论文部分内容阅读
随着医学影像技术的发展,近年来,各种医学影像设备产生了大量的医学数字图像。医学数字图像具有内容丰富、形象直观的特点,能够很好地辅助医疗诊断。然而,因其数据量非常庞大,会占用大量的存储空间和传输带宽,所以有必要对医学数字图像数据进行压缩。
现有的图像压缩标准大都基于图像的正交变换,其中以基于离散余弦变换的JPEG压缩标准最具代表性,JPEG算法具有优良的压缩性能,适用于各类图像的压缩。但是,JPEG算法使用固定的字典进行编码和解码,将其用于医学数字图像的压缩时,并没有考虑到医学数字图像本身的特点以进一步提高压缩性能。此外,正交变换对于图像的表示并不是最优的,它不能稀疏地捕捉图像的规则性和轮廓特征,因此进一步研究图像压缩的突破点在于图像的表示方面。
近几年,稀疏表示成为图像处理领域的研究热点。稀疏表示理论表明,任何信号可以在过完备原子库上稀疏地分解,即使用过完备原子库中尽量少的原子的线性组合来表示原始信号。图像在过完备原子库上稀疏分解的结果十分简洁,而且在直观上也很符合人眼的视觉特性。图像稀疏表示的优良特性,使其成为解决医学数字图像压缩问题的新途径。
本文的主要工作及研究成果如下:
(1)提出了基于快速稀疏表示的医学图像压缩方法。首先介绍了传统的基于稀疏表示的图像压缩方法,针对该方法在图像稀疏分解的每次迭代中对图像残差的冗余计算,提出采用批量正交匹配追踪(Batch-OMP)算法对图像进行分解,从而提高图像压缩的速度,并将该方法用于医学图像的压缩。实验表明,该方法能够取得较好的压缩效果,在速率上优于传统的基于稀疏表示的图像压缩方法和JPEG压缩方法。
(2)考虑医学序列图像的特点,提出了基于稀疏表示的医学序列图像压缩方法。该方法首先通过图像相似性衡量,去除序列图像之间大量相似或相同的信息,并记录这些相似信息的参考索引,然后对保留的图像信息在过完备原子库上进行稀疏分解,得到的稀疏系数矩阵看作是二次字典。通过过完备原子库、二次字典和参考索引,能够重建原始图像序列。实验表明,该方法在高峰值信噪比时,压缩效果优于JPEG方法。而医学图像对质量要求较高,也就是要保证其峰值信噪比较高,所以本文提出的方法能够很好地应用于医学序列图像的压缩。
现有的图像压缩标准大都基于图像的正交变换,其中以基于离散余弦变换的JPEG压缩标准最具代表性,JPEG算法具有优良的压缩性能,适用于各类图像的压缩。但是,JPEG算法使用固定的字典进行编码和解码,将其用于医学数字图像的压缩时,并没有考虑到医学数字图像本身的特点以进一步提高压缩性能。此外,正交变换对于图像的表示并不是最优的,它不能稀疏地捕捉图像的规则性和轮廓特征,因此进一步研究图像压缩的突破点在于图像的表示方面。
近几年,稀疏表示成为图像处理领域的研究热点。稀疏表示理论表明,任何信号可以在过完备原子库上稀疏地分解,即使用过完备原子库中尽量少的原子的线性组合来表示原始信号。图像在过完备原子库上稀疏分解的结果十分简洁,而且在直观上也很符合人眼的视觉特性。图像稀疏表示的优良特性,使其成为解决医学数字图像压缩问题的新途径。
本文的主要工作及研究成果如下:
(1)提出了基于快速稀疏表示的医学图像压缩方法。首先介绍了传统的基于稀疏表示的图像压缩方法,针对该方法在图像稀疏分解的每次迭代中对图像残差的冗余计算,提出采用批量正交匹配追踪(Batch-OMP)算法对图像进行分解,从而提高图像压缩的速度,并将该方法用于医学图像的压缩。实验表明,该方法能够取得较好的压缩效果,在速率上优于传统的基于稀疏表示的图像压缩方法和JPEG压缩方法。
(2)考虑医学序列图像的特点,提出了基于稀疏表示的医学序列图像压缩方法。该方法首先通过图像相似性衡量,去除序列图像之间大量相似或相同的信息,并记录这些相似信息的参考索引,然后对保留的图像信息在过完备原子库上进行稀疏分解,得到的稀疏系数矩阵看作是二次字典。通过过完备原子库、二次字典和参考索引,能够重建原始图像序列。实验表明,该方法在高峰值信噪比时,压缩效果优于JPEG方法。而医学图像对质量要求较高,也就是要保证其峰值信噪比较高,所以本文提出的方法能够很好地应用于医学序列图像的压缩。