论文部分内容阅读
在各种临床诊断,治疗中使用的医学影像,都具有高分辨率、大存储量的特点,随着数字化影像技术的发展,进一步减少医学图像所占的存储空间,提高其在网络上的传输速度,就显得十分必要,而解决这些问题的关键在于如何实现医学图像的有效压缩。本文的主要研究内容如下:1)具有边缘保持特性医学图像压缩。主要解决小波变换进行图像压缩时,当比特率较低时,重建图像的边缘较模糊的问题,即存在所谓Gibbs效应。针对这一问题,提出边缘检测与压缩编码相结合的方案,首先检测出图像高频子带边缘系数,在压缩编码过程中对变换后的边缘系数进行提升,加权系数的选择充分结合HVS模型,即根据CSF特性加权操作,以保证优先传输视觉上的最重要系数,从而减少Gibbs效应的影响,提高重建图像视觉质量。2)基于整数小波混合图像压缩编码。对医学图像先采用DPCM预测变换后,再选择整数小波变换进行分解,对分解后的低频和高频子带分别作无损Huffman编码和有损矢量量化。根据小波分解后系数的分布特征,能量大部分集中在低频部分,对低频进行无损熵编码,对高频采用量化处理,去除人眼不敏感的冗余信息。最后利用处理过的低频和高频系数进行重构获得压缩后的图像。并与传统的离散小波变换压缩编码,JPEG和JPEG2000进行比较,实验结果表明,利用该方法能得到较高的压缩比和较好的压缩效果。3)基于曲波/JPEG2000的多ROI医学图像压缩。曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力。充分利用曲波这一特性并结合医学图像特点,提出多个任意感兴趣区域编码框架,即在总的目标码率和各个优先级自适应感兴趣区域重建质量的约束条件下,按照优先级从高到低的顺序,对不同区域采用Curvelet变换与JPEG2000结合的编码压缩方案。实验结果表明,该编码框架有如下优点:可根据需求选择不同大小的感兴趣区域,同时在比特率比较低的前提下,仍可获得较为满意的重构图像质量;实现方法简单有效,适应性强,可针对不不同类型的图像进行处理;具有很高的主观视觉效果。为医学图像远程传输和存储提供更为有效的方案。