Elastyczność koderów falkowych w systemach archiwizacji i transmisji medycznych danych obrazowych

• Autorzy: Przelaskowski A.

Warianty tytułu

EN

Inżynieria biomedyczna

• Języki publikacji: PL

Abstrakty

PL

Przedmiotem artykułu jest analiza najbardziej istotnych cech koderów falkowych użytecznych w medycznych systemach informacyjnych, przede wszystkim archiwizacji i transmisji sieciowej. Falkowa kompresja obrazów łączy wysokie wymagania co do efektywności kompresji z dużą użytecznością nowej reprezentacji danych. Dużą rolę odgrywa tutaj efektywny bank filtrów odwracalnych i sposób tworzenia reprezentacji wyjściowej, która umożliwi progresyjną transmisję zorientowaną na jakość, a także swobodny wybór obszarów zainteresowań, które mogą być rekonstruowane bezstratnie przy znaczącej redukcji treści fragmentów nieistotnych. Także dostępność do wersji obrazu o różnej rozdzielczości jest istotna z punktu widzenia baz danych i licznych urządzeń peryferyjnych. Warto także zwrócić uwagę na mechanizmy zabezpieczające transmitowany strumień danych przed błędami i przekłamaniami, występującymi szczególnie przy bezprzewodowej transmisji w systemach telemedycznych. Na przykladzie efektywnych technik kompresji falkowej, w tym przede wszystkim nowego standardu JPEG2000 prezentowane są i testowane użyteczne własności koderów. W konkluzjach dokonana jest syntezqa zagadnienia konstrukcji skutecznej reprezentacji strumienia danych dla obrazów medycznych.

EN

We consider the most important coder features which can be useful in medical teleinformation systems. Wavelet coders are very efficient for lossy and lossless compression. Additionally, it is possible to create an output data stream in an arbitrary way to make it useful in medical applications. Flexible output data representation is formed by reversible integer-to-integer wavelet transform and controlled bit map encoding. Progressive data transmission oriented on resolution, quality, component, spatial position or selected ROI makes it suitable for many applications, like telediagnosis, data base indexing and retrieval, fitting to different output devices etc. Also error resilience for wireless image data transmission is very useful in reliable medical information systems. The functionality of a compressed data stream is tested and analysed and the most suitable solutions are concluded.

Słowa kluczowe

PL

falkowa kompresja obrazów; inżynieria biomedyczna; badania medyczne; transmisja danych

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2001
• Tom: z. 130
• Strony: 105--122
• Opis fizyczny: Bibliogr. 32 poz., tab., fot.

Twórcy

autor

Przelaskowski A.

• Wydział Elektroniki i Technik Medycznych Politechniki Warszawskiej

Bibliografia

• 1. ISO/IEC: JPEG2000 image coding system. JPGE2000 committee draft version 1.0, ISO/IEC CD15444-1:1999, December 1999.
• 2. The emerging European health telematics industry-market analysis. Health Information Society Technology, version 1.1, April 2000.
• 3. Marcellin M.W., Gormish M.J., Bilgin M.J., Boliek M.P.: An overview of JPEG2000. Proc. of IEEE Data Compression Conference, Snowbird, Utah, pp. 523-544, March 2000.
• 4. Santa-Cruz D., Ebrahimi T., Larsson M., Askelof J., Christopoulos C.: Region of interest coding in JPEG2000 for interactive client/server applications. Proc. of the IEEE Third Workshop on Multimedia Signal Processing, pp. 389-394, 1999.
• 5. LoPresto S.M., Ramchandran K., Orchard M.T.: Image coding based on mixture modelling of wavelet coefficients and a fast estimation-quantization framework. IEEE Data Compression Conference’97 Proc, 1997, pages 221-230.
• 6. Xiong Z., Ramchabdran K., Orchard M.T.: Space-frequency quantization for wavelet image coding. IEEE Trans. Image Process., 6:677-693, 1997.
• 7. Wu Z.: High-order context modelling and embedded conditional entropy coding of wavelet coefficients for image compression. Proc. of 31st Asilomar Conf. on Signals, Systems, and Computers, Pacific Grove, CA, Nov. 1997.
• 8. Deever A., Hemami S.S.: What’s your sing? Efficient sing for embedded wavelet image coding. Proc. Data Compression Conference, s. 273-282, 2000.
• 9. Strang G., Nguyen T.: Wavelets and filter banks. Wellesley-Cambridge Press, 1997.
• 10. Herley C., Vetterli M.: Wavelets and recursive filter banks. IEEE Trans. on Signal Processing, vol. 41, pp. 2536-2556, 1993.
• 11. Sweldens W.: The lifting scheme: a construction of second generation wavelets. Univ. So. Carolina preprint, 1994.
• 12. Mallat S.G.: A theory for multiresolution signal decomposition: The wavelet representation. IEEE Pat. Anal. Intell., 11:674-693, 1989.
• 13. ISO/IEC, ISO/IEC 14496-2:1999: Information technology – Coding of audio-visual objects – Part 2: Visual, December 1999.
• 14. Santa-Cruz D., Ebrahimi T., Larsson M., Askelof J., Christopoulos C.: JPEG 2000 still image coding versus other standards. Proceedings of SPIE, vol. 4115, pp. 446-459.
• 15. Said A., Pearlman W.A.: A new fast and efficient image codec based on set partitioning in hierarchical tress. IEEE Trans. Circ. & Syst. Video. Tech., 6:243-250, 1996.
• 16. Manduca A., Said A.: Wavelet compression of medical images with set partitioning in hierarchical tress. Presented on SPIE Symposium on Medical Imaging, Cambridge, 1996.
• 17. Chrysafis C., Ortega A.: Efficient context-based entropy coding for lossy wavelet image compression. DCC, Snowbird, UT, 1997.
• 18. Marpe D., Cycon H.L.: Efficient pre-coding techniques for wavelet-based image compression. PCS, Berlin, 1997.
• 19. Xiong Z., Wu X.: Wavelet image using trellis coded space-frequency quantization. IEEE Signal Processing Letters, vol. 6, pp. 158-161, July 1999.
• 20. Wu X.: Context quantization with fisher discriminant for adaptive embedded wavelet image coding. Proc. Data Compression Conference, s. 102-111, 1999.
• 21. Boliek M., Gormish M., Schwartz E.L., Keith A.F.: Decoding compression with reversible embedded wavelets (CREW) condestreams. Journal of Electronic Imaging, vol. 7, no. 3, pp. 202-209, 1998.
• 22. Rioch CREW Image Compression standard Version 1.0 (Beta). April 1999.
• 23. Wu X.: Lossless compression of continuous-tone images via context selection, quantization, and modelling IEEE Trans. Image Processing. 1997, 6(5), 656-664.
• 24. Weinberger M., Seroussi G., Sapiro G.: The LOCO-I lossless image compression algorithm: principles and standardization into JPEG-LS, November 1998.
• 25. Robinson J.A.: Efficient general-purpose image compression with binary tree predictive coding, submitted to IEEE Trans. Image Processing, December 1994.
• 26. Wei D., Pai H.-T., Bovik A.C.: Antisymmetric biorthogonal coiflets for Image coding. Proc. of IEEE Intern. Conference on Image Process., 2:282-286, 1998.
• 27. Claderbank R.C., Daubechies I., Sweldnes W., Yeo B.-L.: Wavelet transforms that map integers to integers. Applied and Computational Harmonic Analysis (ACHA), vol. 5, Nr 3, pp. 332-369, 1998.
• 28. Adams M.D., Kossentioni F.: Reversible integer-to-integer wavelet transforms for image compression: performance, evaluation and analysis. IEEE Trans. on Image Processing, vol. 9, no 6, pp. 1010-1024, Jun. 2000.
• 29. Przelaskowski A.: Progressive image data compression with adaptive scale-space quantization. Proceedings of SPIE, Internet Imaging, vol. 3964, pp. 143-145, 2000.
• 30. Balasingham I., Adams M., Ramstad T., Kossentini F., Coward H., Perkins A., Oien G.: Performance evaluation of different filter banks in the JPEG2000 baseline system. Proc. of IEEE International Conference on Image Processing, Chicago, IL, USA, Oct. 1998.
• 31. http://www.icsl.ucla.edu/~ipl/psnr_results.html)
• 32. http://jj2000.epfl.ch/index.html