当前位置: > 硕士毕业论文 > 47520字硕士毕业论文基于神经网络的医学图像无创压缩

47520字硕士毕业论文基于神经网络的医学图像无创压缩

论文类型:硕士毕业论文
论文字数:47520字
论点:图像,编码,压缩
论文概述:

本文研究的对象为医学图像中的bmp格式的图像,在实际的应用中,医学图像处理传输的新标准,对这些新标注中的图像怎样进行提取,处理

论文正文:

第一章导言

1.1研究的意义

图像作为信息传递的载体,在人们的生活中发挥着非常重要的作用,在医学领域得到了越来越广泛的应用。特别是随着现代医学水平的不断提高,越来越多的医学影像设备被应用于临床,产生了越来越多的医学影像。例如,计算机断层摄影、核磁共振成像、b超等。这些医学图像被广泛用于医学成像设备在疾病诊断、计算机辅助外科手术等领域的广泛应用。在大力推动医学发展的同时,另一个问题是存储大量医学图像的原因很容易分析。

1.医学图像需要高图像质量和高分辨率空,这样就不会遗漏小的病变,而高分辨率需要灰度级更高的图像,这就占用了更多的存储空间空

2.医学诊断中的医学切片图像和视频序列也是消耗存储空间空的关键点。例如,大多数断层扫描需要为感兴趣的区域生成16-64个切片图像。如果单个图像是512*512*12,最终数据量是31-10MB,这使得数据量已经是巨大的数字医学图像。以更快的速度,例如血管造影术,每次检查将产生3-30分钟的视频序列图像,并且视频序列的保存也将消耗大量存储空间空。据统计,一家中型医院每年可以生成数百GB的诊断图像数据。因此,在医学图像存档和传输系统和远程医疗系统中存在着大量的图像数据信息

3.作为一个重要的信息文件,医学图像还需要较长的保存周期(保存周期相当于患者的生命周期,或者更长),这需要占用更多的存储空间空来整合上述三个方面,需要对医学图像进行必要的压缩。然而,所使用的压缩方法是有损还是无损的,医学图像本身的特殊性也对压缩提出了新的要求。医学数字图像是人体重要器官和组织的解剖信息,包含非常丰富的信息,是医学诊断的重要依据。因此,任何细节的丢失都可能导致错误的诊断。因此,医学图像压缩只能采用无损压缩技术来保证图像质量。这是医学图像无损压缩的必要性。

1.2中国的研究现状

图像压缩编码技术可以追溯到1948年提出的电视信号数字化。到目前为止,已经有许多具有60多年历史的传统医学图像编码方法。基于空的编码方法包括熵编码[23预测编码矢量量化编码等。;基于变换域的编码方法:子带编码离散余弦变换小波变换均衡编码是一种无损压缩方法。典型的均衡编码包括:赫芬兰编码(Huffillan coding RunLengthCoding)和算术编码(ArithmetieCoding)赫芬兰编码是常用的编码,它用更短的码字替换符号,出现概率更高。对于概率较小的符号,用较长的码字替换它们是一种广泛使用的变长编码。其平均编码长度接近编码信息的熵。然而,由于编码期间的两次扫描,较慢的游程编码用字符串长度和代表值替换具有相同值的连续字符串。连续字符串称为游程长度,字符串长度称为游程长度。例如,有一个字符串/aabbbeddd 0。笔画长度编码后,字符串可以用/Za3 bled0表示。算术编码将编码数据序列表示为0到1之间的间隔(即十进制范围)。关于间隔位置和输入数据概率分布的信息越长,编码表示的间隔越小,因此表示该间隔所需的二进制数字越多。算术编码与霍夫曼编码方法的平均压缩效果非常相似。只有霍夫曼编码速度更快,但在未知源概率分布的情况下,算术编码比霍夫曼编码预测编码(Predictivecoding)要好。基于图像数据的空之间的冗余,当前像素值由相邻的已知像素预测,然后预测误差被量化和编码。预测编码包括线性预测和非线性预测。线性预测编码也称为差分脉冲预测编码调制,即DPCM(差分脉冲编码调制)一般采用像素预测形式的DPCM。其优点是算法简单,易于硬件实现

第二章医学图像无损压缩的原理

2.1医学无损图像压缩的概念

我们可以把图像看作二维函数f(x,force),其值代表点图像的强度或灰度级。如果坐标系数及其函数值被离散化,这就是我们所说的数字图像。如果在本文研究的图像中没有特殊的陈述,数字化步骤被省略,这意味着数字图像位于我们所看到的数字图像中的线或帧之间。同一幅图像的像素之间有很强的相关性。从信息论的角度来看,这些相关性是冗余信息。当我们压缩图像时,我们会尽可能地消除这些冗余。在数字图像中,我们可以将数据冗余分为三种情况:心理视觉冗余编码冗余和像素间冗余。当它们中的一个或多个被减少或消除时,实现了数字图像的压缩。心理视觉冗余属于有损压缩。压缩期间的损失包括消除编码冗余和像素间冗余,这是无损压缩。这种压缩可以被认为没有信息损失,并且原始图像可以被恢复。医学图像的无损压缩就是压缩。

2.2医学图像的分类和特征

医学图像包括许多不同类型的图像和实验报告文本等。各类图像具有不同的像素分布特征,归纳分类如下:1 .连续色调灰度图像,如MRX射线等。;2.连续彩色图像,如显微切片图像等。;3.连续色调灰度运动视频图像,如超声图像等。4.连续彩色运动图像,例如多普勒超声图像;5.离散的灰色或彩色图像;6.文本文件,例如实验报告和患者历史记录,对于连续色调静止灰度医学图像具有大像素深度。每个像素占据它,以确保正确性。尽可能为医学图像存储与诊断相关的信息。它确保诊断信息的完整性。在借助于图像的诊断中,有必要确保次要的重要信息不会丢失,这是有损压缩之外的。因此,经常使用无损压缩。

第一章引言.........................................1

1.1研究的意义.........................................1

1.2国内外研究现状..............................2

1.3本文的主要研究内容是……4

1.4论文的章节安排如下.........................................4

第二章医学图像无损压缩原理................................7

2.1医学无损图像压缩的概念..............................7

2.2医学图像的分类和特征.............................................7

2.3医学图像无损压缩方法..............................7

2.4医学图像压缩评价标准..............................9

2.4.1医学图像压缩的客观标准..............................9

2.4.2医学图像压缩主观评价标准……10

2.5本章总结............................................................11

摘要

本文首先介绍了医学图像无损压缩的概念、压缩方法和评价标准,并介绍了在无损压缩中具有重要参考价值的国际标准JPEG-LS压缩。在此基础上,详细介绍了我在医学图像无损压缩方面所做的工作,主要包括:在建立医学图像无损压缩模型的基础上,在以往预测模板的基础上改进预测模板的形式,在理论和实验的基础上,建立了三点预测模型中的442个模板,并利用神经网络中的感知器自适应调整预测系数。实验结果表明,该预测模型在压缩比和压缩时间方面取得了较好的效果。在办公室编码的选择上,选择编码效率较高的莱斯编码格式,自适应调整编码长度,进一步实现医学图像算法的优化。

本文还实现了bmp格式真彩色图像的无损压缩。在研究前几个颜色之间的线性变换空的基础上,提出了一种逐行提取颜色分量和顺序压缩的方法,从而在图像预测编码过程中增强了相同颜色分量上下文之间的相关性,提高了图像的压缩比。同行预测编码的复杂度实验没有增加。结果表明,该算法通过压缩比和压缩时间等性能指标来衡量,取得了良好的效果。

参考

[·杰克宾。数字医学图像处理、归档和传输技术[M8。北京:科学出版社,2006

[2]张玉进。图像处理和分析=M8。北京:清华大学出版社,1999。

[3]张贤达。现代信号处理=M8。北京:清华大学出版社,2002。

任吴明、杨靖宇。南京理工大学数字图像压缩与编码研究计算机系讲义。2002

沈孙岚。图像编码与异步传输= m北京:人民邮电出版社,2001。

迟建南,宋春林,杨旭:一种新的快速打字图像压缩方法。2004.3.6 (1): 21124

李建平。基于小波变换和神经网络的图像压缩[[]。神经网络理论与应用研究,1999,第5卷(4):436-471

高建、姚晨、刘丹。基于多数据分组的图像无损压缩算法[。计算机系统应用,2010,19(12):64-68。

谢华钥,唐小安,孙茂银,等。基于分类重排Lzw的图像无损压缩算法月。中国图形图像杂志,2010,15(2):236-241。

张鲍莉。基于整数小波变换的静止图像编码算法研究。吉林大学,2005。