In this paper, an adaptive medical image watermarking technique is proposed based on wavelet transform and properties of human visual system in order to maintain the authentication of medical images. Watermark embedding process is carried out by transforming the medical image into wavelet domain and then adaptive thresholding is computed to determine the suitable locations to hide the watermark in the image coefficients. The watermark data is embedded in the coefficients that are less sensitive into the human visual system in order to achieve the fidelity of medical image. Experimental results show that the degradation by embedding the watermark is too small to be visualized. Also, the proposed adaptive watermarking technique can preserve the fidelity of medical image. The fidelity performance of proposed technique was evaluated by three image quality metrics are PSNR, UQI and SSIM. The evaluation results exhibit the high results of the proposed technique respect with fidelity of medical image.

في هذا البحث، اقترحت تقنية تكييفية لإضافة العلامة المائية للصور الطبية استناداً على التحويل المويجي و خصائص نظام الرؤيا البشري لغرض المحافظة على وثوقية الصور الطبية. عملية تضمين العلامة المائية نفذت من خلال تحويل الصور الطبية الى المجال المويجي ومن ثم احتساب قيمة العتبة تكيفيية من اجل اختيار مواقع الإخفاء في معاملات الصورة. بيانات العلامة المائية تم تضمينها في المعاملات التي هي اقل إدراكا بواسطة نظام الرؤيا البشري لغرض المحافظة على دقة الصور الطبية. النتائج العملية وضحت ان مقدار التشوه الناتج عن طريق تضمين العلامة المائية هو صغير جدا ولا يمكن إدراكه. أيضا، التقنية المقترحة تحافظ على دقة الصور الطبية. مستوى الدقة للتقنية المقترحة تم تقيمه باستخدام ثلاثة من مقاييس جودة الصور. نتائج التقييم عرضت نتائج جيدة جدا بما يتعلق بدقة الصور الطبية.

Digital watermarking --- wavelet transformation --- Medical Image

Fusion can be described as the process of integrating information resulting from the collection of two or more images from different sources to form a single integrated image. This image will be more productive, informative, descriptive and qualitative as compared to original input images or individual images. Fusion technology in medical images is useful for the purpose of diagnosing disease and robot surgery for physicians. This paper describes different techniques for the fusion of medical images and their quality studies based on quantitative statistical analysis by studying the statistical characteristics of the image targets in the region of the edges and studying the differences between the classes in the image and the calculation of the statistical scale (mode) between the classes in the region of the edges before and after fusion. The results proved highly efficient in the integration of medical information and increase the sharping of contrast, force the separation and show the fine details between the classes

الاندماج يوصف كعملية دمج اثنين او اكثر من المدخلات المختلفة لتكوين مدخل جديد, صورة الدمج هي عملية دمج صور7 متعددة من مصادر مختلفة للحصول على صورة دمج منفردة وهذه الصورة تتميز باكثر نوعية ووصفية وغنية بالمعلومات المفيدة مقارنة بصور الادخال الاصلية او المنفردة . تقنية دمج الصور الطبية مفيدة لغرض تشخيص الامراض والجراحة الالية للاطباء . في هذا البحث تم دراسة تقنيات مختلفة لدمج الصور الطبية ودراسة الخصائص الاحصائية لاهداف الصورة قبل وبعد عملية الدمج في منطقة الحافات , وتقييم النتائج باستخدام طرق التحليل الكمي المتمثل بالتصنيف الغير موجهه للصور الطبية قبل وبعد الدمج ودراسة الخصائص الاحصائية (التباين) بين الاصناف , وحساب معيار النمط لمنطقة الحافات بين الاصناف . كانت النتائج ذات كفاءة عالية في دمج المعلومات , زيادة حدة التباين , زيادة قوة الفصل بين الاصناف.

Medical Image Fusion --- Supervised Classification --- Quantitive Analysis

Noise is an important factor of the medical image quality, because the high noise of medical imaging will not give us the useful information of the medical diagnosis. Basically, medical diagnosis is based on normal or abnormal information provided diagnose conclusion. In this paper, we proposed a denoising algorithm based on Contourlet transform for medical images. Contourlet transform is an extension of the wavelet transform in two dimensions using the multiscale and directional filter banks. The Contourlet transform has the advantages of multiscale and timefrequency-localization properties of wavelets, but also provides a high degree of directionality. For verifying the denoising performance of the Contourlet transform, two kinds of noise are added into our samples; Gaussian noise and Speckle noise. Soft thresholding value for the Contourlet coefficients of noisy image is computed. Finally, the experimental results of proposed algorithm are compared with the results of wavelet transform. We found that the proposed algorithm has achieved acceptable results compared with those achieved by wavelet transform.

ت ربتع لا لماوعلا مها نم )بئاوشلا( ءاضوضلا م كلذ يف ببسلا ىزعيو ، ةيبطلا روصلا ةدوج يف ةرثؤنا ىلا دوجو .ضارملال يبطلا صيخشتلا يف ةمعادلا ةمهملا تامولعملا ضعب يفخي دق ءاضوضلا نا املع.صيخشتلا يف يبطلا ريوصتلا ىلع دمتعت ضارملاا نم ريثكلايرط حارتقا مت ، ثحبلا اذه يف ليوحتلا مادختسا للاخ نم كلذو ةيبطلا روصلا نم ءاضوضلا ةلازلا ةقيجيوملا ليوحتلل ريوطتو عيسوت ليوحتلا اذه ربتعي ، ةقيقحلا يفو .يروتنكلا ( Wavelet ) ةيئانث روصلل( تاحشرملا نم نيعون ىلع يروتنكلا ليوحتلا دمتعي .داعبلاا Filters يمرهلا سلابلا حشرم لولاا : )( Laplacian pyramid يهاجتلاا حشرملا يناثلاو ) Directional filter) .)ةفاضا مت ، ةقيرطلا جئاتن نم ققحتللو ن امهو ، ةمدختسملا روصلا ىلا بئاوشلا نم نيعو Gaussian وSpeckle ( ةمعانلا ةبتعلا تدمتعا كلذكو . Soft threshold ) مت .يروتنكلا ليوحتلا تلاماعم دييحت يفققحتلا ةقيرط مادختساب جئاتنلا نم PSNR و SNR م جئاتنلا ةنراقم مت ذا ع اندجوو ، يجيوملا ليوحتلا جئاتن

Medical Image --- Noise model --- Denoising --- Wavelet transform --- Contourlet transform

Abstract:The aim of this work is a proposed system to enhance automatically the contrast of the desired region in the medical image to get the wanted information without enhancing the contrast of the whole image. The proposed system includes the automatic extraction process, the automatic contrast enhancement process and finally reinsertion process for region in the image. Threshold, smoothing, boundary extraction, chain code or region filling techniques were used in the automatic extraction process. While, histogram equalization, histogram stretching, gray level grouping (GLG), fast gray level grouping (FGLG) or auto-contrast techniques were used in the automatic contrast enhancement process for an extraction region from the image. According to image appearance, GLG, FGLG and histogram stretching are the best techniques to enhance contrast in the RGB image. Auto-contrast technique lowers accuracy, while histogram equalization results are unacceptable.

الخلاصة:إنّ هدفَ هذا العملِ يُقتَرحُ نظامَ لتَحسين آلياً مقارنةِ المنطقةِ المطلوبةِ في الصورةِ الطبيةِ للحُصُول على المعلوماتِ المطلوبةِ بدون تَحسين الصورةِ الكاملةِ. يَتضمّنُ النظامُ المُقتَرَحُ عمليةُ الإنتزاعِ الآليةِ، عملية تحسينِ المقارنةِ الآليةِ وأخيراً عمليةِ إعادة إدخالِ ألمنطقةِ في الصورةِ.العتبة أو صَقْل أو إنتزاع أو حَدِّ أو رمزِ أو سلسلةِ أَو تقنياتِ منطقةِ المالِئةِ إستعملتْ في عمليةِ الإنتزاعِ الآليةِ. بينما، مساواة مدرج إحصائي، مدرج إحصائي يَمتدُّ، تجميع مستوي رمادي(GLG تجميع مستويَ رماديَ السريع (FGLG أَو تقنيات مقارنةِ آليةِ إستعملتْ في عمليةِ تحسينِ الآليةِ لمنطقةِ أصلِ مِنْ الصورةِ. طبقاً لظهورِ الصورةِ، GLG، FGLGوإِمْتِداد مدرج إحصائي أفضل التقنياتِ لتَحسين مقارنةِ صورةِ الآر جي بي. تقنية المقارنةِ الآليةِ تُنزّلُ دقةَ، بينما نَتائِج مساواةِ مدرج إحصائي غير مقبولة.

Automatic contrast enhancement --- gray level grouping --- fast gray level grouping --- medical image --- non-uniform region enhancement.

In this paper, a mixed transform method is proposed based on a combination of wavelet transform (WT) and multiwavelet transform (MWT) in order to denoise medical images. The proposed method consists of WT and MWT in cascade form to enhance the denoising performance of image processing. Practically, the first step is to add a noise to Magnetic Resonance Image (MRI) or Computed Tomography(CT) images for the sake of testing. The noisy image is processed by WT to achieve four sub-bands and each sub-band is treated individually using MWT before the soft/hard denoising stage. Simulation results show that a high peak signal to noise ratio (PSNR) is improved significantly and the characteristic features arewell preserved by employing mixed transform of WT and MWT due to their capability of separating noise signals from image signals.Moreover, the corresponding mean square error (MSE) is decreased accordingly compared to other available methods.

يقترح في هذا البحث طريقة تعتمد على خليط من التحويلات Wavelet Transform(WT) و Multiwavelet Transform (MWT) من اجل تقليل التشوه في الصور الطبية . تعتمد الطريقة المقترحة على استخدام WT و MWT بالتعاقب لتعزيز اداء ازالة التشوه من الصور الطبية. عمليا , يتم في البداية اضافة تشويه لصور الرنين المغناطيسي (MRI) والتصوير المقطعي المحوسب (CT) من اجل الاختبار. ثمتعالج الصورة المشوهة بواسطة WT لتنتج اربع تقسيمات للصورة موزعة على اساس التردد ويعالج كل تقسيم بواسطة MWT قبل مرحلة ازالة التشوه المكثفة او البسيطة. اوضحت النتائج العملية ان نسبة الاشارة الى الضوضاء (PSNR) تحسنت بشكل ملحوظ وتم المحافظة على المعلومات الاساسية للصورة. بالاضافة الى ذلك, فان متوسط نسبة الخطا انخفض تبعا لذلك بالمقارنة مع الطرق الاخرى.

Index Terms— Denoising technique --- Medical Image --- Multi-wavelet Transforms --- Wavelet Transform. --- طرق ازالة التشويه --- الصور الطبية --- فلتر متعدد المويجات --- فلتر احادي المويجة.