学位论文 > 优秀研究生学位论文题录展示

脑部CT图像的压缩应用

作　者: 黄平安
导　师: 王俊
学　校: 南京邮电大学
专　业: 信号与信息处理
关键词: 稀疏分解小波变换图像压缩脑部CT图像
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 18次
引　用: 0次
阅　读: 论文下载

内容摘要

如今,医学图像对于客观地反映病人病情起到了相当大的作用,医生可以通过医学图像了解病人的病情,所以与普通图像相比,医学图像要求更高的分辨率,以便于医生对病人的病情做出诊断,那么,对医学图像的存储问题由此而生,更高的分辨率就意味着更大的存储空间,所以对其进行压缩处理是十分必要的。首先,本文采用改进的遗传算法(Genetic Algorithm,GA)与匹配追踪(Matching Pursuit,MP)算法相结合实现稀疏分解,对脑部CT图像进行压缩以节约存储空间。针对原有遗传算法计算时间长、匹配率低的不足,改进的方法优化了迭代次数的选择、竞争、变异等操作,然后再利用该算法对脑部CT图像进行分块压缩,使得运算速度、压缩比和信噪比都得到了提高。经过分析与实验验证,改进的方法压缩比例更大,失真更小,运行时间更短,为研究脑部CT图像的压缩提供了一种新的方法。其次,本文介绍了小波变换的概念,以及多分辨率分析的知识,利用Mallet算法实现小波变换,并运用到二维图像上,结合EZW和SPIHT编码方法对图像进行压缩。本文还研究了一种新型的方法,即小波变换与稀疏分解相结合对脑部CT图像进行压缩,通过Matlab仿真,对稀疏分解、小波变换以及两者相结合的方式进行对比,并且得出结论,两者相结合方式在信噪比允许的情况下可以达到更大的压缩比。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-14
  1.1 引言  8
  1.2 图像压缩技术的发展与现状  8-9
    1.2.1 图像压缩的可行性  8-9
    1.2.2 图像压缩的发展现状  9
  1.3 医学图像及其压缩方法  9-11
    1.3.1 医学图像概念  9-10
    1.3.2 常用的医学图像压缩方法  10-11
  1.4 研究背景及意义  11-12
  1.5 主要研究工作与论文结构  12-14
第二章利用稀疏分解对脑部CT 图像压缩的分析  14-27
  2.1 稀疏分解的概念  14
  2.2 稀疏分解的过完备原子库  14-19
    2.2.1 过完备原子库的描述  14-15
    2.2.2 原子形成的快速算法  15-18
    2.2.3 图像稀疏分解的原子库  18-19
  2.3 基于匹配追踪算法的图像稀疏分解  19-22
    2.3.1 MP 算法的基本思想  20
    2.3.2 MP 算法的实现方法  20-22
  2.4 基于遗传算法和匹配追踪的图像稀疏分解  22-25
  2.5 图像稀疏分解结果数据的编码  25
  2.6 本章小结  25-27
第三章利用小波变换对脑部CT 图像压缩的分析  27-45
  3.1 小波变换的概念  27-31
    3.1.1 从傅里叶变换到小波变换  27
    3.1.2 连续小波变换  27-28
    3.1.3 离散小波变换  28
    3.1.4 小波变换的多分辨率分析  28-31
  3.2 小波变换的实现  31-34
    3.2.1 小波基的构造  31
    3.2.2 离散小波变换的Mallat 算法  31-32
    3.2.3 图像小波分解的Mallat 算法  32-34
  3.3 图像小波变换的编码  34-42
    3.3.1 零树与EZW 编码  34-39
    3.3.2 SPIHT 算法  39-42
  3.4 稀疏分解与小波变换相结合  42-44
  3.5 本章小结  44-45
第四章实验结果与分析  45-54
  4.1 利用改进的稀疏分解对脑部CT 图像压缩的仿真结果  45-48
  4.2 利用改进的小波分解方法对脑部CT 图像压缩的仿真结果  48-54
第五章总结和展望  54-56
  5.1 工作总结  54
  5.2 展望  54-56
参考文献  56-59
致谢  59-60
攻读硕士学位期间发表的论文  60

脑部CT图像的压缩应用

内容摘要

全文目录

相似论文