导读:本文包含了医学图像压缩论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,医学,稀疏,字典,小波,正交,算子。
医学图像压缩论文文献综述写法
潘菲菲[1]（2018）在《基于压缩感知的病理医学图像压缩算法研究》一文中研究指出随着科技的飞速发展,医学图像成像技术日渐成熟,超分辨率成像等系统被广泛应用到病理医学图像中,远程医疗图像传输系统也得到了广泛的关注及应用。但病理得到方便诊断的同时,病理医学图像的传输及存储则变成了一个亟待解决的问题。而奈奎斯特采样定理限制了传统信号压缩传输方式的发展,使其不能有效解决这一问题,但压缩感知不受其束缚。它可以把采样与数据压缩两个过程合为一体,不仅减小了采样资源的浪费、便于传输,同时,也降低了对硬件设备的要求,减小了数据存储的压力。因此本文将其应用到医学病理图像压缩中,在研究分块压缩感知基础上,提出了一种基于图像块分类的病理医学图像压缩感知算法。该算法通过使用Canny边缘检测算子及图像块轴向信息对边缘图像块提取并分类,再根据纹理信息对非边缘图像块进行分类,且根据分类结果进行非均匀采样,使采样资源得到更加充分利用,然后根据各类图像块特点训练专用稀疏字典,以提高其重构效果。实验结果显示,本文算法提高了图像重构效果,特别是在边缘纹理区域有明显的改善。在此基础上,根据病理医学图像的特点,本文进一步对算法进行改进,对部分图像块不采用压缩感知处理方式,而是进行随机采样,实验表明,在保证重建效果的条件下,改进后算法较之前压缩率有所降低。本文还首次探索了颜色空间对病理医学图像重构的影响。通过分析其各分量间数据的相关性,以此把颜色空间变换加入到之前提出的病理医学图像压缩算法中,探索了基于颜色空间的彩色病理医学图像压缩感知。通过对病理医学彩色图像做颜色空间转换,以降低各通道数据的相关性,来提高图像的重建质量。论文主要研究内容及安排如下:第一章,主要阐述了本文的研究背景,其次介绍了远程医疗及压缩感知理论的国内外研究发展现状。第二章,主要阐述了压缩感知理论,且详细介绍了其主要组成部分,分别是测量矩阵的选取设计,信号的稀疏表示以及信号的重建算法。第叁章,介绍了分块压缩感知,并在此基础上提出了一种新的基于图像块分类的病理医学图像压缩感知,将图像块结构方向及其纹理复杂度考虑在内,以期望保证压缩率的条件下提高重构质量,且用Matlab编程并实验,对重建结果进行分析。并在此基础上依据医学图像的特点做了进一步改进,以期望保证重构效果的情况下,进一步降低压缩率,且对改进后实验结果作了分析。第四章,对颜色空间及其分类做了简单介绍,具体介绍了几种常用的颜色空间模型及其与RGB空间的转换公式,分析了各空间模型下各通道数据的相关性。介绍了彩色图像压缩感知的常规处理方法,探索了基于颜色空间的彩色病理医学图像压缩感知,并对实验结果做了分析。第五章,对本文进行总结,并提出之后研究方向及内容。(本文来源于《山东师范大学》期刊2018-06-10）
赵扬,汤敏[2]（2017）在《基于不同全变差的医学图像压缩感知重构》一文中研究指出为提高磁共振成像(magnetic resonance imaging,MRI)的速度和成像质量,提出全变差(total variation,TV)、非局部全变差(nonlocal total variation,NLTV)和块稀疏全变差(group sparse total variation,GSTV)模型,对MRI图像压缩感知(compressed sensing,CS)重构。将不同TV模型分别与小波基相结合建立稀疏模型,由傅里叶矩阵进行测量,采用快速复合分裂算法(fast composite splitting algorithms,FCSA)实现MRI图像重构,以不同性能指标分析并比较不同TV模型的重构效果。实验结果表明,无论采样率如何设置,基于GSTV压缩感知重构MRI图像在性能指标以及细节精度等方面均具有明显优势,在快速医学成像领域具有一定临床应用价值。(本文来源于《计算机工程与设计》期刊2017年09期）
胡敏,周波[3]（2016）在《基于视觉冗余的多感兴趣区域医学图像压缩》一文中研究指出针对医学图像信息量大的特征,提出基于视觉特性的多兴趣区域图像压缩方案,通过仿真实验表明,该方法得到较高的压缩比和压缩视觉效果,为医学图像远程传输和存储提供更为有效的方案。(本文来源于《科技创新与应用》期刊2016年30期）
邓欢,尹德辉,刘帮涛,罗敏[4]（2017）在《基于几何流多级树Bandelet分割编码的医学图像压缩方法》一文中研究指出为进一步提高医学图像压缩效率,减少对网络存储和带宽的要求,提出了一种基于几何流多级树Bandelet分割编码的医学图像压缩方法。首先,结合图像结构的几何规律,利用稀疏表示方法构建图像的灰度级有规则变化的方向几何流表示方法,获得图像的二元方形四叉树表示形式;其次,针对小波分解结果在几何正则化情况下存在较少的显着系数问题,使用二维向量场表示正则性的方向,并用样条表示法获得方向几何流的逼近;最后,在对图像进行方向几何流分解基础上,利用M-band离散小波变换构建多级树Bandelet分割编码方式,实现了Bandelet系数计算改进。实验结果表明,所提方法在平均PSNR指标上相对于对比算法提升6.3%以上,在SSIM指标上相对于对比算法提升7.5%以上,并且具有更高的计算效率,实验结果验证了所提方法的有效性。(本文来源于《计算机应用研究》期刊2017年11期）
酉霞,陈菲,贾小林,刘雨娇,杨勇[5]（2016）在《基于改进K-SVD字典学习的医学图像压缩算法》一文中研究指出提出了一种新的图像压缩算法,该算法在K奇异值分解(K-SVD)的基础上,将图像分解成4×4像素的图像块,进行字典学习和稀疏表示,完成图像压缩编码存储;在图像恢复的过程中,通过使用字典学习前保留的边缘,对恢复图像进行修复。实验表明:在压缩比为20:1时,该算法的峰值信噪比(PSNR)较JPEG算法高出4 d B;用边缘信息修复后,较JPEG算法高出近10 d B,比JPEG2000算法高出3 d B。(本文来源于《西南科技大学学报》期刊2016年03期）
穆克,李文娜[6]（2016）在《基于模糊C均值聚类的医学图像压缩算法》一文中研究指出作为图像存储、传输系统和远程医疗的关键技术,图像压缩应该以无损低压缩率的方法提供好的视觉效果以保证诊疗质量。随着医学图像的尺寸和分辨率的提高,亟需更高性能的压缩方法。提出一个基于模糊C均值分割和矩形分裂合并的医学图像压缩编码方法。首先通过模糊C均值分割方法将图像分为几部分,然后通过我们的方法获得差值图像。第1个数据流标识分割后留下数据的位置,这些信息通过基于二值图像的矩形分裂合并算法进行编码;第2个数据流包含差值图像,采用无损压缩的方法对其进行压缩编码。实验结果表明此算法能获得高压缩率,好的诊疗质量和改进的参数性能。(本文来源于《控制工程》期刊2016年05期）
张倩妮[7]（2016）在《基于SPIHT方法的医学图像压缩算法研究》一文中研究指出这些年,许多学者于基于小波变换的图像压缩方向做了各式各样的探求,提出了多种图像压缩方面的高质量算法,最近的所提出的国际标标准JPEG20000也采取了小波变换。具有典型意义的小波多媒体图像数据压缩方法有EZW、SPIHT等等。当今信息通讯系统及计算机技术范畴有一个重要分支即为远程医疗。其于疑难重大疾病诊治,灾难救援,特别是战地急救等范畴有举足轻重的地位。本文考虑当前图像压缩技术的现状,提出将小波编码SPIHT算法及传统Huffman编码结合起来的一种新方法,从而得到更高的压缩比。并于不牺牲SPIHT算法相关特性的基础上将其运用于医疗图像的处理及远程输送,且验证了其有效性。首先,探求SPIHT算法的特点及效能。医学图像往往需要突发输送。若运用无线信道输送那么也更需要考虑到信道速率较低并且不稳定的情况。SPIHT的高压缩率及全嵌入特点能很好的适应这些情况。接着,探求Huffman编码并讨论其与SPIHT算法结合的机制。探求两种算法结合后对图像压缩率以及解压特性的影响,给出了一种数据压缩的优化方法。最后,将新的压缩算法扩展到更多图像数据的应用,并验证新方法的正确性。作为一种通用型图像处理算法,于许多图像压缩输送范畴都可以用普遍运用。(本文来源于《武汉轻工大学》期刊2016-05-01）
陈秀梅[8]（2015）在《基于轮廓波变换的医学图像压缩和压缩感知重构》一文中研究指出医学影像设备产生大量医学图像,且一般数据量较大。由于医学图像具有多量化级、高分辨率、高质量等特点,给图像传输和数据存储均带来了巨大挑战。因此医学图像压缩是目前图像处理领域中亟需解决的问题之一。由于医学图像压缩必须保留图像细节诊断信息,一直以来均采用无损压缩方式进行处理。该方式虽然能够从压缩数据中准确地恢复出原始图像,但压缩效率较低,已逐渐无法满足现代医学图像数据压缩的需求。本文首先采用基于轮廓波变换和小波变换的硬阈值算法分别对医学图像进行压缩,并将两者的压缩效果进行定量比较。实验结果表明,基于轮廓波变换压缩后的图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)较高,压缩效果较好。然而由于医学图像的特殊性,该方法在图像压缩时无法突出病灶,于是本文提出一种基于轮廓波变换和多级树集合分裂排序(Set Partitioning in Hierarchical Trees,SPIHT)算法的医学图像感兴趣区域(Region of Interest,ROI)压缩方法,从定性、定量的角度证明该方法效果更佳,在提高图像压缩比的同时,清晰地突出病灶区域的相关特征。为进一步验证多尺度几何分析(Multiscale Geometric Analysis,MGA)对医学图像的压缩处理效果,本文还将曲波变换和SPIHT算法应用于医学图像ROI压缩,同样取得了较好的效果。但由于曲波变换最初是在连续域提出,后逐渐应用于离散图像分析,计算较为复杂;而轮廓波变换则直接定义于离散域,更适合处理二维数字图像。因此,本文以轮廓波变换作为主要稀疏方法,应用于医学图像处理。压缩感知是一种全新的信息采集与数据处理的理论框架,它与传统的数据压缩有着本质差异。压缩感知理论根据信号本身的稀疏性,通过非线性优化方法从非自适应的、小规模的线性部分测量值中精确重构出原始信号。本文结合轮廓波变换和压缩感知的各自优点,提出基于非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)稀疏表达原始图像,通过傅里叶矩阵进行测量,最后通过迭代软阈值(Iterative Soft Thresholding,IST)算法实现医学图像的压缩感知二维重构。该方法能够有效减少数据采样率,通过算法重构出高质量的医学图像,在快速医学成像领域具有广泛的发展潜力。(本文来源于《南通大学》期刊2015-06-12）
鲁毓苗[9]（2015）在《基于稀疏表示的医学图像压缩方法研究》一文中研究指出随着医学影像技术的发展,近年来,各种医学影像设备产生了大量的医学数字图像。医学数字图像具有内容丰富、形象直观的特点,能够很好地辅助医疗诊断。然而,因其数据量非常庞大,会占用大量的存储空间和传输带宽,所以有必要对医学数字图像数据进行压缩。现有的图像压缩标准大都基于图像的正交变换,其中以基于离散余弦变换的JPEG压缩标准最具代表性,JPEG算法具有优良的压缩性能,适用于各类图像的压缩。但是,JPEG算法使用固定的字典进行编码和解码,将其用于医学数字图像的压缩时,并没有考虑到医学数字图像本身的特点以进一步提高压缩性能。此外,正交变换对于图像的表示并不是最优的,它不能稀疏地捕捉图像的规则性和轮廓特征,因此进一步研究图像压缩的突破点在于图像的表示方面。近几年,稀疏表示成为图像处理领域的研究热点。稀疏表示理论表明,任何信号可以在过完备原子库上稀疏地分解,即使用过完备原子库中尽量少的原子的线性组合来表示原始信号。图像在过完备原子库上稀疏分解的结果十分简洁,而且在直观上也很符合人眼的视觉特性。图像稀疏表示的优良特性,使其成为解决医学数字图像压缩问题的新途径。本文的主要工作及研究成果如下：(1)提出了基于快速稀疏表示的医学图像压缩方法。首先介绍了传统的基于稀疏表示的图像压缩方法,针对该方法在图像稀疏分解的每次迭代中对图像残差的冗余计算,提出采用批量正交匹配追踪(Batch-OMP)算法对图像进行分解,从而提高图像压缩的速度,并将该方法用于医学图像的压缩。实验表明,该方法能够取得较好的压缩效果,在速率上优于传统的基于稀疏表示的图像压缩方法和JPEG压缩方法。(2)考虑医学序列图像的特点,提出了基于稀疏表示的医学序列图像压缩方法。该方法首先通过图像相似性衡量,去除序列图像之间大量相似或相同的信息,并记录这些相似信息的参考索引,然后对保留的图像信息在过完备原子库上进行稀疏分解,得到的稀疏系数矩阵看作是二次字典。通过过完备原子库、二次字典和参考索引,能够重建原始图像序列。实验表明,该方法在高峰值信噪比时,压缩效果优于JPEG方法。而医学图像对质量要求较高,也就是要保证其峰值信噪比较高,所以本文提出的方法能够很好地应用于医学序列图像的压缩。(本文来源于《安徽大学》期刊2015-05-01）
董雪松,刘雅楠,臧浩男[10]（2015）在《基于小波变换的医学图像压缩》一文中研究指出数字医学图像具有高质量、高分辨率、数据量大等特点。因此,任何数字医学图像在存储和通信系统(PACS)的建设中,都要面对大量数据的传输与存储等技术难题。由于小波变换有能够分离高低频的特点,能够极大程度上保留信号重要的信息成分。通过小波变换后对原信号进行滤波,去除图像中多余的干扰信号,还原图像本身的清晰,得到与原信号基本相符的信号。本文通过对图像分割后做处理,在保留病灶的清晰度的基础上,对选中区域以外进行压缩处理,能够达到非常好的压缩比,同时保证关键信息不损失。(本文来源于《计算机光盘软件与应用》期刊2015年03期）
医学图像压缩论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高磁共振成像(magnetic resonance imaging,MRI)的速度和成像质量,提出全变差(total variation,TV)、非局部全变差(nonlocal total variation,NLTV)和块稀疏全变差(group sparse total variation,GSTV)模型,对MRI图像压缩感知(compressed sensing,CS)重构。将不同TV模型分别与小波基相结合建立稀疏模型,由傅里叶矩阵进行测量,采用快速复合分裂算法(fast composite splitting algorithms,FCSA)实现MRI图像重构,以不同性能指标分析并比较不同TV模型的重构效果。实验结果表明,无论采样率如何设置,基于GSTV压缩感知重构MRI图像在性能指标以及细节精度等方面均具有明显优势,在快速医学成像领域具有一定临床应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
医学图像压缩论文参考文献
[1].潘菲菲.基于压缩感知的病理医学图像压缩算法研究[D].山东师范大学.2018
[2].赵扬,汤敏.基于不同全变差的医学图像压缩感知重构[J].计算机工程与设计.2017
[3].胡敏,周波.基于视觉冗余的多感兴趣区域医学图像压缩[J].科技创新与应用.2016
[4].邓欢,尹德辉,刘帮涛,罗敏.基于几何流多级树Bandelet分割编码的医学图像压缩方法[J].计算机应用研究.2017
[5].酉霞,陈菲,贾小林,刘雨娇,杨勇.基于改进K-SVD字典学习的医学图像压缩算法[J].西南科技大学学报.2016
[6].穆克,李文娜.基于模糊C均值聚类的医学图像压缩算法[J].控制工程.2016
[7].张倩妮.基于SPIHT方法的医学图像压缩算法研究[D].武汉轻工大学.2016
[8].陈秀梅.基于轮廓波变换的医学图像压缩和压缩感知重构[D].南通大学.2015
[9].鲁毓苗.基于稀疏表示的医学图像压缩方法研究[D].安徽大学.2015
[10].董雪松,刘雅楠,臧浩男.基于小波变换的医学图像压缩[J].计算机光盘软件与应用.2015