [11] L.L. Fellingham, P.G.Sommer, “Ultrasonic characterization of tissue structure in the vivo human liver and spleen”, IEEE Trans. Sonics Ultrason.,vol.SU-31, pp.418-428. [12] Oleg Michailovich*,Dan Adam, “A High-Resolution Technique for Ultrasound Harmonic Image Using Sparse Representations in Gabor Frames”IEEE Transactions on Medical Imaging, Vol. 21, NO, 12, DECEMBER 2002 [13] S. Grace Chang, Bin Yu, Martin Vetterli. “Image Denoising Via Lossy Compression and Wavelet Thresholding”,1997 IEEE. [14] M. Lang*, H. Guo, J. E. Odegard, and C. S. Burrus, R. O. Wells“Nonlinear processing of a shift invariant DWT for noise reduction”Mathematical Imaging: Wavelet Applications for Dual Use. [15] Leadbetter, Lindgren, Rootzen, ”Extremes and Related Properities of Random Sequency and processes”, Springer-Verlog, New York Heidelberg Berlin [16] D.Gabor,”Theory of communication.”, J.Inst.Elec.Eng., vol.93,pp.429-457,1946 [17] Varghese, T.; Donohue, K.D.;” Estimating mean scatterer spacing with the frequency-smoothed spectral autocorrelation function”, Ultrasonics, Ferroelectrics and Frequency Control, IEEE Transactions onVolume 42, Issue 3, May 1995 Page(s):451– 463. [18] M.F.Insana,R.F.Wagner, B.S.Garra,D.G.Brown, T.H.Shawker”, Analysis of ultrasound image texture via generalized Rician statistics”, Opt.Eng., vol25,no.6, pp.743-748,1986. [19] Martin J. Bastiaans and Marc C.W.Geilen,”On the discrete Gabor transform and discrete Zak transform”,Technische Universiteit Eindhoven,Faculteit Elektrotechniek Postbus 513,5600 MB Eindhoven, Netherlands. [20] Jie Yao,Patrick Krolak,and Charlie Steele,”The Generalized Gabor Transform”1057-7149/95,1995IEEE. [21] Short-Time Fourier Transform - Tutorial - Development Library–National Instruments, http://zone.ni.com/devzone/conceptd.nsf/webmain/53EB764F16B52B1C862568F8004EEA84 [22] 許創閔,“超音波肝組織規則性量測技術”,國立台灣大學電機工程研究所碩士論文.6/2002. [23] 趙復慷,“以蓋柏轉換做為前處理的去雜訊方法來改善平均間距估測”,國立台灣大學電信工程研究所碩士論文,7/2004. [24] 林世中,“以小波轉換為特徵值的肝臟超音波影像 分析於電腦輔助診斷之應用”,國立台灣大學電信工程研究所碩士論文,6/2002. [25] http://users.rowan.edu/~polikar/WAVELETS/WTpart1.html [26] http://users.rowan.edu/~polikar/WAVELETS/WTpart2.html [27] http://users.rowan.edu/~polikar/WAVELETS/WTpart3.html | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/38239 | - |
| dc.description.abstract | 肝硬化是在台灣是非常常見的一種疾病，傳統上是由醫師利用超音波診斷來加以發現，不過因為人體結構上的不同，以及醫師主觀上的判斷，導致誤診的比例大為上升。因此本研究以科學的方式加以分析，利用蓋柏轉換將從超音波儀器所取得的超音波訊號來計算出肝臟中平均散射顆粒間距的大小，來判斷組織是否為均勻(homogeneous)。不過因為組織的複雜性過大，常會有者過多的雜訊或衰減存在，所以我們使用雜訊估測的方式，並找出一組門檻值來將低雜訊成份去除。如此一來便可以得到較佳訊號成分，進而可以成為輔助醫生診斷肝硬化的一個依據，並且減輕人為觀察上的誤差。 | zh_TW |
| dc.description.abstract | Abstract
Liver Cirrhosis is a very popular disease in Taiwan. Utilizing ultrasound to diagnose Cirrhosis is one of the most frequently used methods by the doctors, but patients have different physiology structure and doctors also have some different subjective judgments, therefore contrived mistake is increased in diagnosis probability. This research is to apply wavelet analysis to classify two cases between Cirrhosis and normal liver. In this research, I firstly introduce a summary to wavelet analysis, and secondly by means of wavelet analysis to calculate texture energy to proceed texture characterization in a supersonic diagnostic set to get ultrasound images. Finally, to use Multivariate Statistical Methods to effectively classify two kinds of different ultrasound liver images, furthermore to quantify the texture energy to distinguish Cirrhosis and normal liver. This classified method is an assistance for doctors to diagnose Cirrhosis, so as to reduce man-made mistake in diagnosis probability. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-13T16:28:34Z (GMT). No. of bitstreams: 1 ntu-94-R92942102-1.pdf: 2438486 bytes, checksum: 400844155b7c4fdf0c85d37be4565019 (MD5) Previous issue date: 2005 | en |
| dc.description.tableofcontents | 第一章 序言
1.1 簡介。。。。。。。。。。。。。。。。。。。。。。。。。。。。1 1.2 肝小葉的構造。。。。。。。。。。。。。。。。。 。。。1 1.2.1 規則散射模型。。。。。。。。。。。。。。。。。。2 1.2.2 完整模型。。。。。。。。。。。。。。。。。。。。2 1.3 研究動機。。。。。。。。。。。。。。。。。。 。3 1.4 研究概要。。。。。。。。。。。。。。。。。。。。5 1.5 論文架構。。。。。。。。。。。。。。。。。。。。5 第二章 研究原理 2.1 蓋柏轉換的理論發展。。。。。。。。。。。。。。。。。6 2.1.1 Fourier 的時間-頻率分析。。。。。。。。。。。。6 2.1.2 STFT 的時間-頻率分析。。。。。。。。。。。。。 7 2.1.3 Windows Fourier Transform 的設定與分析。。。。 8 2.2小波去雜訊理論。。。。。。。。。。。。。。。。。。。。17 2.2.1 簡介。。。。。。。。。。。。。。。。。。。。。。。17 2.2.2 門檻法去雜訊理論。。。。。。。。。。。。。。。。。18 2.2.3 對白雜訊的門檻估測。。。。。。。。。。。。。。。。22 2.2.4 色雜訊處理法。。。。。。。。。。。。。。。。。。。23 第三章 訊號處理流程 3.1 系統設計簡介。。。。。。。。。。。。。。。。。。。。26 3.2系統流程圖。。。。。。。。。。。。。。。。。。。。。 26 3.3 蓋柏轉換參數定義。。。。。。。。。。。。。。。。。。27 3.3.1 最佳取樣率。。。。。。。。。。。。。。。。。。27 3.3.2 分析視窗選擇。。。。。。。。。。。。。。。。。30 3.4 雜訊能量評估法。。。。。。。。。。。。。 。。。。。32 3.4.1 訊號與雜訊在時間-頻率上的特性。。。。。。。。32 3.4.2 量化雜訊的特徵 。。。。。。。。。。。。。。。33 3.4.3 雜訊能量估測 。。。。。。。。。。。。。。。。38 3.4.3.1 Universal Threshold : Noise level estimator 。。。。。。。。。。。。。。。。。。。。。。。38 3.4.3.2 Frequency Dependent Threshold:Noise level estimator。。。。。。。。。。。。。。。。。。。。。。 。40 3.5 門檻類型的選擇與雜訊的消除。。。。。。。。。。。。 42 3.5.1 軟式�硬式門檻的運用及參數設定。。。。。。。 42 3.5.2 Universal Threshold。。。。。。。。。。。。。42 3.5.3 Frequency Dependent Threshold。。。。。。。。44 3.5.4 Frequency reconstruction 。。。。。。。。。。46 3.6 反蓋柏轉換。。。。。。。。。。。。。。。。。。。。 48 3.6.1 合成視窗設定。。。。。。。。。。。。。。。。48 3.6.2 反蓋柏轉換參數定義。。。。。。。。。。。。。49 第四章 效能評估 4.1 模擬流程。。。。。。。。。。。。。。。。。。。。。。51 4.2 效能評估定義。。。。。。。。。。。。。。。。。。。。55 4.3 模擬結果。。。。。。。。。。。。。。。。。。。。。。58 4.3.1時間領域上的成效 。。。。。。。。。。。。。 。58 4.4 效能頻估。。。。。。。。。。。。。。。。。。。。。。62 4.4.1 自相關函數之比較 。。。。。。。。。。。。。。62 4.4.2 訊雜比之比較 。。。。。。。。。。。。。。。。65 4.4.3 錯誤率之比較 。。。。。。。。。。。。。。。。66 4.4.4 MSS之比較 。。。。。。。。。。。。。。。。。 68 第五章 結論與展望。。。。。。。。。。。。。。。。。。。 71 | |
| dc.language.iso | zh-TW | |
| dc.title | 以蓋伯轉換用於去除色雜訊之運用 | zh_TW |
| dc.title | Using Gabor transform for colored noise denoising | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 93-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 鄭建華,郭益源 | |
| dc.subject.keyword | 蓋伯轉換,色雜訊, | zh_TW |
| dc.subject.keyword | Gabor transform,colored-noise, | en |
| dc.relation.page | 74 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2005-07-14 | |
| dc.contributor.author-college | 電機資訊學院 | zh_TW |
| dc.contributor.author-dept | 電信工程學研究所 | zh_TW |
| 顯示於系所單位： | 電信工程學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-94-1.pdf 目前未授權公開取用 | 2.38 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。