Resumen

Se presenta un algoritmo optimizado de compresión de imágenes médicas basado en la transformada wavelet y la cuantificación vectorial mejorada. El objetivo del método propuesto es mantener la información relacionada con el diagnóstico de la imagen médica con una alta relación de compresión. En primer lugar, se aplica la transformación Wavelet a la imagen. Para la subbanda de frecuencia más baja de los coeficientes wavelet, se explotó un método de compresión sin pérdidas; para cada una de las subbandas de alta frecuencia, se implementó una cuantificación vectorial optimizada con un tamaño de bloque variable. En el nuevo método de cuantificación vectorial, se utilizó la dimensión fractal local (LFD) para analizar la complejidad local de cada subbanda de coeficientes wavelet. A continuación, se empleó un método de árbol cuádruple óptimo para dividir cada coeficiente wavelet, subbanda en varios tamaños de subbloques. A continuación, se utilizó un método K-means modificado, basado en la función de energía, en la fase de formación del libro de códigos. Por último, se implementó la codificación de cuantificación vectorial en diferentes tipos de sub-bloques. Para comprobar la eficacia del algoritmo propuesto, se eligieron como algoritmos de contraste JPEG, JPEG2000 y el enfoque de codificación fractal. Los resultados experimentales muestran que el método propuesto puede mejorar el rendimiento de la compresión y lograr un equilibrio entre la relación de compresión y la calidad visual de la imagen.

• Materias:Ingeniería biomédica Cerebro - fisiopatología Imagen por resonancia magnética Neurofisiología Neurociencias
• Subjects:Biomedical engineering Brain - pathophysiology Magnetic resonance imaging Neurophysiology Neurosciences
• Palabras claves:coeficiente wavelet, métodos propuestos, tipo de sub, cuantificación vectorial mejorada, alta relación de compresión, imagen médica optimizada, fase de entrenamiento del libro de códigos, métodos de compresión sin pérdidas, tamaño de los subbloques, métodos óptimos de cuadrángulo
• Keywords:wavelet coefficient, proposed methods, type of sub, improved vector quantization, high compression ratio, optimized medical image, codebook training phase, lossless compression methods, size of subblocks, optimal quadtree methods