iWave3D：基于可训练三维小波变换的端到端脑图像压缩
图像与视频处理
2021-10-12 v2 计算机视觉与模式识别
多媒体
摘要
随着全脑成像技术的快速发展，产生了大量脑图像，这对高效的脑图像压缩方法提出了巨大需求。目前最常用的压缩方法均基于三维小波变换，如JP3D。然而，传统三维小波变换是在对信号有一定假设的前提下人工设计的，而脑图像并不如假设中那般理想。此外，它们并非直接针对压缩任务进行优化。为解决这些问题，我们提出了一种基于提升格式的可训练三维小波变换，其中预测和更新步骤由三维卷积神经网络替代。随后，该变换被嵌入到名为iWave3D的端到端压缩方案中，该方案使用大量脑图像进行训练，以直接最小化率失真损失。实验结果表明，我们的方法在平均BD-PSNR指标上以2.012 dB显著优于JP3D。
引用
@article{arxiv.2109.08942,
title = {iWave3D: End-to-end Brain Image Compression with Trainable 3-D Wavelet Transform},
author = {Dongmei Xue and Haichuan Ma and Li Li and Dong Liu and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2109.08942},
year = {2021}
}