Vektör kuantizasyonu ve ayrık dalgacık dönüşümüne dayalı tıbbi görüntü sıkıştırma

Kronik hastalıkların yaygınlaşması nedeniyle tanısal görüntüleme prosedürleri her yıl artmaktadır. Bununla birlikte, bu tür görüntülerin depolanması çok zordur çünkü depolama kapasitesi, sürekli artan bu tıbbi görüntüleri barındırmak için yeterli değildir. Sonuç olarak, boyutlarının büyük olması nedeniyle bu görüntüleri sıkıştırmak için yeni yollar geliştirmek önemli hale gelmiştir. Bu nedenle tıbbi teşhisleri koruyan ve sıkıştırma oranı yüksek bir sıkıştırma yöntemine ihtiyaç vardır. Görüntü sıkıştırma kavramı, yeniden oluşturma sırasında bozulmayı ve zararlı bozulmayı önlerken, farklı görüntü türlerinin boyutunu önemli ölçüde azaltmayı amaçlar. Tıbbi görüntü sıkıştırma sistemi, görüntü işleme sistemlerinde çeşitli tıbbi görüntüleri güvenilir bir şekilde sıkıştırmak ve açmak için önemli bir konudur, çünkü görüntü sıkıştırma tüm dünyada en son ortaya çıkan bir trend haline gelmiştir. Bu, ayrık dalga dönüşümü (DWT), ayrık kosinüs dönüşümü (DCT), fraktal tabanlı ve dalgacık tabanlı notasyon vektör niceleme (VQ), tahmine dayalı kodlama gibi hem kayıplı hem de şeffaflık teknikleri için doğru bir şekilde uygulanabilir. Bu teknikler sıkıştırma sistemini tasarlamak için kullanılsa da orijinal boyutu küçültme, hesaplama karmaşıklığı düzeyi ve sıkıştırmada minimum hata karesi gibi bazı zorluklarla karşılaşırlar. Bu tezde, tıbbi görüntü sıkıştırma performansını iyileştirmek için bu kritik zorluklar ele alınmaktadır. Görüntüleri sıkıştırmanın iki ana yolu vardır ve bunların her biri orijinal görüntünün sıkıştırılmış görüntüden yeniden oluşturulup oluşturulamayacağına göre belirlenir. Kayıpsız sıkıştırma, sıkıştırma veya açma işlemlerinde hiçbir bilginin kaybolmadığı bir yöntemdir ve bu, tüm görüntü bilgilerini tutmak için tıbbi görüntülerde kullanılır. Kayıplı sıkıştırma ise, bazı bilgilerin silinmesi gereken kayıplı bir sıkıştırma yöntemi kullandığından tüm görüntünün sıkıştırılmış halinin açılamadığı yerdir. Dijital görüntüleri kalite kaybı olmadan sıkıştırmak için JPEG ile birlikte yaygın olarak kullanılırlar. Bu tezin amacı, ortalama yapısal benzerliği (MSSIM) ve tepe sinyalini korurken, sıkıştırma sisteminin etkinliğini artıran ve ayrık dalgacık dönüşümüne (DWT) dayalı sıkıştırma yöntemlerinin performansını iyileştiren basit ve etkili bir görüntü sıkıştırma tekniğini tanıtmaktır. Gürültü oranının (PSNR) kabul edilebilir bir seviyede olduğu MRI, CT ve ultrason ile temsil edilen tıbbi görüntüler bu tez için veri kaynaklarıdır. Gerekli kodlamayı formüle etmek için MATLAB (R2022b) kullandık. Bu hedefi başarmak ve programın görüntü işleme alanındaki yeteneklerinden yararlanmak için, bu tezde, teşhis içeriğini korurken karmaşık tıbbi görüntüleri işlemek için Ayrık Dalgacık Dönüşümü (DWT) ve Vektör Nicelemenin (VQ) bir kombinasyonunu önermektedir. Tıbbi görüntüler kaçınılmaz olarak gürültü içerdiğinden, bu yöntemde ön işleme sırasında bunları gidermek için filtreleme kullanılır. Girdi görüntüsündeki ilişkili pikselin ve bitişik piksellerin değerine dayalı olarak çıktı görüntüsündeki her pikselin değerini belirlemek için [3×3] Gauss algoritmasını kullandık ve ardından görüntü bilgisini bölmek için dalgacık analizi (DWT) kullandık. Bir yakın plan alt sinyali, piksel değerinin genel yönünü gösterir ve üç ayrıntılı alt sinyal, görüntüdeki dikey, yatay ve çapraz ayrıntıları veya değişiklikleri gösterir. Bu ayrıntı küçükse, görüntüyü önemli ölçüde değiştirmeden sıfıra ayarlanabilir. İki tip filtre vardır yüksek geçiren filtre ve alçak geçiren filtre. Bu nedenle, sinyal etkili bir şekilde ayrıntılı bir yüksek frekans parçasına ve kaba bir düşük frekans bölümüne ayrılır. Görüntünün kenarlarını (yatay, dikey ve çapraz) korumak için bir Ayrık Dalgacık Dönüşümü (DWT) uygulanır, çünkü görüntü dört banda bölünür ve alt bant dönüşümü en yüksek düzeyde özgüllükle tekrarlanır. Veri sıkıştırma, veri düzeltme, örüntü tanıma, yoğunluk ve kümeleme tahmini için Vektör Niceleme (VQ) tekniği kullanılır, mevcut veri aralıkları dahil olmak üzere en yakın küme bulunarak bazı aralıklardaki eksik veriler elde edilir ve veri ile aynı değeri alacağı varsayılır. VQ çalışmasının temeli piksel dizilerini kod çizelgesindeki bir dizinle temsil etmek olduğundan, görüntü kurtarma için en önemli ayrıntıları içeren alt aralık dışında önceki adım tarafından oluşturulan tüm parametrelere uygulanan orta nokta VQ ve görüntü sıkıştırma için hesaplama süresini azaltmak için birçok iyileştirme yapılmıştır. Bu noktada gerçekleştirilen deneyler, her görüntü için farklı boyuttaki pencerelerde farklı kod boyutlarıdır. Performans verimliliği farklı boyutlardaki kod ve pencerelerle ve aritmetik kodlama ile baskıyı artırmak için değerlendirilmiştir. Ardından, dalga katsayıları üreten ve belirtilen eşikten daha düşük değeri hariç tutan iki ana yöntem arasında eşik kullandık. Hibrit teknolojinin en iyi kombinasyonu, ölçümden önce iki farklı DWT seviyesinde bulundu. Bu tez, dalgacık dönüşümünün üç ayrı analitik seviyesini uygulayarak görüntüleri test etmektedir. Ortaya çıkan dalga katsayıları daha sonra aritmetik kodlama olan dalgacık dönüşümüne dayalı görüntü kodlama teknikleri kullanılarak kodlanmıştır. Önerilen bu hibrit teknoloji ile iyi bir performans elde edildi ve bir operasyon optimizasyon algoritması ekleyerek daha da iyi performans elde ettik. Önerilen sıkıştırma şeması, referans çalışmalardan daha iyi sonuçlar elde etmiş ve sıkıştırma oranını artırmıştır. Testler, dalgayı üç seviyeye ayırmanın, önceki dalgayla kullanılan en iyi sıkıştırma oranını ve en iyi kodlama tekniğini elde ettiğini gösterdi. En önemlileri dalgacık katsayıları için kodlama tekniğinin türü ve kullanılan optimizasyon algoritmasıdır. Testler, dalgacıkların üç seviyeye ayrıştırılmasının, önceki dalga ile kullanılan en iyi sıkıştırma oranına ve en iyi kodlama tekniğine ulaştığını göstermiştir. Görüntüleri sıkıştırmak için, benzersiz bir karakter dizisi oluşturmak üzere 0 ile 1 arasındaki kesirlerin kullanıldığı aritmetik kodlama (AC) algoritmasını kullandık. Bir veri kodlama ve kod çözme algoritması, tek bir veri kodunu tekrar tekrar işler ve kodunu çözerek onu sembolik olarak yinelemeli hale getirir. Algoritma iterasyon yaptığında, 0 ile 1 arasındaki periyodu giderek daha küçük parçalara böler ve bu parçalardan birini yeni bir periyot olarak tutar. Teknoloji, her biri boyut açısından değerlendirilen bir kod dizisi içeren katmanlı zaman dilimlerinde çalışır. Kod akışı boyutu karşılaştırmaları, veri akışını yeniden yapılandırmak için kullanılır ve Huffman ön eki sembolleri gibi iyi bilinen sıkıştırma yöntemlerinin aksine, kodlayıcının örtüşen alt aralıkları nasıl böldüğünü ve depoladığını gösterir. Ardından, parçacık sürüsü optimizasyonu (PSO) algoritmasını kullandığımız yapay zekaya yöntemi kullanılmıştır. Parçacık sürüsü geliştirme yönteminin küresel olarak optimal bir çözüm bulması neredeyse kesindir. Küresel arama yeteneği de çok iyidir ve hesaplama performansı, geleneksel yöntemlere göre çok daha hızlıdır. Test, Sıkıştırma Oranı (CR) parametresi, Ortalama Kareli Hata (MSR) parametresi ve Tepe Sinyali Gürültü Oranı (PSNR) parametresi kullanılarak yapıldı. Her görüntü için farklı kod çizelgesi boyutları ve farklı pencere boyutları ile deneyler yapılmıştır. Ölçme aracının etkinliğini değerlendirmek için farklı boyuttaki kod çizelgeleri ve pencerelerle bir test yapılmıştır. Her iki seviyedeki deneylerden, kod çizelgelerinin daha büyük olduğu doğrulanmıştır. Görüntü kalitesini korumak için en iyisi seçilmiştir, çünkü tıbbi görüntülemede görüntü kalitesi kritik öneme sahiptir. Çalışmanın sonunda, ince görüntü detaylarının uzantı, boyutlar ve piksel derinliği açısından kullanıldığı bir referans çalışma ile karşılaştırma yaptık, tasarladığımız sistem referans çalışmalardan daha iyi sonuçlar verdi ve sıkıştırma oranını artırmıştır. Optimizasyon algoritmalarını kullanarak görüntüleri sıkıştırmak için önerilen şemayı uygulamanın en iyi sonuçları elde etmeye yardımcı olduğu bulundu. Zamanı hesaba katmak ve performansı artırmak için bir dizi öneri sağlanmıştır.