بخشی از مقاله
چکیده
با توجه به اینکه تصاویر پزشکی دارای مقادیر زیادی داده های تکراری یا افزونگی اطلاعات هستند بنابراین فشرده سازی تصاویر پزشکی راه حلی مناسب در خصوص ظرفیت ذخیره سازی های محدود محسوب می شود. تبدیل موجک به خاطر خصوصیت های مهم در فشرده سازی تصاویر بسیار مورد توجه قرار گرفته است. توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است.
بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند که به صورت انتخابی به کدگذاری تصاویر می پردازند.. باپیشرفت فناوری، تصویربرداری پزشکی و افزایش حجم اطلاعات تولید شده توسط دستگاه ها برای ارسال و ذخیره تصاویر احتیاج به الگوریتم های سریعتر و حافظه های جانبی بیشتری می باشد.
در تمام مراحل، اعم از انتقال تصاویر یا ذخیره سازی آنها به منظور صرفه جویی در وقت و هزینه عملیات فشرده سازی روی تصاویر اعمال می شود. در این مقاله نواحی مورد علاقه در تصاویر پزشکی با استفاده از تبدیل ویولت فشرده سازی می شود. میزان فشرده سازی و نسبت سیگنال به نویز، خطای فشرده سازی مقایسه و ارزیابی شده است.
مقدمه
فشردهسازی تصاویر، کاربردی از فشردهسازی اطلاعات بر روی تصاویر دیجیتال است به عبارتی هدف از این کار کاهش افزونگی محتویات تصویر می باشد برای توانایی ذخیره کردن یا انتقال اطلاعات به فرم بهینه است. فشرده سازی تصویر می تواند بصورت بدون اتلاف و پر اتلاف صورت گیرد
فشرده سازی بدون اتلاف گاهی اوقات برای بعضی تصاویر مثل نقشه کشیهای تکنیکی و آیکونها ترجیح داده میشود و به این دلیل است که در روشهای فشرده سازی پراتلاف خصوصا وقتی برای نرخ بیت های پایین استفاده شود فشرده سازی به کیفیت تصویر لطمه میزند. روشهای فشرده سازی بدون اتلاف همچنین ممکن است برای محتویات پر ارزش مثل تصاویر پزشکی یا عکسهای اسکن شده برای اهداف بایگانی شدن نیز ترجیح داده شوند.
در سال های اخیر تبدیل موجک یکی از تبدیل های مهمی است که مورد توجه پژوهشگران قرار گرفته است تبدیل موجک گسسته با تجزیه تصویر به مراتب تفکیک مختلف در راستای مکانی مختلف تصویر را به چند مرتبه از دقت تفکیک می کند. فشرده سازی تصویر به روش های گفته شده محدود نمی شود و روش های گوناگونی با کارایی متفاوت پیشنهاد شده است و هنوز هم پیشنهاد می شود
در خصوص فشرده سازی تصاویر پزشکی تحقیقات بسی اری انجام گرفته است. در تحقیق صورت گرفته توسط آقای Zukoski و همکاران [4] بر روی تصاویر قفسه سینه و جمجمه انسان، نواحی مطلوب تحت فشرده سازی بدون اتلاف به روش الگوریتم کدگذاری هافمن، و نواحی کم اهمیت تر تحت فشرده سازی با اتلاف از طریق الگوریتم JPEG قرار گرفته است. تعی ین نواحی مطلوب و کم اهمیت از طریق تطابق بیشتر هر یک از تصاویر فشرده شده با مجموعه تصاویر پزشکی گردآوری شده از بیماران - اطلس تصاویر - بدست آمده است.
در تحقیق دیگری که توسط آقایان Kaur و Kaushal انجام شده است، تصاویر MRI ازمغز انسان تحت عملیات فشرده سازی با الگوریتم های 5/ - ,63,+7,-3 - * و موجک مورد بررسی قرار گرفته است. در این بین الگوریتم 63,+7 نسبت به سه الگوریتم دیگر عملکرد بهتری از خود نشان داده است. آقایان 6DJDU و NXPDU فشرده سازی تصاویر استخوان را براساس انتخاب بهترین موجک و به کمک استفاده از شبکه عصبی بررسی کرده اند در این پژوهشELRU 6,8 دارای نتایج بهتری نسبت به دیگر موجک های پر کاربرد علم فشرده سازی است.
تصاویر کروموزوم و مغز انسان تحت عملیات فشرده سازی با الگوریتم 63+,7 توسط موجک های +DDU،3,3 ELRU،ELRU 2,4 قرار گرفته است. نتایج در این پژوهش بر اساس پارامترهای 3615 و %SS با یکدیگر مقایسه شده اند و موجک +DDU در مقایسه با دو موجک دیگر عملکرد بهتری داشته است. در پژوهشی دیگر خانم 1DF\ و همکاران فشرده سازی برروی تصاویر فک کامل دندان و با استفاده از الگوریتم فشرده سازی 763,+ و فیلتر های موجک E8 وE9,7 وE5,3 و هار موجک صحیح انجام شده است. با توجه به پارامتر 3615 فیلتر موجک هار عملکرد بهتری از خود نشان داده است.
تبدیل موجک دارای کاربرد بسیاری در علوم پردازش سیگنال، فشرده سازی داده ها و برطرف سازی نویز در تصاویر است. از خواص برجسته تبدیل موجک می توان به محلی بودن آن اشاره نمود. با توجه به این خاصیت، موجک ها می توانند انرژی را در حوزه مکان یا زمان مترکز نمایند .[6] همچنین از انواع متنوع خانواده موجک ها می توان به دابیشزها، کویفلت ها، سیملت ها و دو تعامدی ها اشاره کرد. در کاربرد فشرده سازی معمولا از دابیشزها و دو تعامدی ها نتایج بهتری بدست آمده است.
فشرده سازی تصویر
هدف از فشرده سازی تصویر کاهش میزان داده های مورد نیاز برای نشان دادن تصاویر دیجیتال و کاهش هزینه انتقال و ذخیره سازی می باشد. فشرده سازی تصویر نقش کلیدی در بسیاری از کاربردهای مهم داراست. این کاربردها شامل پایگاه داده تصویر، مخابره تصویر، سنجش از راه دور، تصویربرداری اسناد، تصویر برداری پزشکی، انتقال توسط دورنگار، کنترل وسایل نقلیه نظامی و فضایی از راه دور و کنترل زباله های خطرناک کاربرد دارد.[7]
آنالیز ویولتی دو بعدی در این روش تصاویر به صورت دو سیگنال دو بعدی اعمال می شوند، آنها به طور افقی و عمومی تغییر می کنند، در نتیجه آنالیز ویولت دو بعدی در تصاویر استفاده می شوند. آنالیز ویولت دو بعدی از همان ویولت اصلی استفاده می کند اما نیازمند یک مرحله ی اضافی در هر سطح از تجزیه می باشد.
شکل - - 1آنالیز تصویر در ویولت دو بعدی
آنالیز یک بعدی اطلاعات فرکانس بالا را از اطلاعات فرکانس پایین در هر سطح از تجزیه فیلتر کرده است؛ بنابراین تنها دو زیر سیگنال در هر سطح تولید شوند. در دو بعدی تصاویر به عنوان ماتریس هایی با N ردیف و M ستون در نظر گرفته شدند. در هر سطح از تجزیه داده های افقی فیلتر شده اند، سپس تخمین و جزئیات ارائه شده از این مورد در ستون ها فیلتر شدند.
