Оцінка якості відновлених після стиснення за методом JPEG2000 медичних діагностичних зображень
DOI:
https://doi.org/10.26642/ten-2026-1(97)-403-411Ключові слова:
стиснення зображення, метод стиснення JPEG2000, медичні діагностичні зображення, вейвлет-перетворення, оцінка якості зображенняАнотація
Оцінювання якості медичних діагностичних зображень, відновлених після стиснення, є критично важливим завданням при розробці та валідації методів та алгоритмів стиснення, передачі, архівації та попередньої обробки інформації в медичних інформаційних системах. Під час аналізу методів та алгоритмів стиснення з втратами інформації для статичних і динамічних медичних зображень потрібно визначити, наскільки суттєвим є вплив процедури стиснення на відновлене зображення. Методи та алгоритми стиснення на основі вейвлет-перетворення дають можливість зменшити обсяг цифрових даних медичних діагностичних зображень без втрати критично важливої інформації для даного застосування зображень. Тому у статті детально розглянуто структурні та вейвлетні метрики, які краще описують збереження контурів, структур та текстур медичних діагностичних зображень.
Досліджено чисельні метрики оцінки якості медичних діагностичних зображень, відновлених після стиснення за методом JPEG2000, в інформаційних системах медичного застосування. Розглянуто різні види метрик. Проведено експериментальні дослідження вейвлет-стиснення цифрових медичних відеозображень. Отримані результати показали, що метод JPEG2000 є найбільш ефективним форматом для стиснення медичних діагностичних зображень. Цей метод та алгоритм забезпечує збереження критично важливої діагностичної інформації. Метод та алгоритм стиснення та кодування JPEG2000 добре узгоджується з вейвлетним підходом до аналізу медичної діагностичної інформацією та чисельними метриками оцінки якості. Класична метрика на основі пікового відношення сигнал/шум має обмежену інформативність та слабку кореляцію з візуальною якістю. Чисельна метрика на основі комплексних вейвлетів, реалізована за допомогою алгоритму дискретного вейвлет-перетворення, є найбільш стійкою до геометричних та фазових спотворень під час стиснення зображень за методом JPEG2000. Найкращі результати показала адаптована структурна метрика метрика, що забезпечує оптимальний баланс і стабільна для всіх типів зображень, та її швидкий обчислювальний варіант. Вказані чисельні метрики зберігають точність, значно швидші і краще підходить для оцінки якості медичних діагностичних зображень, наприклад отриманих в ході МРТ діагностики.
Посилання
Jeahne, B. (2004), Practical Handbook on Image Processing for Scientic and Technical Applications, 2nd ed., CRC Press LLC, 571 p.
Maier, A., Steidl, S., Christlein, V. and Hornegger, J. (2018), Medical imaging systems: An introductory guide, Springer, 269 p.
Salomon, D. (2002), A guide to data compression methods, Springer Science+Business Media, NY, 295 p.
Gacovski, Z. (2023), Information and Coding Theory in Computer Science, Arcler Press, 416 р.
McAnlis, C. and Haecky, A. (2016), Understanding Compression: Data Compression for Modern Developers, O’Reilly Media, Inc., 217 p.
Wu, F. (2015), Advances in Visual Data Compression and Communication: Meeting the Requirements of New Applications, CRC Press Taylor & Francis Group, 482 p.
Welstead, S. (1999), Fractal and Wavelet Image Compression, SPIE, 254 р.
Scott, E. (2023), Umbaugh Digital Image Enhancement, Restoration and Compression, 4th ed., CRC Press, 470 р.
Podchashynskyi, Yu.O. (2019), Stysnennia ta peretvorennia tsyfrovykh videozobrazhen z vymiriuvalnoiu informatsiieiu pro heometrychni parametry obiektiv, monohrafiia, ZhDTU, Zhytomyr, 200 р.
Podchashynskyi, Y., Stupak, A. and Chepiuk, L. (2024), «Analysis of video image compression methods with partial information loss for medical information and measurement systems», Technical Engineering, No. 2 (94), рр. 199–207, doi: 10.26642/ten-2024-2(94)-199-207.
Stupak, A.H., Podchashynskyi, Yu.O., Chepiuk, L.O. and Levkivskyi, O.A. (2025), «Zastosuvannia veivlet-peretvorennia do stysnennia zobrazhen v informatsiino-vymiriuvalnykh systemakh medychnoho zastosuvannia», Tekhnichna inzheneriia, No. 1 (95), рр. 304–311, doi: 10.26642/ten-2025-1(95)-304-311.
Wang, Z. and Bovik, A.C. (2006), Modern image quality assessment, Morgan & Claypool, NY, 157 p.
Wang, Z., Bovik, A.C., Sheikh, H.R. and Simoncelli, E.P. (2004), «Image quality assessment: From error visibility to structural similarity», IEEE Transactions on Image Processing, Vol. 13, No. 4, pp. 600–612.
Chandler, D.M. and Hemami, S.S. (2007), «VSNR: A WaveletBased Visual SignaltoNoise Ratio for Natural Images», IEEE Transactions on image processing, Vol. 16, No. 9, pp. 2284–2298.
Список використаної літератури:
Jeahne B. Practical Handbook on Image Processing for Scientic and Technical Applications / B.Jeahne. – 2nd ed. – CRC Press LLC, 2004. – 571 p.
Medical imaging systems: An introductory guide / A.Maier, S.Steidl, V.Christlein, J.Hornegger. – Springer, 2018. – 269 p.
Salomon D. A guide to data compression methods / D.Salomon. – Springer Science+Business Media : NY, 2002. – 295 p.
Gacovski Z. Information and Coding Theory in Computer Science / Z.Gacovski. – Arcler Press, 2023. – 416 р.
McAnlis C. Understanding Compression: Data Compression for Modern Developers / C.McAnlis, A.Haecky. –O’Reilly Media, Inc., 2016. – 217 p.
Wu F. Advances in Visual Data Compression and Communication: Meeting the Requirements of New Applications / F.Wu. – CRC Press Taylor & Francis Group, 2015. – 482 p.
Welstead S. Fractal and Wavelet Image Compression/ S.Welstead. – SPIE, 1999. – 254 р.
Umbaugh S.E. Digital Image Enhancement, Restoration and Compression / S.E. Umbaugh. – 4th ed. – CRC Press, 2023. – 470 р.
Подчашинський Ю.О. Стиснення та перетворення цифрових відеозображень з вимірювальною інформацією про геометричні параметри об’єктів : монографія / Ю.О. Подчашинський. – Житомир : ЖДТУ, 2019. – 200 с.
Podchashynskyi Y. Analysis of video image compression methods with partial information loss for medical information and measurement systems / Y.Podchashynskyi, A.Stupak, L.Chepiuk // Technical Engineering. – 2024. – № 2 (94). – Р. 199–207. DOI: 10.26642/ten-2024-2(94)-199-207.
Застосування вейвлет-перетворення до стиснення зображень в інформаційно-вимірювальних системах медичного застосування / А.Г. Ступак, Ю.О. Подчашинський, Л.О. Чепюк, О.А. Левківський // Технічна інженерія. – 2025. – № 1 (95). – С. 304–311. DOI: 10.26642/ten-2025-1(95)-304-311.
Wang Z. Modern image quality assessment / Z.Wang, A.C. Bovik. – NY : Morgan & Claypool, 2006. – 157 p.
Image quality assessment: From error visibility to structural similarity / Z.Wang, A.C. Bovik, H.R. Sheikh, E.P. Simoncelli / IEEE Transactions on Image Processing. – 2004. – Vol. 13, № 4. – Р. 600–612.
Chandler D.M. VSNR: A WaveletBased Visual SignaltoNoise Ratio for Natural Images / D.M. Chandler, S.S. Hemami // IEEE Transactions on image processing. – 2007. – Vol. 16, № 9. – Р. 2284–2298.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Антон Геннадійович Ступак, Юрій Олександрович Подчашинський
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
