Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)

Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)Nghiên cứu các kỹ thuật nén ảnh Y sinh 3D (Luận văn thạc sĩ)

HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG ĐỖ MẠNH ĐOÀN NGHIÊN CỨU CÁC KỸ THUẬT NÉN ẢNH Y SINH 3D LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) TP.HCM - 2018 HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG ĐỖ MẠNH ĐOÀN NGHIÊN CỨU CÁC KỸ THUẬT NÉN ẢNH Y SINH 3D Chuyên ngành: KỸ THUẬT VIỄN THÔNG Mã số: 8520208 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN LƢƠNG NHẬT TP.HCM – 2018 i LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tp HCM, ngày 10 tháng 11 năm 2017 Học viên thực luận văn Đỗ Mạnh Đoàn ii LỜI CẢM ƠN Lời em xin gửi lời cảm ơn đến tồn thể Thầy, Cơ giáo Học viện Cơng nghệ Bưu Viễn thơng tận tình bảo em suốt thời gian học tập Nhà trường Em xin bày tỏ lòng biết ơn sâu sắc đến TS NGUYỄN LƢƠNG NHẬT, người trực tiếp hướng dẫn, tạo điều kiện thuận lợi tận tình bảo cho em suốt thời gian làm luận văn tốt nghiệp Bên cạnh đó, để hoàn thành luận văn này, em nhận nhiều giúp đỡ, lời động viên quý báu bạn bè, gia đình đồng nghiệp Em xin chân thành cảm ơn Tuy nhiên, thời gian hạn hẹp, nỗ lực mình, luận văn khó tránh khỏi thiếu sót Em mong nhận thơng cảm bảo tận tình q Thầy bạn Em xin chân thành cảm ơn! Tp HCM, ngày 10 tháng 11 năm 2017 Học viên thực luận văn Đỗ Mạnh Đoàn iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG vi DANH SÁCH HÌNH VẼ vii MỞ ĐẦU Chƣơng - TỔNG QUAN VỀ HÌNH ẢNH Y SINH 3D VÀ KỸ THUẬT NÉN DỮ LIỆU 1.1 Tổng quan ảnh số 1.1.1 Ảnh số .3 1.1.2 Phân loại ảnh số 1.2 Tổng quan hình ảnh y sinh 3D 1.2.1 Ảnh chụp X - Quang .7 1.2.2 Ảnh chụp CT 1.2.3 Ảnh chụp MRI 11 1.3 Tổng quan kỹ thuật nén ảnh y sinh 3D 13 1.4 Kết luận chương .14 2.1 Các phương pháp nén ảnh y sinh tổn hao (Near lossless data reduction) 15 2.1.1 Phương pháp mã EZW (Embedded Zerotree Wavelet Encoder) .16 2.1.2 Phương pháp SPIHT (Set Partitioning In Hierarchical Trees) 30 2.2 Các kỹ thuật nén ảnh y sinh có tổn hao (Loss data reduction) .41 2.2.1 Phương pháp nén ảnh dùng biến đổi Cosin rời rạc 41 iv 2.2.2 Phương pháp nén ảnh dùng biến đổi Wavelet rời rạc 44 2.3 Kết luận chương 51 Chƣơng - CHƢƠNG TRÌNH MƠ PHỎNG 52 3.1 Công cụ sở liệu mô 52 3.2 Lưu đồ thực chương trình mơ 53 3.3 Giao diện chương trình bước thực mơ 56 3.3.1 Giao diện chương trình mơ 56 3.3.2 Các bước thực mô 56 3.4 Kết mô – đánh giá 57 3.4.1 Các phương pháp nén có tổn hao (Loss data reduction) 58 3.4.2 Các phương pháp nén tổn hao (Near lossless data reduction) 62 3.5 Kết luận chương 64 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 65 DANH MỤC CÁC TÀI LIỆU THAM KHẢO .66 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt 1D Dimension chiều 2D Dimension chiều 3D Dimension chiều DCT Discrete Cosine Transform Biến đổi Cosine rời rạc DWT Discrete Wavelet Transform Biến đổi Wavelet rời rạc EZW Embedded Zerotree Wavelet Encoder CT Computed Tomography Biến đổi Cosine rời rạc chiều ngược Biến đổi Wavelet rời rạc chiều ngược Phương pháp nén dựa phân vùng thứ bậc Phương pháp nén dựa mã hóa thừa kế Chụp cắt lớp MRI Magnetic resonance imaging Chụp cộng hưởng từ DLMP Distances-based Linearized Median Predictor CR Compression ratio Kỹ thuật ước lượng dựa khoảng cách trung bình tuyến tính Tỷ lệ nén PSNR Peak signal to noise ratio Tỉ số đỉnh tín hiệu nhiễu MSE Mean Squared Error Sai số bình phương trung bình DICOM Digital Imaging and Communications in Medicine Joint Photographic Experts Group Tiêu chuẩn Ảnh số Truyền thông y sinh Chuẩn nén ảnh JPEG 3D IDCT 3D Inverse discrete cosine transform 3D IDWT 3D Inverse Discrete Wavelet Transform SPIHT Set Partitioning In Hierarchical Trees JPEG vi DANH SÁCH BẢNG Bảng 3.1: Kết nén ảnh y sinh 3D thuật toán 3D DCT 59 Bảng 3.2: So sánh kết nén ảnh y sinh 3D thuật toán 3D-DWT mức 60 Bảng 3.3: So sánh kết nén ảnh y sinh 3D thuật toán 3D DWT mức 61 Bảng 3.4: So sánh hai thuật nén ảnh y sinh 3D qua tham số .62 Bảng 3.5: So sánh phương pháp nén qua tham số PSNR 63 vii DANH SÁCH HÌNH VẼ Hình 1.1: Biểu diễn ảnh dạng ma trận hai chiều .4 Hình 1.2: Minh họa thay đổi mức xám .5 Hình 1.3: Ảnh màu 24 bit với mơ hình RGB .6 Hình 1.4: Các loại ảnh khác nhau: Hình 1.5: Ảnh tia X hay hình chiếu 2D vật thể 3D Hình 1.6: Hình ảnh X quang 3D cho thấy vùng cửa có xương mỏng cần ghép xương để đặt implant Hình 1.7: Ảnh chụp cắt lớp CT 3D hộp sọ 10 Hình 1.8: MRI 3D u não 12 Hình 1.9: Hình ảnh chụp X quang 12 Hình 1.10: Hình ảnh chụp MRI khớp gối 12 Hình 2.1: Mơ hình nén giải nén ảnh y sinh 3D phương pháp tổn hao .16 Hình 2.2: Cấu trúc EZW 2D 17 Hình 2.3: Một lượng tử cấp bậc ba 18 Hình 2.4: Mơ tả phân rã băng 19 Hình 2.5: Trình tự quét dải băng 19 Hình 2.6: Ma trận hệ số biến đổi wavelet cho ảnh 8x8 .22 Hình 2.7: Thứ tự quét hệ số wavelet 22 Hình 2.8: Mã hóa pha phụ 23 Hình 2.9: Minh họa mã hóa so với ngưỡng T = 32 23 Hình 2.10: Danh sách lần quét thứ hai cho ngưỡng T1 = 16 24 Hình 2.11: Kết mã hóa cho lần quét thứ hai cho chuỗi giá trị 1, 0, 0, 1, 1, 24 viii Hình 2.12: Minh họa phụ thuộc cấu trúc 3D EZW 25 Hình 2.13: Mơ tả phân giải zero cho khối ảnh 3D để sử dụng thuật toán 3D EZW 28 Hình 2.14: Mơ tả khối ảnh 3D phân rã 3D DWT để dùng 3D EZW 29 Hình 2.15: Thứ tự quét giá trị hệ số, giả sử cho khối ảnh có khung ảnh theo chiều z 29 Hình 2.16: Quá trình nén giải nén ảnh y sinh 3D sử dụng phương pháp 3D EZW 30 Hình 2.17: Phân rã wavelet cấp với định hướng không gian 31 Hình 2.18: Sơ đồ khối cho mã hóa giải mã wavelet SPIHT 32 Hình 2.19: Mối quan hệ cha–con liên băng vị trí mã hóa 3D SPIHT .39 Hình 2.20: Quá trình nén giải nén ảnh y sinh 3D sử dụng phương pháp 3D SPIHT 40 Hình 2.21: Mơ tả phép biến đổi 3D DCT 42 Hình 2.22: Sơ đồ nén ảnh y sinh 3D sử dụng phương pháp biến đổi 3D DCT 42 Hình 2.23: Sơ đồ giải nén ảnh y sinh 3D sử dụng phương pháp biến đổi 3D DCT 43 Hình 2.24: Quá trình nén giải nén ảnh y sinh 3D sử dụng phương pháp 3D DCT 43 Hình 2.25: Phân tích wavelet 2D 46 Hình 2.26: Mơ tả kỹ thuật 3D-DWT 47 Hình 2.27: Mô tả phân rã liệu 1-D, 2-D, 3-D 49 Hình 2.28: Sơ đồ nén ảnh y sinh 3D sử dụng phương pháp nén 3D DWT 50 Hình 2.29: Sơ đồ giải nén ảnh y sinh 3D sử dụng phương pháp nén 3D DWT .50 Hình 2.30: Quá trình nén giải nén ảnh y sinh 3D sử dụng phương pháp 3D DWT mức họ Haar 51 Hình 3.1: Lưu đồ thực chương trình nén giải nén ảnh y sinh 3D .53 53 3.2 Lƣu đồ thực chƣơng trình mơ Bắt đầu ĐDdD Đọc ảnh cần nén ĐDdCD Chọn thuật tốn khơng Nén giải nén Ít tổn l hao? có Nén khơi phục Hiển thị ảnh nén ảnh giải nén Hiển thị ảnh tái tạo ảnh sai khác Tính tốn thơng số đánh giá Kết thúc Hình 3.1: Lƣu đồ thực chƣơng trình nén giải nén ảnh y sinh 3D 54 Ảnh y sinh 3D Biến đổi khối ảnh gốc Mã hóa Ghi nhận kết tính CR, thời gian nén Giải nén Biến đổi ngược Tìm ảnh sai khác Kết thúc Hình 3.2: Giải thuật nén giải nén ảnh y sinh 3D tổn hao 55 Ảnh y sinh 3D Đọc thuật toán nén (Tỷ lệ mức phân giải chiều nén) Biến đổi khối ảnh gốc (3D DCT, 3D DWT) Loại bỏ phần dư thừa Biến đổi ngược (3D IDCT, 3D IDWT) Lưu ảnh nén thời gian nén Biến đổi khối ảnh nén (3D DCT, 3D DWT) Bù lại phần khuyết Các giá trị “0” Biến đổi ngược 3D DCT, 3D DWT Lưu ảnh giải nén Kết thúc Hình 3.3: Giải thuật nén giải nén ảnh y sinh 3D phƣơng pháp có tổn hao 56 Luận văn cung cấp kết tổng thể nén ảnh y sinh 3D với phương pháp 3D SPIHT, 3D EZW, 3D DCT, 3D DWT Từ rút ưu khuyết điểm phương pháp để người sử dụng có sở để lựa chọn phương pháp nén thích hợp cho việc lưu trữ hay truyền thông tin 3.3 Giao diện chƣơng trình bƣớc thực mơ 3.3.1 Giao diện chương trình mơ Hình 3.4: Giao diện chƣơng trình mơ nén ảnh y sinh 3D 3.3.2 Các bước thực mơ Hình 3.5: Các bƣớc thực mơ Hình 3.6: Các bƣớc thực mơ phƣơng pháp nén, giải nén có tổn hao phƣơng pháp nén, giải nén tổn hao 57 3.4 Kết mô – đánh giá Sai số bình phương trung bình (MSE - Mean Squared Error): Để đánh giá hiệu phương pháp nén sử dụng tham số MSE sai số bình phương trung bình: MSE= M N L  M N L i 1 j 1 k 1 I  I ( i , j ,k ) ( i , j ,k ) '  (3.1) Với: - M, N, L kích thước khối ảnh 3D - I(i,j,k) I’(i, j,k) giá trị điểm ảnh vị trí i, j, k Tham số MSE nhỏ tốt MSE = hai khối ảnh hoàn toàn giống Tỉ số đỉnh tín hiệu nhiễu (PSNR) Giá trị PSNR tỉ lệ giá trị lượng tối đa tín hiệu lượng nhiễu ảnh hưởng đến độ xác thơng tin Bởi có nhiều tín hiệu có phạm vi biến đổi rộng, nên PSNR thường biểu diễn đơn vị logarithm decibel PSNR sử dụng để đo chất lượng tín hiệu khơi phục thuật tốn nén có mát liệu Tín hiệu trường hợp liệu gốc, nhiễu lỗi xuất nén Khi so sánh thuật toán nén thường dựa vào cảm nhận gần xác người liệu khôi phục, số trường hợp liệu khơi phục thuật tốn dường có chất lượng tốt thuật toán khác, có giá trị PSNR thấp (thơng thường PSNR cao chất lượng liệu khơi phục tốt, PSNR = ∞ hai khối ảnh hoàn tồn giống nhau) Giá trị PSNR tính cơng thức sau, Ipeak giá trị đỉnh tín hiệu cần so sánh (đối với ảnh bit giá trị đỉnh ngõ vào Ipeak = 28 – = 255): PSNR  10.log10 I peak MSE (dB) (3.2) 58 3.4.1 Các phương pháp nén có tổn hao (Loss data reduction) Hình 3.7 Q trình nén ảnh y sinh 3D thuật toán 3D DCT Sau chọn ảnh y sinh 3D cần nén ta chọn thuật tốn 3D DCT (1/2; 1/2; 3/3) sau chọn nút “Nén – Giải nén” ta kết hình 3.1 Theo nén mức tỷ lệ 3D DCT (1/2; 1/2; 3/3) thu giá trị PSNR 36,9807dB Tác giả thực với nhiều mức tỷ lệ nén thuật toán 3D DCT khác với tập ảnh mrbrain với kích thước 256x256x99 thu kết theo bảng 3.1 59 Bảng 3.1: Kết nén ảnh y sinh 3D thuật toán 3D DCT Nén Giải nén Các mức tỷ lệ nén trục x,y,z 3D-DCT CR 3D-DCT (1/2; 1/2; 3/3) 1,362 36,9807 1,633 3D-DCT (1/2; 1/2; 2/3) 1,159 34,7257 1,446 3D-DCT (1/2; 1/2; 1/3) 12 1,009 30,5447 1,444 3D-DCT (1/4; 1/4; 3/3) 16 1,002 29,1559 1,390 3D-DCT (1/4; 1/4; 2/3) 24 0,964 27,1261 1,315 3D-DCT (1/4; 1/4; 1/3) 28 0,927 24,3017 1,295 Thời gian nén (s) PSNR (dB) Thời gian giải nén (s) Bảng 3.1 cho thấy nén với tỷ lệ nén (CR) tăng dần thời gian nén lại giảm dần, giải nén giá trị PSNR thời gian giải nén giảm dần Hình 3.8 Quá trình nén ảnh y sinh 3D thuật tốn 3D DWT 60 Hình 3.8 mơ tả q trình nén tập ảnh mrbrain với kích thước 256x256x99 thuật toán 3D DWT mức họ Haar thu kết hình 3.8 Tác giả thực với họ biến đổi 3D DWT khác hai mức phân giải tập ảnh mrbrain với kích thước 256x256x99 thu kết bảng 3.2 bảng 3.3 Bảng 3.2: So sánh kết nén ảnh y sinh 3D thuật toán 3D-DWT mức Các họ thuật toán DWT Nén Giải nén CR Thời gian t1 (s) PSNR Thời gian t2 (s) Haar 7,92 1,331 32,6152 1,058 db1 7,92 1,267 32,6152 1,033 db4 7,1334 1,696 34,5202 1,346 db10 5,85898 2,721 34,8074 2,151 coif1 7,38287 1,546 34,0454 1,224 coif5 5,02757 3,831 34,839 3,032 sym2 7,64479 1,400 33,9343 1,123 sym8 6,24558 2,346 34,7927 1,852 fk4 7,64479 1,391 33,1849 1,117 fk22 5,67813 2,902 34,9327 2,278 bior1.1 7,92 1,273 32,6152 1,022 bior6.8 6,04797 2,549 34,7724 2,007 rbio1.1 7,92 1,278 32,6152 1,013 rbio2.8 6,04797 2,622 34,7074 2,035 Với bảng 3.2 kết nén ảnh y sinh 3D thuật toán 3D DWT mức họ Haar họ rbio1.1 nén tỷ lệ cao CR=7,92 giải nén giá trị PSNR=32,6152dB 61 Bảng 3.3: So sánh kết nén ảnh y sinh 3D thuật toán 3D DWT mức Nén Giải nén Các họ thuật toán DWT CR Thời gian t1 (s) PSNR Thời gian t2 (s) Haar 63,36 1,444 28,8527 1,143 db1 63,36 1,448 28,8527 1,160 db4 45,4251 1,962 30,1914 1,572 db10 27,344 3,495 30,3219 2,704 coif1 51,6188 1,761 29,8891 1,412 coif5 19,5218 4,870 30,3428 3,658 sym2 55,165 1,613 29,8211 1,288 sym8 32,0398 2,821 30,334 2,230 fk4 55,165 1,599 29,2593 1,270 fk22 25,9897 3,596 30,3741 2,737 bior1.1 63,36 1,457 28,852 1,144 bior6.8 30,3589 3,093 30,2341 2,385 rbio1.1 63,36 1,444 28,852 1,136 rbio2.8 30,3589 3,136 30,32 2,428 Kết nén bảng 3.3 nén ảnh y sinh 3D thuật toán 3D DWT mức với họ Haar họ db1 với tỷ lệ nén CR=63,36 giải nén thu giá trị PSNR=28,8527dB Thời gian nén giải nén hai họ Haar họ db1 gần 62 3.4.2 Các phương pháp nén tổn hao (Near lossless data reduction) Hình 3.9: Quá trình nén ảnh y sinh 3D phƣơng pháp tổn hao Bước đầu tác giả thực chọn tập ảnh mrbrain có kích thước 256x256x99 dicom3 có kích thước 512x512x33 sau chọn thuật tốn 3D SPIHT 3D EZW nhấn nút “Nén – Giải nén” thu kết theo bảng 3.4 Bảng 3.4: So sánh hai thuật nén ảnh y sinh 3D qua tham số Ảnh gốc y sinh 3D Nén Giải nén Tên thuật toán Tỷ lệ (CR) Thời gian t1 (s) PSNR Thời gian t2 (s) 3D SPIHT 16,2823 30,704 43,9093 23,435 3D EZW 14,761 51,580 41,9018 28,140 3D SPIHT 2,18664 56,431 44,8922 14,822 3D EZW 1,97682 58,737 42,975 12,719 mrbrain dicom3 63 Bảng 3.4 thể kết hai thuật nén qua tham số với ảnh y sinh 3D gốc Qua bảng 3.4 tác giả nhận thấy tập ảnh mrbrain dicom3 nén thuật toán 3D SPIHT cho kết tốt thuật toán 3D EZW qua giá trị CR PSNR (hiệu tốt hơn) Tác giả tiếp tục thực việc nén năm tập liệu ảnh y sinh 3D (2 tập ảnh mrbrain cthead có kích thước 256x256x99; tập ảnh ct-scan có kích thước 512x512x81; hai tập ảnh dicom3 dicom4 có kích thước 512x512x33 sử dụng hai thuật tốn phương pháp nén có tổn hao (3D DCT, 3D DWT) hai thuật tốn phương pháp khơng tổn hao (3D SPIHT, 3D EZW) để so sánh tham số PSNR thuật toán Tác giả thực nén chọn ảnh gốc 3D với thuật toán thu kết bảng 3.5 đây: Bảng 3.5: So sánh phƣơng pháp nén qua tham số PSNR Phương pháp nén có tổn hao Tên ảnh y sinh 3D gốc Phương pháp nén tổn hao 3D DCT (1/2;1/2;1/3) 3D DWT mức (Haar) 3D SPIHT 3D EZW ct-scan 37,3136 34,1333 50,4948 48,2556 dicom3 35,1528 35,4165 44,8922 42,975 dicom4 39,1118 36,7911 48,6085 46,6773 Cthead 21,3437 22,4214 42,0068 39,8401 mrbrain 30,5447 28,8527 43,9093 41,9018 Tác giả thực bốn thuật toán nén năm tập ảnh y sinh 3D sau lấy trung bình giá trị tham số PSNR bốn thuật toán so sánh với Bảng 3.5 thể kết nén giá trị PSNR, qua tác giả nhận thấy kết trung bình tham số PSNR thuật toán 3D SPIHT cho kết nén lớn thuật toán 3D DWT mức họ Haar cho kết thấp 64 3.5 Kết luận chƣơng Các thuật tốn nghiên cứu đưa vào chương trình mô nén ảnh y sinh 3D luận văn để kiểm tra tính đắn phần sở lý thuyết Tác giả xây dựng chương trình mơ phần mềm Matlab so sánh, đánh giá tham số phương pháp nén qua trình nén tập ảnh y sinh 3D Các thuật toán phương pháp nén ảnh y sinh 3D thực nhiều tập ảnh y sinh 3D khác để đưa nhìn nhận ưu nhược điểm xác thực thuật toán Quá trình mơ cho thấy tùy vào ứng dụng mục đích sử dụng mà người dùng lựa chọn thuật tốn nén cho phù hợp Mỗi phương pháp có ưu nhược điểm riêng, phương pháp nén ảnh y sinh 3D có tổn hao (Loss data reduction) giá trị PSNR thường thấp phương pháp nén ảnh y sinh 3D tổn hao (Near lossless data reduction) có tỷ lệ nén cao thời gian thực 65 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Với kiến thức quý giá lĩnh hội từ thầy, q trình học tập thực luận văn, với định hướng góp ý tận tình thầy hướng dẫn, tác giả hoàn thành luận văn tiến độ yêu cầu đặt Luận văn trình bày kết nghiên cứu thí nghiệm nén ảnh y sinh 3D với thuật toán 3D DCT, 3D DWT, 3D SPIHT, 3D EZW Mô thực nhiều tập liệu y sinh khác cung cấp từ thư viện liệu y sinh tiếng giới Các kết đánh giá qua tham số: thời gian thực hiện, tỉ lệ nén CR tỉ lệ tín hiệu nhiễu đỉnh PSNR cho thấy ưu khuyết điểm phương pháp nén Kết mơ phục vụ cho nghiên cứu giảng dạy ứng dụng vào thực tiễn việc lưu trữ truyền tin Cụ thể vấn đề đạt đóng góp luận văn bao gồm: - Kiến thức tổng quan nén ảnh 3D, mã hóa - Kỹ thuật nén ảnh y sinh 3D tổn hao (Near lossless) tổn hao (Lossy) - Dùng thuật toán nén ảnh y sinh 3D: 3D SPIHT, 3D EZW, 3D DCT, 3D DWT - Đặc biệt, hai thuật toán nén đề xuất (3D DCT 3D DWT) cho tính sẵn sàng cao với tính linh động việc lựa chọn tỉ lệ nén - Xây dựng chương trình mơ thuật tốn liên quan với giao diện GUI Matlab 2016a - Trong nghiên cứu tiếp theo, tác giả thực phương pháp nén nhiều loại liệu y sinh khác X-ray 2D, ECG 1D, siêu âm 3D, 4D,… Tác giả tin rằng, luận văn đóng góp phần kiến thức cho lĩnh vực truyền thông, lưu trữ liệu ảnh y sinh 3D thuận lợi cho việc chuẩn đoán, chăm sóc sức khỏe bệnh nhân 66 DANH MỤC CÁC TÀI LIỆU THAM KHẢO [1] N T Hải and N Q Cường, Giáo trình xử lý ảnh y sinh Đại học Quốc gia Tp Hồ Chí Minh, 2015 [2] P V Tài, (2016) "Xây dựng ảnh Steganography phương pháp MBDH" Đại học Sư Phạm Kỹ Thuật Thành phố Hồ Chí Minh [3] Đ N Tồn, "Xử Lý Ảnh" ed Học Viện Cơng Nghệ Bưu Chính Viễn Thơng, 2013, p 95 [4] Y Gaudeau, "Contributions en compression d'images médicales 3D et d'images naturelles 2D," pp 25-31, 2006 [5] K Sayood, Introduction to data compression: Morgan Kaufmann, 2017 [6] J M Shapiro, "Embedded image coding using zerotrees of wavelet coefficients," IEEE Transactions on signal processing, vol 41, pp 34473456, 1993 [7] J M Shapiro, "Embedded Zerotree Wavelet (EZW) Image Compression," pp 16-23 [8] A Bilgin, G Zweig, and M W Marcellin, "Three-dimensional image compression with integer wavelet transforms," Applied optics, vol 39, pp 1799-1814, 2000 [9] G Menegaz and J.-P Thiran, "Lossy to lossless object-based coding of 3-D MRI data," IEEE Transactions on Image Processing, vol 11, pp 1053-1061, 2002 [10] E Christophe, P Duhamel, and C Mailhes, "Adaptation of zerotrees using signed binary digit representations for 3D image coding," Journal on Image and Video Processing, vol 2007, pp 2-5, 2007 [11] E Christophe, P Duhamel, and C Mailhes, "Signed binary digit representation to simplify 3D-EZW," in Acoustics, Speech and Signal Processing, 2007 ICASSP 2007 IEEE International Conference on, 2007, pp I-1026-I-1027 67 [12] E Christophe, C Mailhes, and P Duhamel, "Hyperspectral image compression: adapting SPIHT and EZW to anisotropic 3-D wavelet coding," IEEE Transactions on Image processing, vol 17, pp 2339-2342, 2008 [13] I Dhasarathan, V Rathinasamy, and T Cui, "Wavelet Based SPIHT Compression for DICOM Images," ed, 2011, pp 20-28 [14] J Hermany, "Compression methods using 3D DCT," Doctoral Degree Programme, pp 2-4 [15] D T V V Naga Prudhvi Raj, "A Novel Approach To Medical Image Compression Using Sequential 3D DCT," IEEE, pp 146-148, 2007 [16] P R Mankar, S S Rane, and A E Patil, "IMAGE COMPRESSION BASED ON 3D-DCT," IMAGE, vol 3, pp 2-3, 2017 [17] M Zala and S Parmar, "3D Wavelet transform with SPIHT algorithm for image compression," International Journal of Application Or Innovation in Engineering & Management (IJAIEM), vol 2, pp 384-388, 2013 [18] D Ravichandran, M G Ahamad, and M A Dhivakar, "Performance analysis of three-dimensional medical image compression based on discrete wavelet transform," in Virtual System & Multimedia (VSMM), 2016 22nd International Conference on, 2016, pp 2-4 [19] https://bookingcare.vn/cam-nang/chup-cong-huong-tu-mri-u-nao-p264.html, truy cập ngày 12/7/2017 [20] http://datacompression.com/SPIHT, truy cập ngày 18/8/2017 [21] https://graphics.stanford.edu/data/voldata/, truy cập ngày 14/8/2017 [22] https://imagej.nih.gov, truy cập ngày 20/8/2017 [23] https://www.dicomlibrary.com/, truy cập ngày 16/8/2017 ... sau nén dung lượng 1.4 Kết luận chƣơng Trong chương trình b? ?y cách tổng quan ảnh số, ảnh y sinh 3D kỹ thuật nén ảnh y sinh 3D Với kỹ thuật nén ảnh y sinh 3D đại, việc lưu trữ truyền tải ảnh y sinh. .. pháp nén, giải nén tổn hao 56 Hình 3.7 Q trình nén ảnh y sinh 3D thuật toán 3D DCT .58 Hình 3.8 Quá trình nén ảnh y sinh 3D thuật toán 3D DWT 59 Hình 3.9: Quá trình nén ảnh y sinh 3D phương... BẢNG Bảng 3.1: Kết nén ảnh y sinh 3D thuật toán 3D DCT 59 Bảng 3.2: So sánh kết nén ảnh y sinh 3D thuật toán 3D- DWT mức 60 Bảng 3.3: So sánh kết nén ảnh y sinh 3D thuật toán 3D DWT mức 61 Bảng