论文摘要
随着科学技术的发展,数字图像的使用十分广泛,数据量越来越庞大,导致现有存储介质消耗巨大,并使数据的传输变得困难。为了实现图像的存储和传输,图像压缩成为很关键的一项技术。对于医学图像来说,医生关注的只是病变部位区域,因此可在整幅图片中指定一块感兴趣区域,基于此对不同区域采用不同的压缩方法。边缘是图像本质特征之一,一幅数字图像就相当于一个数字信息库,大部分的信息是由图像的轮廓所提供的。对细胞图像进行边缘检测在医学实际应用方面具有重要意义。本文将小波变换、形态学、脉冲耦合神经网络、蚁群算法等应用于图像处理技术中,并针对具体的医学图像研究具体的处理方案。本文主要的研究内容包括以下几个方面：1、研究了一种基于提升小波和PCNN的医学图像ROI压缩方法以医学图像为对象,研究一种对病理区,即感兴趣区域(ROI)进行无损压缩,对背景区,即非感兴趣区域进行有损压缩的算法。提出了一种基于整数提升小波和脉冲耦合神经网络(PCNN)的医学图像压缩算法,该算法首先由人工将感兴趣区域选取出来,用差影法分割,再对感兴趣区域进行整数5/3提升小波适形变换后,进行哈夫曼编码；对非感兴趣区域先通过PCNN分割出灰度值相近的区域,再进行游程编码。最后用线性插值消除复原图像边界不连续问题。与原图像比较,复原图像感兴趣区域没有失真,病理细节完全保留。实现了一种获得较高压缩比的同时在感兴趣区域无失真的图像压缩算法。2、研究了一种基于改进型PCNN分割的图像压缩方法结合人类视觉特性,研究一种先利用改进型脉冲耦合神经网络(PCNN)对图像进行分割,再对分割后的区域进行不同压缩的算法。该算法先用改进型PCNN完全自适应分割,将图像按人眼感兴趣的程度分为高信息区域和低信息区域,用掩膜来区分,通过提升小波变换后分别进行SPIHT编码,通过对编码比特流的控制达到不同区域图像质量和压缩比的合理协调。再逆变换复原图像,与原图像比较,复原图像在人眼感兴趣区域失真很小。实验结果表明,本文实现了较高压缩比,且同时压缩后重建图像整体上的高视觉质量。3、研究了基于形态学、PCNN和改进型蚁群算法的医学细胞边缘检测方法根据医学细胞图像边缘灰度级梯度较大,细胞噪声点多的特性,结合形态学能够有效去噪,提取图像特征点的优点,提出一种基于形态学、PCNN和改进型蚁群算法的医学细胞边缘检测方法。该方法先用改进形态学进行了图像去噪和边缘加强,再用PCNN自动波按照细胞边缘进行图像分割,最后用改进型蚁群算法进行边缘检测。对比实验表明,本文方法在去除噪声的同时加强了图像的边缘细节,并且更有效率的运用改进型蚁群算法对医学细胞图像进行边缘检测。图[29]表[2]参[99]
论文目录
相关论文文献
标签：医学图像论文; 整数提升小波论文; 图像分割论文; 图像压缩论文; 改进型论文; 提升小波论文; 编码论文; 形态学论文;