醫(yī)學(xué)圖像的壓縮及邊緣檢測研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，數(shù)字圖像的使用十分廣泛，數(shù)據(jù)量越來越龐大，導(dǎo)致現(xiàn)有存儲(chǔ)介質(zhì)消耗巨大，并使數(shù)據(jù)的傳輸變得困難。為了實(shí)現(xiàn)圖像的存儲(chǔ)和傳輸，圖像壓縮成為很關(guān)鍵的一項(xiàng)技術(shù)。對于醫(yī)學(xué)圖像來說，醫(yī)生關(guān)注的只是病變部位區(qū)域，因此可在整幅圖片中指定一塊感興趣區(qū)域，基于此對不同區(qū)域采用不同的壓縮方法。邊緣是圖像本質(zhì)特征之一，一幅數(shù)字圖像就相當(dāng)于一個(gè)數(shù)字信息庫，大部分的信息是由圖像的輪廓所提供的。對細(xì)胞圖像進(jìn)行邊緣檢測在醫(yī)學(xué)實(shí)際應(yīng)用方面具有重要意義。<

2、br>　　 本文將小波變換、形態(tài)學(xué)、脈沖耦合神經(jīng)網(wǎng)絡(luò)、蟻群算法等應(yīng)用于圖像處理技術(shù)中，并針對具體的醫(yī)學(xué)圖像研究具體的處理方案。本文主要的研究內(nèi)容包括以下幾個(gè)方面：
　　 1、研究了一種基于提升小波和PCNN的醫(yī)學(xué)圖像ROI壓縮方法
　　 以醫(yī)學(xué)圖像為對象，研究一種對病理區(qū)，即感興趣區(qū)域(ROI)進(jìn)行無損壓縮，對背景區(qū)，即非感興趣區(qū)域進(jìn)行有損壓縮的算法。提出了一種基于整數(shù)提升小波和脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的醫(yī)學(xué)圖像壓

3、縮算法，該算法首先由人工將感興趣區(qū)域選取出來，用差影法分割，再對感興趣區(qū)域進(jìn)行整數(shù)5/3提升小波適形變換后，進(jìn)行哈夫曼編碼；對非感興趣區(qū)域先通過PCNN分割出灰度值相近的區(qū)域，再進(jìn)行游程編碼。最后用線性插值消除復(fù)原圖像邊界不連續(xù)問題。與原圖像比較，復(fù)原圖像感興趣區(qū)域沒有失真，病理細(xì)節(jié)完全保留。實(shí)現(xiàn)了一種獲得較高壓縮比的同時(shí)在感興趣區(qū)域無失真的圖像壓縮算法。
　　 2、研究了一種基于改進(jìn)型PCNN分割的圖像壓縮方法
　　

4、結(jié)合人類視覺特性，研究一種先利用改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)對圖像進(jìn)行分割，再對分割后的區(qū)域進(jìn)行不同壓縮的算法。該算法先用改進(jìn)型PCNN完全自適應(yīng)分割，將圖像按人眼感興趣的程度分為高信息區(qū)域和低信息區(qū)域，用掩膜來區(qū)分，通過提升小波變換后分別進(jìn)行SPIHT編碼，通過對編碼比特流的控制達(dá)到不同區(qū)域圖像質(zhì)量和壓縮比的合理協(xié)調(diào)。再逆變換復(fù)原圖像，與原圖像比較，復(fù)原圖像在人眼咸興趣區(qū)域失真很小。實(shí)驗(yàn)結(jié)果表明，本文實(shí)現(xiàn)了較高壓縮比，且同時(shí)壓縮

5、后重建圖像整體上的高視覺質(zhì)量。
　　 3、研究了基于形態(tài)學(xué)、PCNN和改進(jìn)型蟻群算法的醫(yī)學(xué)細(xì)胞邊緣檢測方法
　　 根據(jù)醫(yī)學(xué)細(xì)胞圖像邊緣灰度級(jí)梯度較大，細(xì)胞噪聲點(diǎn)多的特性，結(jié)合形態(tài)學(xué)能夠有效去噪，提取圖像特征點(diǎn)的優(yōu)點(diǎn)，提出一種基于形態(tài)學(xué)、PCNN和改進(jìn)型蟻群算法的醫(yī)學(xué)細(xì)胞邊緣檢測方法。該方法先用改進(jìn)形態(tài)學(xué)進(jìn)行了圖像去噪和邊緣加強(qiáng)，再用PCNN自動(dòng)波按照細(xì)胞邊緣進(jìn)行圖像分割，最后用改進(jìn)型蟻群算法進(jìn)行邊緣檢測。對比實(shí)驗(yàn)表明，本