论文摘要
如何针对医学图像的自身特点进行高效率压缩,一直是PACS技术发展与应用中的重要研究课题。DICOM3.0在扩展版本中推荐使用JPEG2000作为新一代医学图像压缩标准。JPEG2000支持嵌入编码流、感兴趣区域压缩、渐进传输等一些医学图像压缩的关键技术,但由于其采用了基于普通小波变换的EBCOT块编码思想,所以不支持严格意义上的图像任意形状目标区域压缩,并且没有为序列医学图像压缩提供有力支持。 为了在严格意义上支持基于任意形状目标区域的图像压缩,本文提出使用适形小波变换（SA-DWT）作为图像分解变换,使图像目标区域在原始域与变换域的元素个数严格相等,从而实现目标区域变换系数的无冗余编解码。为了方便支持医学图像从有损到无损的压缩方式,本文使用了整系数提升形式的小波变换滤波器。 至于小波变换系数的编码,本文使用同样支持嵌入编码流,但实现起来较EBCOT更为容易的SPIHT算法。通过对传统SPIHT空间树结构与排序规则作相应于适形小波变换特点的修改,使其编码效率大为提高。实验表明,基于适形小波变换与改进SPIHT的图像目标区域压缩方法,不但消除了JPEG2000由于目标区域编解码冗余造成的恢复图像目标区域外边缘模糊现象,而且压缩性能也有一定程度提高。 同时,为了更好的支持图像渐进传输与有损压缩,本文提出将SPIHT算法中的精细过程提前一个位平面进行。实验表明,在相同码率情况下,改进SPIHT算法的恢复图像HVS主观评价质量与客观评价信噪比PSNR均普遍高于传统SPIHT算法。 而针对JPEG2000没有专门支持的序列医学图像压缩,本文提出将医学图像处理领域内的另一项重要技术——配准,作为序列间图像的相关性检测手段,进而利用差值预测技术对这些有限的相关性冗余加以消除,最终达到序列图像联合压缩的目的。实验表明,该方法可行并且效果良好,为序列医学图像压缩提供了一种新的参考方案。 在理论研究的基础上,本文还从实际应用角度,探讨了如何设计开发实用医院PACS系统,并着重说明了其中图像压缩与存储子系统的具体实现。
论文目录
摘要Abstract1 绪论1.1 研究背景1.2 研究内容与意义1.3 论文的组织结构2 现代图像压缩技术中的小波变换2.1 小波变换理论基础2.1.1 小波分析的发展历史2.1.2 小波变换的基本定义2.1.3 Mallat小波分解与重建2.2 提升小波变换2.2.1 提升算法的模型2.2.2 提升算法的实现2.2.3 整数小波变换2.3 适形小波变换（SA-DWT）2.3.1 边界延拓2.3.2 亚抽样位置选取2.3.3 任意长度信号的小波变换2.4 本章小结3 基于SA-DWT与改进SPIHT的医学图像感兴趣区域压缩3.1 基于医学图像目标区域的选择性压缩方法3.1.1 选择性压缩方案分析3.1.2 JPEG2000中的图像ROI编码方法3.1.3 基于SA-DWT的图像ROI编码方法3.2 阶层树分割排序算法（SPIHT）3.2.1 EZW中的系数谱系3.2.2 位平面编码过程3.2.3 SPIHT中的系数谱系3.2.4 阶层树分割排序过程3.2.5 记号的算术编码3.3 SPIHT针对SA-DWT之改进3.3.1 基于SA-DWT的SPIHT空间树结构3.3.2 限制SPIHT空间树节点排序条件3.3.3 基于SA-DWT的改进SPIHT算法压缩实例3.4 SPIHT针对渐进传输之改进3.4.1 提前SPIHT算法中的精细过程3.4.2 改进算法的数值分析3.4.3 改进算法的实验效果3.5 本章小结4 基于配准预测的序列医学图像压缩4.1 图像配准理论基础4.1.1 图像变换4.1.2 相似性侧度4.1.3 插值4.1.4 最小二乘法4.2 图像配准中常用的技术4.2.1 点映射4.2.2 基于弹性模型的匹配4.2.3 配准中需要注意的问题4.3 基于改进PSO算法的刚性图像配准4.3.1 特征空间与目标函数的选取4.3.2 粒子群优化（PSO）算法4.3.3 利用改进PSO算法求解空间变换参数4.3.4 医学图像配准仿真实例4.4 基于配准差值预测技术的序列医学图像压缩4.4.1 序列医学图像压缩方案4.4.2 基于配准技术的帧间预测4.4.3 预测差值图像的压缩4.5 本章小结5 医院PACS系统的设计与实现5.1 PACS的发展现状与趋势5.2 医院PACS系统设计开发5.3 图像压缩存储子系统的实现5.3.1 多媒体影像数据压缩5.3.2 数据分级存储5.3.3 与DICOM3.0保持兼容结论参考文献攻读硕士学位期间发表学术论文情况致谢大连理工大学学位论文版权使用授权书
相关论文文献
标签：适形小波变换论文; 图像压缩论文; 感兴趣区域论文; 配准预测论文;
