基于图补偿小波提升的动态医学数据可伸缩无损编码
图像与视频处理
2023-02-08 v1
摘要
动态 2D+t 与 3D+t 医学数据的无损压缩在海量数据、固有噪声特性及高位深方面具有挑战性。此外，远程医疗应用常要求可伸缩表示。运动补偿时域滤波对医学体数据无损压缩效果良好，并额外提供时间、空间与质量可伸缩特性。为获得用作原始数据降采样代表的高质量低通子带，近期有研究将基于图的运动补偿引入该框架。然而，存储于邻接矩阵中的运动信息的编码迄今尚未得到充分研究。本文聚焦于对这些邻接矩阵进行编码，以使基于图的运动补偿可用于数据压缩。我们提出一种基于构建所谓运动图的新编码方案。这首次使得基于图的运动补偿与传统基于块与基于网格的方法进行性能比较成为可能。对于高质量低通子带，我们的方法在 CT 数据上分别以 PSNR 提升 0.53dB 与 0.28dB、在 MR 数据上分别以 1.04dB 与 1.90dB 优于基于块与基于网格的方法，同时码率得以降低。
引用
@article{arxiv.2302.01592,
title = {Graph-Based Compensated Wavelet Lifting for Scalable Lossless Coding of Dynamic Medical Data},
author = {Daniela Lanz and André Kaup},
journal= {arXiv preprint arXiv:2302.01592},
year = {2023}
}