小波变换在医学图像压缩中的应用

目的：探讨利用小波变换进行医学图像压缩的方法。方法：通过小波变换对图像进行时频局部化分析，将图像分解到多个尺度上。进行多分辨分析。然后对变换后的子图像的小波系数特点进行了分析，讨论了其适用于图像压缩编码的特性和优势。嵌入式零树小波图像编码算法是一种有效的图像压缩方法。在分析嵌入式零树小波图像编码算法的基础上，针对传统嵌入零树小波编码方法存在的不足之处，提出了一种改进的零树小波编码算法。结果：在获得较大压缩比的同时能保证医学图像的重建质量，可以较好地满足PACS对医学图像存储和传输的要求。结论：仿真实验表明，本方法是一种有效的医学图像压缩方法。     

一种基于改进零树小波算法的选择性医学图像压缩技术

针对传统零树编码的三个不足，利用游程编码结合人眼视觉特性，对其进行了改进，在此基础上根据医学图像压缩的特点，探讨了选择性医学图像压缩技术，并将其和小波压缩算法结合。实验结果表明，改进方法减少了编码比特率和编码时间，达到了较好的压缩效果。     

小波包算法及其在医学图像压缩中的应用

简要介绍了小波包变换的原理和算法，用小波与小波包对一幅图像进行了压缩试验。结果表明，小波包压缩性能较小波压缩性能好。     

基于小波变换的医学图像压缩

简要介绍基于小波变换的图像压缩法，并提出了一种在matlab平台上实现基于小波的医学图像压缩的新方法。     

基于小波变换的医学图像压缩

简要介绍基于小波变换的图像压缩法，并提出了一种在matlab平台上实现基于小波的医学图像压缩的新方法。     

整型提升小波变换的块编码在医学图像压缩中的应用

提出一种基于整型提升小波变换的图像块压缩编码方法.整型提升小波变换具有计算快速、能实现任意图像尺寸的小波算法、能在当前位置完成小波变换、节省内存等特点,而且该提升算法能同时对图像进行有损或无损压缩,因而更适应于远程医疗系统和医学图像压缩系统.基于图像块压缩编码方法不仅可以实现比特率控制,还可以实现SNR(信噪比)可缩放性,支持图像的渐进传输.     

医学图像压缩技术研究进展

随着医学成像方式的不断增加,目前迫切需要解决庞大的图像数据的存储和传输的问题,压缩成为解决该问题不可或缺的重要方法之一.对目前医学图像压缩领域的技术进行了总结和分析,详细介绍了基于感兴趣区域的压缩、无损压缩、小波变换和基于神经网络的压缩方法,并对压缩算法的评估给出了几点标准,最后对医学图像压缩领域的发展前景提出了一些看法.     

医学图像的零树小波编码

背景:医学数字图像必须是高质量的、高分辨率,所以数据量很大,如此巨大的数据量不利于图像存档与传输系统的运行和数字化医院、远程医疗的实现。因此,图像压缩成为图像存档与传输系统要解决的重要问题。目的:分析零树小波变编码算法原理并编程实现对医学数字图像的压缩,使之能够满足医学图像的传输和诊断要求。方法:应用嵌入式零树小波编码算法,探讨小波基和小波变换层数的选择,编程实现对医学数字图像的压缩。结果与结论:选择双正交小波基对医学图像进行4层小波变换实现压缩,获得了较高的峰值信噪比,取得了较好的压缩效果。     

基于小波的医学图像渐进编码算法的研究

医学图像的渐进编码在医学图像档案的回放和医学图像的远程传输中都有非常重要的意义.作者在研究二维图像小波分解的基础上,提出了一种新的基于小波变换的图像渐进编码算法.实验表明该算法可取得较高的压缩比和运算速度.     

医学图像压缩算法研究及进展

高分辨率的X光片和高对比度的CT、MRI等三维医学影像具有很大的信息量,使医学影像诊断系统、PACS系统及远程医疗等数字化技术应用面临巨大的挑战,迫切需要高效实用的医学图像压缩技术.与一般图像压缩相比,医学图像压缩具有其特殊性和复杂性,其压缩必须严格保证诊断的可靠性.本文从医学图像的特殊性出发,对医学图像压缩算法进行了系统的论述和比较,并对未来的研究进行了展望.     

小波变换在医学图像融合中的应用

图像融合是医学图像处理中的关键技术。文中探讨了基于小波变换的医学图像融合方法。首先对源图像进行小波多尺度分解,然后采用基于窗口的融合规则进行小波系数融合,最后通过小波逆变换重构融合图像。实验结果表明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。     

基于最佳截断嵌入码块编码和离散小波变换的医学图像复合压缩算法

根据医学图像信息相对集中的特点,提出了一种基于最佳截断嵌入码块编码和离散小波变换的医学图像任意形状感兴趣区域复合压缩方法,通过对图像感兴趣区域和背景区采用不同的编码方式,提高了医学图像压缩比,并确保了医学图像感兴趣区域的高质量重建。实验表明:该方法在重建图像质量和压缩比方面均达到了较好的性能。     

Projection-Based Medical Image Compression for Telemedicine Applications

Recent years have seen great development in the field of medical imaging and telemedicine. Despite the developments in storage and communication technologies, compression of medical data remains challenging. This paper proposes an efficient medical image compression method for telemedicine. The proposed method takes advantage of Radon transform whose basis functions are effective in representing the directional information. The periodic re-ordering of the elements of Radon projections requires minimal interpolation and preserves all of the original image pixel intensities. The dimension-reducing property allows the conversion of 2D processing task to a set of simple 1D task independently on each of the projections. The resultant Radon coefficients are then encoded using set partitioning in hierarchical trees (SPIHT) encoder. Experimental results obtained on a set of medical images demonstrate that the proposed method provides competing performance compared with conventional and state-of-the art compression methods in terms of compression ratio, peak signal-to-noise ratio (PSNR), and computational time.     

基于整数小波变换和嵌入式编码的ECG信号压缩

针对一般的有损压缩方法不能同时实现无损压缩的情况,实现了一类基于整数小波变换和嵌入式编码的心电数据压缩方法,不仅能够进行有损压缩,也能够实现无损压缩.并且比较了EZW、SPIHT和SPECK三种主要的嵌入式编码算法的性能优劣,为移动心电监护以实时性、信号质量和编码可伸缩性为根据选择数据压缩方法提供了参考.     

基于提升小波的医学数据压缩算法及其DSP实现

远程医疗系统日益成熟,但数据量的急剧增长给数据的压缩和传输带来了一系列问题.DSP器件的发展使得各种复杂算法的嵌入式系统移植成为可能.参考JPEG2000标准,以提升小波变换为基础,以嵌入式零树小波编码(EZW)为核心进行医学数据压缩.针对提升小波原址运算的特点,采用多种汇编级代码优化策略,将算法移植到DSP系统中,对心电图及CT图像实现了一种支持渐进传输的快速压缩算法.实验结果表明:与Mallat算法相比,该算法能够节省DSP的数据空间和运算时间,从而使嵌入式系统得以高效运行.     

基于小波变换医学图像融合算法的对比分析

小波变换融合方法具有重要的应用价值,而融合规则的选取直接影响着融合效果。为了获得医学临床上实用的小波融合算法,选择标准CT/MRI图像,通过调整和组合各种小波变换低频及高频融合规则进行仿真实验,深入对比分析各种融合规则对医学图像融合性能的影响。在此基础上,提出低频能量取大与高频系数绝对值取大相结合的融合改进算法,比目前基于传统小波融合规则的融合质量及各项客观评价指标都有明显提高,在各种算法比较中最优。采用多聚焦图像和临床实际的CT/MRI图像进行对比验证,表明了方法的有效性。理论分析和实验结果证明:选取合适的融合规则对融合结果影响很大,本研究提出的算法简单有效。     

基于小波变换统计特征的图像压缩算法的研究

图像能量的统计分布是图像压缩处理的重要依据，在研究小波子带图像统计特性的基础上，提出了一种新的基于小波子带图像统计特征和人眼视觉特性的图像量化编码算法，实验证明，该算法具有计算简单，压缩效率较高的特点。