基于DPCM与整数小波变换的红外医学图像压缩方法研究

摘要

红外热像技术是以探测红外辐射原理，研究人体温度分布状态的一项医学生物热学影像诊断技术，由于它具有无创、无损、无辐射、非接触、简便直观等优点，在医学临床和科研中应用越来越广泛。随着现代计算机技术及各种医学成像技术的发展，数字医学图像数据急剧增长，使得本来就有限的存储空间更加紧缺，传输带宽也受到很大的限制。红外医学图像有其特殊性，错误描述的代价非常高，必须提供一种高重构质量的压缩方法。若不经过有效的压缩，将不能保证医疗诊断的正确性，也将成为医院信息系统(HIS)、医学图像的存档与通信系统(PACS)以及远程医疗技术的发展的巨大障碍。 本文在充分分析远红外医学图像自身特点的基础上，采用以下算法来实现红外医学图像的近无损压缩： 1、背景去除：由于背景温度低于正常的人体温度，所以，我们根据边缘检测算法得到人体边缘的温度信息，然后将低于边缘温度的其它值设置成标准的测量室温，从而有利于后面的压缩处理； 2、图像数据整数化：由于原始的数据本身以浮点数的方式存放，这极大的影响了数据的压缩效果，因此，在进行压缩处理前，必须进行整数化处理，将浮点数变成整数； 2、自适应DPCM：为了减少图像像素间的冗余，我们采用了自适应的DPCM来获得差分图像； 3、整数小波变换：为了实现无损压缩，我们采用了整数到整数的提升小波变换； 4、多层树集合分裂算法(SPIHT)：为了实现高效的压缩数据，我们采用了著名的SPIHT算法； 5、算术编码：对于SPIHT后的二进制码流，为了进一步提高压缩比，我们采用算术编码来实现二进制码流的压缩； 根据以上的算法流程可以看出：算法对背景区域采取了有损压缩，对于人体区域，采用了无损压缩，可以确保在不影响临床诊断的同时，尽可能的压缩原始图像。 计算机模拟实验表明，DPCM与整数小波变换相结合的方法比仅用其中一种得到的压缩比大大提高，运用SPIHT算法也使压缩性能有了明显提高，并且能够得到良好的信噪比和重构图像。 综上所述，本文提出的红外图像近无损压缩的算法研究是一种性能较优良的医学压缩算法。它可以在保持图像近无损的前提下，尽量提高压缩比。

目录

原创性声明及关于学位论文使用授权的声明

摘要

第一章绪论

1.1研究背景与选题意义

1.2本文主要工作

1.3论文的内容安排

第二章图像压缩方法概述

2.1图像压缩原理

2.1.1图像压缩系统的组成

2.1.2图像压缩方法分类

2.2图像压缩技术的分类

2.3图像压缩方法的评价

2.4小波变换用于图像压缩

第三章差分脉冲编码调制DPCM(Differential Pulse Code Modulation)原理及预测器设计

3.1预测编码

3.2差分脉冲编码调制DPCM(Differential Pulse Code Modulation)原理

3.3 DPCM预测器的设计

第四章小波变换分析

4.1小波变换的基本概念

4.1.1小波变换的由来

4.1.2小波变换的含义

4.1.3小波变换的分类

4.1.4小波变换的特点

4.1.5小波变换的应用

4.2几种常用的小波

4.2.1 Haar小波

4.2.2 Daubechies(dbN)小波

4.2.3 Symlet(symN)小波系

4.2.4 Coiflet(coifN)小波系

4.2.5 Mexican Hat(mexh)小波

4.2.6 Morlet小波

4.2.7 Meyer小波

4.3整数小波变换

4.3.1提升方法

4.3.2整数小波变换

4.3.3常用的整数小波变换及其公式

第五章嵌入式零树小波编码

5.1嵌入式零树小波编码算法EZW

5.1.1算法原理

5.1.2算法分析

5.2多级树集合分裂算法SPIHT

5.3集合分裂嵌入块编码器SPECK

5.4结论

第六章红外医学图像压缩方案和实验结果分析

6.1红外医学图像压缩方案的提出

6.1.1红外医学图像的特点

6.1.2压缩方案的提出

6.2压缩方案的实现

6.2.1红外医学图像的背景去除

6.2.2整数化原始数据矩阵

6.2.3 DPCM(差分脉冲编码调制Differential Pulse Code Modulation)

6.2.4图像的小波压缩

6.2.5 SPIHT

6.2.6算术编码

6.2.7图像的重建

6.3计算机模拟结果及分析

6.3.1实验环境

6.3.2实验流程

6.3.3实验结果及分析

6.4结论和展望

参考文献

致谢