学位论文 > 优秀研究生学位论文题录展示
基于感兴趣区域编码技术的乳腺X线摄片压缩算法
作 者: 刘金辉
导 师: 金人超
学 校: 华中科技大学
专 业: 计算机软件与理论
关键词: 乳腺钼靶X线摄影术 小波变换 层次树集合分裂算法 感兴趣区域编码
分类号: TP391.41
类 型: 硕士论文
年 份: 2007年
下 载: 26次
引 用: 1次
阅 读: 论文下载
内容摘要
数字化乳腺X线摄片通常其大小为40Mb左右,很大程度上妨碍了远程诊断和计算机辅助诊断的发展。为了便于存档与通信及计算机辅助诊断,亟需一种有效降低存储和传输开销的数字编码算法。基于小波变换的层次树集合分裂算法(SPIHT)的基本原理和JPEG2000中ROI编码技术,建立了一个人机交互的乳腺感兴趣区域编码系统。系统中利用乳腺X线摄片经过5/3提升小波变换后的一些特征,对原始SPIHT算法进行有效改进。通常高频子带之间具有强相似性,即当一个高频子带是零树时,另外两个高频子带在大部分情况下也是零树,根据这一特征可以对初始化加入不重要集合列表(LIS)中的集合对象进行统一的编码,减少不重要信息的编码开销;根据小波变换后能量的集中特性和人眼视觉对低频信息较高频信息更为敏感的特性,对图像中的低频信息部分,即与最低级小波变换和感兴趣区域(ROI)相关的小波系数进行优先编码,对图像中的高频部分,及剩余小波系数进行滞后编码,具体实现是将与高频部分相关的小波系数进行右移,算法最终将使ROI区域的峰值信噪比和背景区域的峰值信噪比达到平衡;为保证感兴趣区域的重建质量,需对感兴趣区域进行优先编码,具体实现是将与感兴趣区域相关的小波系数进行左移,并确定左移位数。初步实验中确定了较优的左移和右移因子,实验结果显示,在同样压缩比的情况下,感兴趣区域和背景区域的峰值信噪比(PSNR)均优于可变质量的层次树集合分裂(SPIHT)算法。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-12 1.1 研究背景、意义与目的 8-9 1.2 国内外概况 9-11 1.3 课题主要研究工作 11 1.4 本文的内容组织 11-12 2 小波变换编码的基本理论 12-24 2.1 小波和小波变换 12-17 2.2 渐进性传输的基本理论 17-18 2.3 SPIHT算法简介 18-22 2.4 基于感兴趣区域的SPIHT算法 22-23 2.5 本章小结 23-24 3 系统总体过程及小波变换编码的框架 24-28 3.1 总体过程 24-25 3.2 小波编码的框架 25-26 3.3 本章小结 26-28 4 SPIHT的改进算法 28-38 4.1 乳腺X光片小波变换特征分析 28-34 4.2 具体的改进算法 34-37 4.3 本章小结 37-38 5 参数确定 38-46 5.1 小波变换分解层数 38-39 5.2 ROI区域提升系数确定 39-43 5.3 高频背景系数右移位数 43-44 5.4 算法分析 44-45 5.5 本章小结 45-46 6 总结与展望 46-49 6.1 全文总结 46 6.2 展望 46-49 致谢 49-50 参考文献 50-53
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
- 基于燃烧音识别的火灾探测系统的研究与设计,X924.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|