基于整型小波变换和嵌入式零树编码的医学图像压缩

对给定的医学图像采用基于“提升”算法的整型小波变换，对变换后的小波域图像编码。编码时，针对医学DICOM标准的数据结构，在小波零树编码的基础上，根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明，该方法视觉效果良好，实现了医学图像的无损压缩，有较好的压缩比和压缩效果。     

基于双提升小波变换的医学图像感兴趣区编码

基于提升小波变换的感兴趣区域编码技术是静态图像压缩标准JPEG2000支持的一种非常重要的功能,本文提出了一种对医学图像病灶(感兴趣)区域采用5/3提升小波变换,对图像背景(非感兴趣)区域采用9/7提升小波变换的方法,该方法与传统JPEG2000采用单一提升小波变换对医学进行压缩后的效果相比较,具有更高的压缩性能.     

离散小波变换和零树编码在数字水印中的应用研究

采用小波变换和零树编码对图像进行水印嵌入和提取,通过对原始图像和水印图像分别进行不同级别的小波变换,选取原始图像小波的重要系数,将水印图像小波系数以一定的方式嵌入进去,使图像具有很好的稳健性及抗压缩性.     

DPCM与EZW混合编码在医学图像中的应用研究

现代医疗成像设备产生了大量高价值的医学图像,如何对信息进行有效的存储、查询以及网络传输是一个亟待解决的问题。利用整数小波变换和零树编码算法对医学图像进行了压缩研究,在对嵌入零树小波编码（Embedded Zero-tree Wavelet,EZW）算法研究的基础上提出一种基于小波系数的嵌人零树小波编码算法。其主要包括：对小波图像的低频子带（LL）进行单独DPCM编码;对高频子带改变扫描方式以获得最佳编码排序,最后用游程编码（RLE）实现输出。实验结果表明,该方法是一种比较有效的编码方法。     

基于小波零树图像编码算法的改进

小波变换具有良好空间-频率局部化特性,使小波变换后图像的能量大部分聚集到了低频子图像,利用原始图像在小波分解中不同分辨率级能量分布不均匀的特点,提出了改进的嵌入式小波零树编码算法-保持低频数据无损压缩编码的嵌入式小波零树编码。理论分析和实践表明,该方法能够降低重构图像的均方误差（MSE）、提高重构图像的峰值信噪比（PSNR）。     

医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。     

基于多分辨率小波的JPEG2000图像质量的研究

JPEG2000编码标准以多分辨率小波变换为基础,其编码参数的取值对图像压缩的性能和质量有重要的影响。在分析小波变换的多分辨率特性与提升方案的基础上,实验研究其多分辨率小波变换参数的选取对编码性能和图像质量的影响,提出不同的压缩比下主要编码参数的适宜取值范围,得到适合的图像。     

基于快速整数提升小波变换的医学图像融合

针对CT医学图像和MRI医学图像成像特点,提出了基于快速整数提升小波变换的融合方法。在CT和MRI两幅医学图像配准的前提下,利用提升小波变换把图像分解成低频和高频子图像,对于小波变换后的高频子图像,选择区域标准差大的作为融合后的子图像;对于低频子图像,采用加权融合,最后进行小波逆变换,得到融合后的图像,并对融合后图像用信息熵、平均梯度、相关系数的指标进行评价。实验结果表明,基于快速整数提升小波变换融合中,小波高低频系数采用不同的规则能够取得更好的融合效果,其轮廓清晰。该算法能够提升融合后的医学图像信息量,同时有效地保护图像的细节信息,在执行时间和图像质量上均优于普通小波算法。     

基于ADL小波变换的图像压缩算法

提出一种基于自适应方向提升(ADL)小波变换的图像压缩算法。根据灰度共生矩阵角二阶矩的差异,将图像分割成平坦性不同的分块。对纹理信息较少的块,采用一般提升小波变换以减少变换时间。对纹理信息较多的块,采用方向提升小波以提高变换效果。结合多级树集合分裂编码和算术编码对变换系数和方向信息分别进行编码。实验结果表明,与ADL算法相比,该算法能有效减少方向小波变换时间。     

一种分层图像编码算法

针对纹理较丰富的图像提出了一种分层编码算法。该算法将图像划分成具有不同特征的两层:平滑层和纹理层,分别基于小波变换和自适应局部余弦变换(ALCT)进行编码。编码平滑层时,仅对原图像一级小波变换后的低频子带进行小波SPIHT编码,在减少计算量的同时,提高了整个算法的性能。该文改进了实现ALCT的折叠算子,并且提出了一种ALCT系数的重组方案,从而利用零树编码获得了嵌入式码流。实验结果表明,本算法在未进行算术编码的情况下,压缩性能优于SPIHT,并且在重建图像中更好地保留了原图像的纹理特征。     

适用于PACS系统的医学图像近无损压缩

为解决海量医学数据与有限存储空间和传输带宽之间的矛盾,提出一种适用于PACS(picture archiving and communication system)系统的医学图像近无损压缩算法。首先对病变区域和背景区域分别进行剪切波变换和小波变换;其次,选取一些能够近似逼近病变区域图像的重要系数达到去噪和初步压缩的目的;然后,对病变区域所选取的重要系数进行无损Huffman编码,同时对背景区域所得小波系数进行量化和多级树集合分裂算法(SPIHT)编码实现压缩;最后,融合各区域经解码和逆变换得到的图像获得整幅重构图像。实验结果表明,新算法在与小波有损压缩方法设置同样压缩比的情况下,所获取的病变区域重构图像和原病变区域的平均结构相似度(MSSIM)提高了6%,峰值信噪比(PSNR)是小波有损压缩方法的2.54倍,而整幅重构图像与原图像的MSSIM提高了2%,PSNR提高了13%。     

基于JPEG2000的医学图像感兴趣区编码与渐进传输

针对JPEG2000标准使用的两种感兴趣编码方法,最大位移法和一般位移法对医学图像处理的不足,采用了一种分步提升方法,以完成医学图像感兴趣区域编码,以及图像中病灶区域和非病灶区域图像质量的自由调整。并根据率失真优化策略组织压缩码流,实现医学图像的感兴趣区域编码与渐进传输。实验结果表明,该方法可在低码率下实现感兴趣区域的高保真度压缩,有效提高图像压缩和传输的效率。     

基于快速稀疏表示的医学图像压缩

随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。     

一种基于JPEG2000的医学图像感兴趣区域编码技术

感兴趣区域编码是静态图像压缩标准JPEG2000支持的一种非常重要的功能,该标准提供了两种感兴趣区域编码的方法,这两种方法用于医学图像的处理却存在不同的不足之处。该文结合这两种编码方法各自的优点,提出了一种分步位移的处理方法,该方法不仅支持多个感兴趣区域的编码,而且还能自由调整感兴趣区与背景区图像的压缩质量。实验结果表明,医学图像的压缩性能得到了明显的改善。     

A progressive transmission capable diagnostically lossless compression scheme for 3D medical image sets

This paper presents a novel and efficient diagnostically lossless compression for 3D medical image sets. This compression scheme provides the 3D medical image sets with a progressive transmission capability. An automated filter-and-threshold based preprocessing technique is used to remove noise outside the diagnostic region. Then a wavelet decomposition feature vector based approach is applied to determine the reference image for the entire 3D medical image set. The selected reference image contains the most discernible anatomical structures within a relative large diagnostic region. It is progressively encoded by a lossless embedded zerotree wavelet method so the validity of an entire set can be determined early. This preprocessing technique is followed by an optimal predictor plus a 1st-level integer wavelet transform to de-correlate the 3D medical image set. Run-length and arithmetic coding are used to further remove coding redundancy. This diagnostically lossless compression method achieves an average compression of 2.1038, 2.4292, and 1.6826 bits per pixel for three types of 3D magnetic resonance image sets. The integrated progressive transmission capability degrades the compression performance by an average of 7.25%, 6.60%, and 4.49% for the above three types. Moreover, our compression without and with progressive transmission achieves better compression than the state-of-the-art.     

基于混合域的改进SPIHT图像编码算法

为使图像压缩编码算法同时具有较高的压缩比和较好的图像复原质量,提出了一种基于Contourlet与小波变换的混合域图像编码方案,并在分析SPIHT算法的基础上进一步改进,取消了SPIHT算法中对LIS表的分类,统一按照先子代后孙代的小波空间树顺序进行编码.仿真实验结果表明,提出的混合域图像压缩编码方案是一种高效的数字图像压缩算法,与SPIHT算法相比,该算法的重建图像具有更好的视觉效果,而且提高了编码速度.     

第二代小波变换应用于图象的无损压缩编码

第二代小波变换构造方法的特点是：①继承了第一代小波变换的多分辨率特性：②不依赖傅立叶变换;③小波变换后的系数是整数;④图象的恢复质量与变换时边界采用何种延拓方式无关,利用了“整数经过第二代小波变换后的系数仍为整数”的特性,将第二代小波变换用于图象的无损压缩编码,并和Ｈｕｆｆｍａｎ编码、第一代小波变换压缩编码进行了比较,从比较结果来看,在能够无损重建图象的同时,第二代小波变换的压缩比要高于Ｈｊｆｆｍ     

一种有效的无损图象编码方法

由于一些正当的原因,无误差编码在某些应用中是唯一可接受的压缩方法。文章首先采用一种整数到整数小波变换对图象进行分解,然后通过优化改进著名的SPIHT压缩算法2,实现了一种有效的无损编码方法。压缩结果表明：该方法性能优于经典的一些无损编码方法,同时也优于直接采用SPIHT的无损压缩方法,因此可推广应用到卫星遥感图象、医学图象的传输和归档中去。     

Context based medical image compression for ultrasound images with contextual set partitioning in hierarchical trees algorithm

The basic goal of medical image compression is to reduce the bit rate and enhance the compression efficiency for the transmission and storage of the medical imagery while maintaining an acceptable diagnostic image quality. Because of the storage, transmission bandwidth, picture archiving and communication constraints and the limitations of the conventional compression methods, the medical imagery need to be compressed selectively to reduce the transmission time and storage cost along with the preservance of the high diagnostic quality. The other important reason of context based medical image compression is the high spatial resolution and contrast sensitivity requirements. In medical images, contextual region is an area which contains the most useful and important information and must be coded carefully without appreciable distortion. A novel scheme for context based coding is proposed here and yields significantly better compression rates than the general methods of JPEG and JPEG2K. In this proposed method the contextual part of the image is encoded selectively on the high priority basis with a very low compression rate (high bpp) and the background of the image is separately encoded with a low priority and a high compression rate (low bpp) and they are re-combined for the reconstruction of the image. As a result, high over all compression rates, better diagnostic image quality and improved performance parameters (CR, MSE, PSNR and CoC) are obtained. The experimental results have been compared to the scaling, Maxshift, implicit and EBCOT methods on ultrasound medical images and it is found that the proposed algorithm gives better and improved results.