DPCM预测与Contourlet变换相结合的医学图像压缩

摘要

医学图像是临床诊断的重要依据。在医学图像中包含了大量的细节信息，这些细节信息对医生的会诊起着非常重要的作用，但是在医学图像中同样存在着大量的冗余信息，使图像的数据量非常大。因此，对医学图像进行有效的压缩不仅可以减少存储空间，而且还可以减少传输时间。
　　本文通过分析医学图像的特点，针对医学图像压缩质量的评价标准，对现有的医学图像压缩方法进行了详细的分析。主要研究了以小波变换理论为基础的嵌入式零树小波(EZW)编码和分层集合分裂(SPIHT)编码两种编码方法的基本原理和算法流程，并针对不同的医学图像进行实验仿真，实验结果表明：由于小波变换在分解方向上的局限性，使得这两种嵌入式编码在对医学图像进行编码的过程中不仅会丢失细节信息，而且也不能得到很好的重建图像。
　　提出一种将DPCM预测，Contourlet变换及Huffman编码相结合的医学图像压缩方法。DPCM预测可去除存在于医学图像的像素之间的高度相关性，通过对原始的图像DPCM预测，得到一幅预测图像和一幅预测误差图像。具有多尺度分析的Contourlet变换的变换基的支撑区间是随尺度变化长宽比变化的“长条形”结构，可以捕获更多方向的细节信息，克服了小波变换在分解方向上的局限性。将预测误差图像进行Contourlet变换，对变换后的图像进行Huffman编码，得到压缩码流。MATLAB实验仿真结果表明:该方法对医学图像进行了有效的压缩，并且能够得到较好的重建图像，具有一定的可行性和实用性。

目录

封面

声明

中文摘要

英文摘要

目录

第 1 章 绪 论

1.1 课题研究背景及意义

1.2 图像压缩的国内外研究现状

1.3 本文的研究工作及内容安排

第 2 章 医学图像压缩的基本原理

2.1 医学图像的特点

2.2 医学图像的压缩方法

2.3 医学图像压缩质量评价标准

2.4 本章小结

第 3 章 小波变换及其在医学图像压缩中的应用

3.1 小波变换的基本理论

3.2 EZW 编码的基本原理及其在医学图像压缩的应用

3.3 SPHIT 编码的基本原理及其对在医学图像压缩的应用

3.4 本章小结

第 4 章 Contourlet 变换的基本原理以其在图像压缩中的应用

4.1 Contourlet 变换的发展

4.2 Contourlet 变换的基本理论

4.3 Contourlet 变换在医学图像压缩中的应用

4.4 本章小结

第 5 章 DPCM 与 Contourlet 变换结合在图像压缩中的应用

5.1 Contourlet 变换和游程编码 RLC 结合在医学图像压缩中的应用

5.2 Contourlet 变换和 Huffman 编码结合在医学图像中的应用

5.3 DPCM 与 Contourlet 变换结合在医学图像中的应用

5.4 对医学图像处理后实验分析

5.5 本章小结

第 6 章 总结与展望

6.1 本文主要工作

6.2 进一步研究展望

参考文献

致谢

攻读硕士学位期间取得的科研成果